Da forskere fortsætter med at udvikle kunstig intelligens (AI), bliver teknologien udbredt i forskellige sektorer i verden. Vi har set AI-baserede værktøjer og systemer overvåge trafik, simulere Wimbledon-kampe og endda efterligne berømmelsestemmer. Nu har to AI-forskere udviklet en AI-drevet maskinlæringsmodel, der kan genkende genren af et videospil-titel baseret på dens omslag.
Forskerne Yuhang Jiang og Lukun Zheng er dem, der kom op med konceptet. Duoen udgav for nylig et forskningspapir, der blev kaldt “Dyb læring til klassificering af videospilgenre”, der forklarer brugen af en stor træningsdatabase, oprettet af dem, til at kategorisere videospil baseret på deres forsidebilleder og tekster.
Hvordan udviklede de modellen?
For at oprette den oprindelige database tog forskerne 50.000 videospiltitler med deres coverbilleder, beskrivelsestekster, titeltekster og genreinfo. Ifølge forskerne, udviklere og andre AI-forskere kan bruge dette datasæt til forskellige andre undersøgelser synes godt om “Tekstgenkendelse fra billeder, automatisk emneudvinding osv.”. Derfor vil de snart gøre det tilgængeligt for offentligheden.
”Derudover evaluerede vi flere avancerede billedbaserede modeller og tekstbaserede modeller. Vi udviklede også en multimodal model ved at sammenkæde funktioner fra billedmodalitet og tekstmodalitet, ” skrev duoen i deres papir.
Efter udarbejdelsen af det massive datasæt, forskerne brugte den til at træne to maskinlæringsmodeller der kan genkende tekster og billeder. Efter afslutningen af deres uddannelse opdagede de, at den tekstbaserede model fungerede meget bedre end den billedgenkendende model. De bedste resultater blev dog produceret af en hybrid af de to modeller.
Forskerne siger, at den nye kategoriserende model til videospilgenre kan være til stor hjælp for spillere at finde det perfekte spil til sig selv. Desuden kan sælgere af videospil bruge det til at kategorisere og bedre organisere deres fysiske butikker, så kunderne nemt kan finde deres ønskede spil.
Du kan læse det detaljerede forskningspapir for at få flere oplysninger om denne nye maskinlæringsmodel.