Il colosso americano, Blizzard, sta analizzando algoritmi per combattere sul suo acclamato FPS-Multiplayer, Overwatch, uno dei problemi più noti nel mondo del gaming-online: la Tossicità.
Come riportato da GameInformer, in un’intervista con Kotaku, il vicepresidente di Blizzard ed il lead designer di Overwatch, Jeff Kaplan, hanno spiegato che l’azienda sta cercando di analizzare come le macchine possano essere impiegate per catturare e punire i giocatori tossici di Overwatch.
La tossicità dei videogiocatori è stato un punto focale per il team nell’arco dell’ultimo anno, con Kaplan il quale ha anche spiegato che la creazione di nuovi contenuti sta rallentando proprio per dare priorità a questo problema e risolverlo.
A tal fine, Kaplan ha chiacchierato con Kotaku proprio riguardo gli algoritmi di apprendimento automatico (machine-learning) come mezzo per aiutare il team a, quantomeno, arginare il problema…se non combatterlo.
“Stiamo sperimentando con l’apprendimento automatico”, ha affermato Kaplan. “Stiamo cercando di insegnare ai nostri giochi quale sia il linguaggio tossico, il che è piuttosto divertente. Pensando che non c’è bisogno di aspettare un rapporto per determinare che qualcosa è tossico. Il nostro obiettivo è ottenerlo così […]”.
In questo momento, Blizzard si sta concentrando principalmente sul linguaggio, poiché è molto più facile per un computer capirne il comportamento.
“Questo è il prossimo passo”, ha continuato Kaplan.
È comunque importante notare che quanto appena riportato non è stato ancora istituito ed in questo momento Blizzard sta solo esplorando, analizzando e valutando queste opzioni.
In ogni caso fa emergere spunti di riflessione e discussione interessanti:
se i falsi positivi riuscirebbero a mascherarsi da videogiocatori “comuni, normali” e/o addirittura innescati intenzionalmente da altri videogiocatori/persone?
L’evoluzione del machine-learning, ormai, si sta diramando in tutti i settori e si prospetta un futuro tanto curioso ed affascinante quanto florido di non indifferenti interrogativi.