等一下，为什么？：评估即时战略游戏中的行为解释策略

文献标题

Wait, But Why?: Assessing Behavior Explanation Strategies for Real-Time Strategy Games

文献信息

• 主题领域: 人机交互与可解释人工智能 (Explainable AI)，电子竞技行为解释
• 关键词: 可解释人工智能, 电子竞技, 数据驱动叙事, 实时策略游戏, 多媒体交互, 认知负荷, 行为解释, 人机交互, 多屏应用, 回忆能力

研究背景与问题

• 问题或挑战：

  • 人们往往更喜欢“为什么”(why)的解释并从中学习，但电子竞技解说员主要提供“是什么”(what)的描述。
  • 研究者想了解为何实时策略游戏电子竞技解说中“why”解释的出现频率较低：是因为观众无需“why”解释，或因认知资源不足无法实时处理“why”解释，还是解说员在实时情况下无法生产“why”解释。

• 重要性：

  • 随着人工智能技术的广泛应用和复杂模型的普及，可解释性不仅对模型信任至关重要，在实际应用中也能帮助人类用户理解复杂行为。
  • 了解如何优化实时解释策略能帮助提升电子竞技解说的质量和观众的理解力，同时推动可解释 AI的研究。

• 研究动机与相关工作：

  • Lim 与 Dey的研究表明提供“why”解释能更好地提升用户对复杂系统的理解和预测能力。
  • Dodge 等人发现电子竞技解说中“what”问题占主导，但对齐 Lim 的研究需要解释为何“why”问题如此罕见。

解决方案

• 提出的研究方法：

  • 在电子竞技背景下，评估三组不同方法对观众理解力和认知负荷的影响：无解释组、基于“what”的解释组、基于“why”的解释组。
  • 基于 Dota 2 比赛视频和交互式地图，通过对解释方式的设计和效果进行测试。

• 创新之处：

  • 提供一种分层解释策略，包括交互式文本提示和多媒体的结合。
  • 首次实验性验证“why”解释在实时行为解释中的局限性，提出以“what”解释为优化策略的建议。

• 实施步骤：

  1. 招募 111 名 Dota 2 玩家参与实验，随机分组为三组：观看普通视频、不含/包含解释的交互式地图。
  2. 通过交互工具提供 12 个游戏事件的解释（“what”和“why”解释的长度和复杂度不同）。
  3. 测试认知负荷（使用 Paas 和 Van Merriënboer 的九点量表）以及观众对比赛事件的回忆能力（七个多选问题，测试不同解释对理解的影响）。

研究成果

• 主要成果：

  • “what”解释组的观众在事件回忆任务中的表现显著优于无解释组。
  • “why”解释组因解释复杂度高而导致认知负荷显著增加，并且回忆能力弱于“what”解释组。
  • 结果表明，实时提供详细的“why”解释过于消耗认知资源，而简洁的“what”解释能有效提高观众的回忆能力。

• 与现有解决方案的对比：

  • 相较于完全依赖解说员，增添简洁的交互式“what”解释对观众而言是一种低成本、认知友好的补充。
  • 基于 Dodge 等人理论提供新的实验证据验证“why”解释的实时局限性。

• 实验结果具体描述：

  • 回忆任务的统计分析结果显示“what”解释组的正确率明显高于无解释组（p=0.0187）。
  • 认知负荷测试结果显示，“why”解释组的负荷显著高于无解释组（p=0.024）。

• 局限性与未来方向：

  • 局限性：
    • 实验专注于 Dota 2 电子竞技背景，可能无法直接推广至其他情境或应用。
    • “why”解释的低效性需进一步验证是否受制于实时环境。
  • 未来方向：
    • 探索如何优化多模态解释（文本、图像、可视化数据等）的结合应用。
    • 开发能自动生成实时解释的模型，以减轻手动解释的生产成本。
    • 测试解释型应用对观众学习效果的提升，超越记忆和理解力测试。