現(xiàn)今我們游戲使用屏可劃分為三種:終端屏幕、電視屏以及PC屏,而終端設(shè)備不僅在工作中和生活中扮演了重要的角色,更占據(jù)了我們碎片化的時(shí)間。而根據(jù)《2014年1-3月中國(guó)移動(dòng)游戲產(chǎn)業(yè)報(bào)告》顯示,在App Store中國(guó)區(qū)暢銷榜中,游戲產(chǎn)品的數(shù)量占比接近九成(89%),而應(yīng)用類軟件只占據(jù)11%。那么當(dāng)當(dāng)游戲遇見大數(shù)據(jù)后又會(huì)有怎樣的不同呢?
UCloud高級(jí)架構(gòu)師韓新亮在《手機(jī)游戲云服務(wù)平臺(tái)》這一分享話題中指出社交屬性現(xiàn)今對(duì)于游戲起到了決定性的作用,用戶通過好友分享的一些內(nèi)容可能會(huì)產(chǎn)生試玩的念頭,從而也使一種增加用戶粘性的手段。此外也可以通過大數(shù)據(jù)來發(fā)現(xiàn)游戲中哪一個(gè)關(guān)卡用戶流失率較大,這樣也能夠提供給玩家一種更好的游戲體驗(yàn)。
以著名游戲公司EA舉例,EA在全球范圍擁有20億的游戲玩家,每天生產(chǎn)的游戲數(shù)據(jù)就有50TB之多,若是想策劃出提升玩家體驗(yàn)優(yōu)化的設(shè)計(jì)前提,就需做好游戲數(shù)據(jù)化運(yùn)營(yíng)。
在游戲數(shù)據(jù)化運(yùn)營(yíng)的背后游戲廠商需要做好版本反饋及改進(jìn),玩法改善,同時(shí)進(jìn)行評(píng)估及改進(jìn)以及特征用戶研究。在交互方面做好可用性支持以及市場(chǎng)環(huán)境與輿論的反饋,并提供用戶分類以及VIP等服務(wù),保障賬號(hào)的安全。
大數(shù)據(jù)不僅能夠提升游戲的體驗(yàn)性,在推廣和運(yùn)營(yíng)方面也起到了很大助力。大數(shù)據(jù)可在游戲推廣中為游戲廠商抓住傳播細(xì)節(jié),通過爬蟲分析辨別核心視覺范圍內(nèi),文字的核心內(nèi)容,同時(shí)關(guān)聯(lián)游戲內(nèi)容,并在用戶興趣點(diǎn)最高的時(shí)刻向其展示相關(guān)的游戲,促進(jìn)注冊(cè)轉(zhuǎn)化。在游戲運(yùn)營(yíng)方面幫助游戲商關(guān)注與玩家的溝通細(xì)節(jié),通過大數(shù)據(jù)來分析用戶關(guān)注的內(nèi)容以及游戲下載的內(nèi)容,了解更多的用戶需求,進(jìn)行精準(zhǔn)的定位推送。
現(xiàn)今,緊靠游戲畫面以及創(chuàng)新已經(jīng)不足以在激烈的競(jìng)爭(zhēng)中存活,而從最早的網(wǎng)游勁舞團(tuán)中便可以看到這一趨勢(shì),大多用戶在勁舞團(tuán)中創(chuàng)建角色并不是去為了體驗(yàn)上下左右的‘快感’,而是為了感受到里面的社交屬性,當(dāng)然這是一種唯美的說法。
這樣的特征同樣在MMORPG游戲中得以體現(xiàn),中國(guó)MMORPG用戶的行為特征排在前四位的分別是練級(jí)、打造強(qiáng)化裝備、做任務(wù)與探索和聊天結(jié)交朋友,其比例為44.7%、42.6%、40.6%和39.7%。
當(dāng)下玩家玩的并不是游戲而是社交,理由其實(shí)很直白,再多的任務(wù)總有一天會(huì)玩膩,但擁有固定的社交圈子卻很難離開。社交才是游戲生存之本這一定論也并非空穴來風(fēng),所以除了在前臺(tái)堅(jiān)持技術(shù)創(chuàng)新以外,更應(yīng)加強(qiáng)后端的大數(shù)據(jù)分析,才能讓游戲?yàn)槠髽I(yè)與用戶帶來更多的價(jià)值。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。