只要是曾玩過需要團隊合作遊戲的玩家，應該都有碰過網友口出惡言的經驗，這些言語為同場參與的玩家都帶來了不好的遊戲體驗，也因此是遊戲經營者經常必須面對的難題。
Kotaku 報導指出，知名射擊遊戲《鬥陣特攻》（Overwatch）也正在面對這項難題，遊戲總監 Jeff Kaplan 近日表示，其實團隊一直有在測試機器學習技術，試圖讓遊戲學會辨識哪些是「有毒」的語言，未來目標是不必再透過玩家檢舉才能阻擋這些行為。
即使沒有機器學習協助，《鬥陣特攻》在這方面也已經取得進展，Kaplan 指出，從 1 月的數據來看，由於遊戲檢舉及懲罰系統的變化，《鬥陣特攻》的攻擊性言論下降了 17%，檢舉系統使用數則上升了 20%。
這證明《鬥陣特攻》的檢舉系統是有用的，但還是不足以抵銷檢舉系統的「原罪」──它們的效率很慢、可能會被濫用，玩家並不總是對檢舉系統抱有信心，因此監管團隊的下一步，便是在玩家申訴前便開始捕捉不良行為。
透過機器學習，暴雪（Blizzard）正在教導遊戲 AI 其他國家的語言，長期的目標則是希望它弄清楚有毒的言論看起來像什麼，甚至能夠分清楚朋友間的「垃圾話」和網友人身攻擊間的區別。
但以目前來說，《鬥陣特攻》將 AI 先調整為應對最極端的情況──那些在暴雪的規範中，無疑必須受到懲罰的言論，而其他內容則是先標記、再針對重複犯進行懲罰。
「任何涉及檢舉和懲罰玩家的事情，你都會希望從最極端的情況開始，接著找到方式來向較輕的情況延伸。」
除了懲罰不良玩家，暴雪也和 Riot 和 Twitch 直播平台一樣，正在研究硬幣的另一面：強化良好行為。遊戲開發商都在懲罰舉動不當的玩家，但究竟該如何讓人們希望在遊戲的生態系統中成為更好的參與者？
Kaplan 指出，遊戲的通報系統經常都是「Adrian 真的很糟糕，我想懲罰他」，但「Adrian 真的是個很棒的隊友，我想獎勵他」的機制卻很少可見。
「我們已經可以開始展望未來，並討論關於正面態度的申報系統設計。」
（首圖來源：Overwatch）
icon
icon
