Исследователи из Университета Торонто, Корнельского университета и Microsoft Research разработали ПО, которое угадывает, кто именно сыграл шахматную партию. Программа вычисляет автора по ходам и может отличить его на фоне партий тысяч других шахматистов, играющих на популярном сервере Lichess. То есть, она определяет присущий игроку стиль принятия решений.

Разработчики взяли записи партий игроков, сыгравших на Lichess не менее тысячи раз, и отобрали из этих партий последовательности до 32 ходов.  Каждый ход — смену позиции — они кодировали в виде чисел и передавали в нейросеть, а та представляла любую игру как точку в многомерном пространстве. Для нейросети все партии шахматиста — скопление точек (или кластер). Ее учили максимизировать плотность кластера каждого игрока и расстояние между кластерами разных игроков. Так нейросеть научилась различать людей — по тому, как ходы их партий сходятся в кластеры, каждый из которых и представляет собой индивидуальный стиль конкретного игрока. Он не всегда выражен явно, но машина его видит.

Нейросеть не только находит скрытые паттерны в наборе данных, но и может воспроизводить эти паттерны. Иными словами, шахматная программа способна играть так, как играют люди: предсказывать ходы конкретного шахматиста и даже предвидеть типичные ошибки, которые тот совершит в партии. Программа не ищет лучший ход для конкретной позиции — она предлагает ходы, которые сделал бы человек. Тоже конкретный.

Разработчики обеспокоены, что их творение шахматами не ограничится, а легко перенесется в другие области: нейросеть ведь можно обучить на любых доступных данных. И тут уже не все гладко с этикой. Ведь не только мошенники, но и обычные люди зачастую желают остаться анонимными — и вовсе не обязательно со злым умыслом. Машинное обучение сделает их видимыми.

Да и не стоит надеяться, что дело ограничится только шахматами. В прошлом году психологи из Принстона обучили нейросеть на базе данных психологических экспериментов о том, как люди делают рискованный выбор, включая азартные игры. Оказалось, обученные нейронные сети способны с высокой точностью имитировать решения человека, и превосходят ранее предложенные в психологии модели рискованного выбора.

Поведенческий анализ по игровой телеметрии — еще одна растущая область исследований. С точки зрения геймдизайна это поможет сделать игры еще увлекательнее и заодно повысить монетизацию, побудив игроков охотнее тратить деньги. Для этого надо уметь прогнозировать их поведение в разных ситуациях. Впечатляет, что такой анализ уже делают в режиме реального времени. Для индустрии киберспорта, которую уже оценивают более чем в 2 млрд$, это серьезная тема. В онлайн-игры на разных платформах играют около 3 млрд человек — и это не предел.