تشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی با استفاده از هوش مصنوعی

بازی های رایانه ای در جهان به عنوان یک ابزار سرگرمی، یک رسانه پرمخاطب، یک راهکار اثربخش آموزشی و یک اقتصاد بزرگ، پدیده مهمی محسوب می شود. در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) برای تشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی استفاده شده است. شباهت شبکه های عصبی مصنوعی (ANNs) به مغز انسان انگیزه ی اصلی این تحقیق است. به منظور پیاده سازی کدهای شبکه از نرم افزار MATLAB استفاده شده است. این کدها از دو فاز تشکیل شده اند: 1) آموزش ANN برای یادگیری الگوی رفتاری انسان با در نظر گرفتن چهل مسابقه. 2) بازی واقعی در برابر انسان با انجام ده مسابقه. پس از پیاده سازی شبکه، اثر بخشی آن در تشخیص الگوی رفتاری انسان بررسی شد. این شبکه روی 40 نفر (20 زن و 20 مرد) تست شد. هرکدام از بازیکنان طی سه مرحله با شبکه ی مورد نظر بازی کردند. نتایج این مطالعه نشان می دهد، درصد برنده شدن کامپیوتر با شبکه عصبی MLP طراحی شده در مردان برابر با %5/57 و در زنان برابر با %8/60 می باشد. در حالی که درصد برنده شدن کامپیوتر بدون شبکه عصبی و با انتخاب های کاملا تصادفی در 60 بازی صورت گرفته در بین مردان برابر با %5/52 و با همین تعداد بازی در بین زنان برابر با %5/42 است.