筆者是千禧一代游戲玩家,我一直在尋找新的、能吸引我注意力的游戲機和視頻游戲。但是,我碰到的問題是,有很多游戲系統(tǒng)和似乎無限多的游戲可供選擇,但卻沒有什么簡單有效的方法可以搜索我可能感興趣的游戲類型。因此,我對于如何將區(qū)塊鏈技術(shù)用在這個市場做了一些思考。游戲行業(yè)做得頗為成功,但21世紀的游戲行業(yè)仍顯得有些支離破碎。
是時候開始將操縱桿切到區(qū)塊鏈了
理由1 -- 超飽和的游戲市場
全球有有超過22億的活躍游戲玩家,其中的47%或10億人花錢玩游戲。對于千禧一代人群而言,游戲不僅僅是一種泛泛的愛好,游戲可以是個維持生計的工具。為什么呢?部分原因是游戲類型的大量擴展,開發(fā)商因而可以開發(fā)出不同的游戲吸引不同的觀眾。隨著VR(虛擬現(xiàn)實)、AR(增強現(xiàn)實)、AI(人工智能)及智能技術(shù)的出現(xiàn)和發(fā)展,視頻游戲未來的發(fā)展令人振奮。
市場上每年都投入了的大量的游戲供玩家下載到新的游戲機里,游戲的數(shù)量極多,游戲空間幾乎無法容得下如此多的游戲。
游戲開發(fā)商
游戲的數(shù)目不下數(shù)十萬,創(chuàng)建這些游戲的開發(fā)商沒有幾千個也有幾百個。如果有人問我家里各種游戲的開發(fā)商的名字,我一定答不上來。為什么呢?因為誰也不會注意開發(fā)商的名字。大多數(shù)消費者只會玩自己游戲機上最受歡迎的游戲或是玩自己最順手的游戲。但那些賣不掉的游戲和沒人玩的的游戲怎么辦呢?開發(fā)人員入這一行想為自己揚名立萬。但如果普通游戲玩家對開發(fā)者的名字和作品一無所知的話,那這對于知識產(chǎn)權(quán)和整個行業(yè)來說都是一種損害和障礙。
游戲玩家
游戲玩家擁有一個游戲系統(tǒng)后,要開始玩游戲就必須挑選一個好游戲或游戲系列,而這可能會成為一件非常困窘和傷神的事情??晒┻x擇的游戲無限地多,在通常情況下,我根本就沒有精力、動力或耐心坐下來研究。盡管有些諸如IGN和其他游戲評論網(wǎng)站在介紹和推薦游戲方面做得非常出色,但其實他們也無法走進每個游戲。對于我感興趣的游戲、游戲類型或開發(fā)商,不存在按名字搜索的有效辦法。
此外,游戲升級系統(tǒng)無法實現(xiàn)“向后兼容性”,這也通常是我只玩我已經(jīng)玩過的游戲的原因。雖然大多數(shù)游戲機都提供許多常見的游戲,但也有許多游戲機不能向后兼容。最典型的例子是HALO系列或Star Wars Battlefront 系列,兩個系列都僅限于某些游戲機上玩。
另外還有一個大的問題,在新的系統(tǒng)出現(xiàn)時,那些可下載內(nèi)容(DLC)不可遷移到升級的游戲機上,或是有些DLC根本就不提供給所有者/用戶在升級的游戲機用。接下來會發(fā)生什么呢?這些游戲只是待在游戲機的內(nèi)存、光盤或云存儲里,永遠不會再被使用。叫人很無語,不僅浪費資源,對開發(fā)人員也是一種侮辱。
內(nèi)容提供商
諸如Steam和Twitch一類的內(nèi)容提供商平臺現(xiàn)在風靡市場。
Steam是一個多玩家平臺,提供在線游戲和相關(guān)媒體的分發(fā),用戶利用該平臺可在多個設(shè)備上安裝自己的游戲軟件,也可在游戲社區(qū)與其他成員互動。 Twitch是一個流行的在線平臺,平臺用戶可觀看數(shù)字視頻,也能以流形式播放數(shù)字視頻。兩家平臺和服務(wù)商都是靠簡單的視頻游戲流和編程服務(wù)起的家。
不妨想象一下區(qū)塊鏈能為這個空間做些什么。我立馬想到直接競爭的可能性。但Blockchain Influencer(威望人)和游戲玩家Justin Wu不同意我的想法。他表示, “我覺得不會消除諸如Steam這之類大型平臺的直接競爭。在實際案列中,這項技術(shù)的最佳使用對于消費者來說實際上是隱形的,是一種幕后的結(jié)合。我認為二者可以共存,因為主流游戲機和平臺都是行業(yè)的巨大資產(chǎn)。區(qū)塊鏈技術(shù)將繼續(xù)為游戲行業(yè)創(chuàng)造新的資產(chǎn)類別、游戲和用例。“
我的解決方案:利用區(qū)塊鏈
1、創(chuàng)建分布式分類帳系統(tǒng)或分項數(shù)據(jù)庫,類似Netflix或IMDB的系統(tǒng)。這種系統(tǒng)可以為游戲開發(fā)者和創(chuàng)作者提供他們應(yīng)得的信譽,原因是,大多數(shù)游戲玩家都不知道是誰創(chuàng)造了他們喜歡的游戲。玩家只關(guān)心游戲標簽和內(nèi)容,令人遺憾的是,他們不關(guān)心開發(fā)了游戲的人和團隊的名字。
2、創(chuàng)建一種可以跨區(qū)塊鏈運行的算法,使得游戲系統(tǒng)的DLC“向后兼容”,如此可以延續(xù)內(nèi)容的生命期及對開發(fā)人員、公司和游戲玩家做出補償。
由于市場過度飽和,外加太多人想擁有話事權(quán),是時候清場了。
原因2 -- 顛簸的游戲用戶體驗
Call of Duty、Battlefield和Madden一類的游戲需要技巧和幾小時的專注時間。要在這些游戲中往前走,游戲玩家需要提高排名、取得新成績,甚至需拿到一定的獎?wù)隆?/p>
但歸根結(jié)底,游戲玩家花那么多時間玩游戲最終的結(jié)果是什么呢?是浪費時間和酸痛的手指。
我的解決方案:利用區(qū)塊鏈給游戲加上令牌,玩家因此可以有目標地花時間,玩到最終目標。這樣的體驗更有價值。例如,為什么不建立一個基于獎勵的計劃讓游戲玩家和開發(fā)者將他們的游戲和開發(fā)技巧貨幣化呢?普通老百姓已經(jīng)習慣了在博彩業(yè)和酒店業(yè)中的獎勵計劃或激勵計劃。
原因3 -- 玩游戲不夠方便
筆者前面提到過,通用的游戲索引或游戲推薦系統(tǒng)還不存在,我不可以根據(jù)輸入的某些條件輕松搜索我想要的游戲名字。想象一下,如果存在一個通用的游戲索引或游戲推薦系統(tǒng),對于那些希望擴大游戲視野的人來說是不是要輕松很多。
我的解決方案:利用區(qū)塊鏈維護游戲索引的更新,開發(fā)人員既可以獲得應(yīng)有的認可及建立自己的粉絲群,又可以繼續(xù)創(chuàng)建和制作內(nèi)容。然后,游戲用戶也可以搜索及查看自己喜愛的游戲開發(fā)者,獲取游戲開發(fā)者最新項目的信息。
我找到一家名為RAWG的公司,RAWG好像也認為,“游戲界的IMDB”平臺可能是解決這種困境的方案。我聯(lián)系了RAWG的一位代言人。他告訴我,RAWG相信,對于開發(fā)者而言,在隨后的幾年里,游戲開發(fā)的門檻會持續(xù)上升。業(yè)界需要在幾個主要平臺上聚焦一些主流游戲,要將這些游戲放在中心位置,只有這樣游戲業(yè)才可以蓬勃發(fā)展,同時為開發(fā)人員和游戲玩家提供廣泛的利益。
用戶通過IMDB可以瀏覽男女演員或?qū)а莸难葸^或?qū)а葸^的電影和背景,同樣,用戶通過RAWG的平臺可以查看游戲玩家以及整個工作室的信息,包括關(guān)鍵成員的信息,工作室成員可以展示自己的熱門游戲。
我還找到另一個例子, Fuel Bros因為他們之前的游戲EtherBots而聞名于業(yè)界。 Fuel Bros.由James和Robbie Ferguson兩兄弟經(jīng)營。兩兄弟不久前宣布推出一個新項目Gods Unchained。Gods Unchained是第一個基于區(qū)塊鏈的電子競技多人戰(zhàn)略游戲。該項目的核心源自行業(yè)的一個想法,游戲玩家對于自己擁有的游戲道具及購買或賺取的DLC應(yīng)該有絕對的、免信任的所有權(quán)。
Fuel Bros的首席營銷官Tyler Perkins表示,“我們從Etherbots學習了一些東西,游戲?qū)χT如Ethereum一類的分布式賬本有巨大的需求,不管在使用這種新技術(shù)和實驗技術(shù)會遇到什么樣的不順當這種需求都是巨大的。我們決定建造Gods Unchained,因為我們覺得,根據(jù)我們過去所學到的東西,我們可以提供高質(zhì)量的競爭性游戲體驗,從而真正展示區(qū)塊鏈技術(shù)各種優(yōu)點的顛覆性。”
筆者與Fuel Bros的聯(lián)合創(chuàng)始人Robbie Ferguson交談過,我們都同意以下的看法,由于知識產(chǎn)權(quán)法的“創(chuàng)造”觀點,用戶極少被認為是他們購買的游戲道具的實際擁有者。
Wu同時是區(qū)塊鏈和電子競技空間的倡導者和支持者。根據(jù)Wu的說法,Gods Unchained這款游戲擁有提供數(shù)字道具和資產(chǎn)、現(xiàn)實世界物理產(chǎn)權(quán)和價值的功能,因而每個用戶能擁有其實際所有權(quán)。
仔細想想的話,這些并不是新的概念。Wu和我同樣都認為,游戲玩家過去習慣了自己花錢購買在線數(shù)字道具,但卻對其不擁有所有權(quán)。這一點在市場上很明顯,第一次出現(xiàn)在2016年,是年夏季Niantic發(fā)布了Pokemon Go。這款抓精靈游戲現(xiàn)在的成績?nèi)匀徊诲e。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。