܄

【视频&PPT】ThinkingGameCEO吕承通:大数据与人工智能在游戏行业的应用

【数据猿导读】 近一两年来关于大数据和人工智能的话题越来越多,但是游戏似乎和大数据人工智能没有什么关系。其实不然,接下来我就给大家揭开这个答案

【视频&PPT】ThinkingGameCEO吕承通:大数据与人工智能在游戏行业的应用

来源:数据猿   作者:吕承通

伴随应用商店和社交网络的兴起,游戏市场规模空前扩大,大数据和人工智能对于游戏运营特别是延长产品寿命的积极作用越发明显。但什么样的数据有价值?如何更有效的利用数据的价值?以及人工智能具体可以将游戏行业颠覆到何种程度?都逐渐成为游戏行业共同关注的问题。

3月23日,由数据猿联合上海大数据联盟、上海超级计算中心以及Thinking Game共同举办了“魔方大数据(14):数据智能助力游戏产业升级”活动,携手产业内众大咖,共同探讨数据智能如何助力游戏产业升级。


-视频版-

注:获取演讲嘉宾干货PPT请关注数据猿微信公众号【datayuancn】并回复关键词“吕承通”即可

-文字版-

以下是由数据猿精编整理发布的 ThinkingGame CEO吕承通 的精彩分享:


本次活动我要演讲的主题是大数据与人工智能在游戏行业的应用”。近一两年来关于大数据和人工智能的话题越来越多,其中自动驾驶、人脸识别、语音转换文字工具这些话题让人们觉得和人工智能非常贴近,也对人工智能产生了很大的憧憬。但是游戏似乎和大数据人工智能没有什么关系。其实不然,接下来我就给大家揭开这个答案。

首先,我们先回顾一下技术发展的走势。从网格计算,到云计算的提出,然后是大家熟悉的大数据,最后到人工智能。

网格计算为云计算的提出和发展奠定了非常重要的基础,而云计算又支撑了大数据的发展。如果没有云计算作为前提,我们离大数据的距离将更加遥远。大数据的普及,为人工智能提供了新鲜的土壤。虽然不同时期研究的热点不同,但是其中都有一定的规律可循。

我们可以看出,图中在经历短暂的陡峭上升后,自然会下降,下降之后又会有一个缓慢的上升,之后逐步形成一个稳固的上升趋势。云计算就非常符合这样的走势,在经历了波峰和波谷之后,处于一个稳步向上的过程。

但是AI就不一样了,现在AI处于第二个周期,肯定有一定的泡沫成分在里面,也许在两三年之后就会有一个下降。大数据现在处在狂躁之后的探索期和沉浸期。我们经历了大数据的波峰时期,接下来我们有理由相信它会向上走。为什么这么说呢?有三个基本的条件:

第一,数据量会越来越大,因为产生数据的载体会越来越多。

第二,需求会越来越广,因为各行各业都会有这样的需求。

第三,大数据相关的技术会越来越强。基于这些前提,我们可以判断未来三到五年,大数据市场会越来越大。

作为一个大数据行业的从业者,我时刻提醒自己大数据本身的价值,如果真正落地,是不是可以提高行业生产力。

怎样提高行业的生产力?我认为有三个方面:

第一,帮助企业完善产品;

第二,提高运营效率、开发效率;

第三,增加收益。

怎样实现以上三个层面呢?

第一,需要海量的数据;

第二,需要科学技术,用技术去挖掘数据、利用数据;

第三,和业务相结合。

有了这三点,我们相信未来大数据的发展趋势会更垂直,分析会更精细,利润会更广泛。

游戏行业与大数据的关系

我列出了近几年的中国游戏市场用户增长量以及游戏收入的表格。我们可以看到这样庞大的市场以及海量的玩家,都和大数据有着密不可分的联系。

接下来的三到五年内,大数据要落地,会从不同的行业落地。那么率先从哪个行业落地,我有几点浅显判断:

第一,游戏行业将会产生非常多的数据。

第二,游戏行业对大数据的需求是最迫切的。拿现阶段来说,一款游戏从研发到运营,所有的成本回收都要靠运营。运营怎么做?这就要依托数据做指导。在游戏行业运营指标是非常多的,有200多个,所以我们非常重视数据行业。

第三,游戏行业是离钱最近的行业,是商业模式最清楚的行业。

如何应用大数据在游戏行业产生实实在在的价值?

游戏数据的构成分为四个层面:

第一层是论坛媒体的数据,这是游戏外的数据;

第二层是运营数据;

第三层是玩家的行为数据,玩家登陆了、聊天了、释放技能了等等,这些都会以日志的形式记录下来,这个数据量是非常恐怖的。

第四层是业务常规数据。

从大的方面来看,游戏的数据构成可以分为游戏外和游戏内,游戏内的远大于游戏外的。

游戏外数据

游戏外的数据我们能做哪些事?我列了几点比较重要的,但我们能做的不仅仅是这些。

1、情感识别:在采取玩家发言的时候,能判断玩家的态度是正面还是负面。

2、话题检测:自动对一段时间内新增的帖子进行检测,并且归纳出玩家讨论的热点话题。以便让运营者清楚的了解玩家的状态。

3、画像追踪:通过玩家的发言、资料,分析玩家拥有什么样的特征。

4、舆情监控:监控玩家,比如在出现bug、外挂的时候第一时间进行警告。

5、事件预警:很多突发事件都是从论坛里爆发的,如果我们没有及时发现,造成的损失是非常大的,或者说是致命的。

6、立项调研:比如游戏有哪些需要改进的地方,市场怎么样,这些都可以进行挖掘。

游戏内的数据

1、数值系统合理性评估:一款游戏在内测期间数值体系是不是有漏洞、生产线怎么样、精密系统有没有问题,这些都是可以进行合理性评估的。

2、玩家属性聚类:通过算法自动把玩家归类。

3、系统关联性分析:各个系统之间有什么关联,是非常常用的算法。

4、流失玩家预警:玩家有没有流失,未来某个时段有没有流失的风险,这些都可以计算出来。

5、游戏健康度评估:综合判断整个游戏各种指标是否健康,尤其是在平台运营数据较多的时候,可以给我们一个比较正确的全局指导。

6、潜在付费玩家定位:通过分析付费玩家的特点,去匹配潜在的付费玩家。

7、玩家行为预测:基于以上的特征把玩家分类,就可以预测玩家的行为。这可以帮助游戏在精细化时,有比较系统科学的决策依据。

其实可以做的远远不止这些,我们可以从玩家行为中判断他是不是外挂,是不是异常玩家。还可以通过玩家的行为数据和聊天记录,分析这个玩家是不是骗子,有没有做非法的事情。

上图是我们网站后台的截图,这里列出的就是玩家属性聚类。我们可以很清楚的了解哪一群玩家是核心玩家,针对核心玩家应该注重什么样的策略,能让他在游戏中沉浸的更长久一些。

这张图是分析了付费玩家群体会因为什么样的原因付费。不同的玩家付费点是不一样的,我们就把这些总结归纳起来。另外我们还能够根据这些分析预测出哪些玩家会因为其中某个电子成为大玩家。

关于付费游戏,大家比较熟悉的应该是英雄联盟。可以看到上图写着“幸运召唤师,英雄皮肤全场1折”。当你在交流的时候会发现,有的是5折,有的是7折,那为什么我的是1折?其实是算法算出来的,不是你幸运,而是算法算出你在什么折扣会买单。

上图是对流失玩家的分析,分析玩家为什么会流失。一样的,不同群体的玩家侧重点也是不一样的。

游戏内和游戏外我们所涉及到的相关技术包括:机器学习、数据挖掘、文本婉拒、自然语音处理和深度学习。其中深度学习尤为重要,是非常强大的武器。我们现在致力于把大数据和AI技术,至少在游戏运营层面一定要落地,这是我们现在的使命。

人工智能和游戏的关系

游戏和人工智能有着天然的联系。人工智能的鼻祖是图灵,六十年前图灵测试时为了预测2000年的人类人工智能水平是什么样的。我们离真正的图灵测试还差太远。机器人只不过能在某个细分的领域掌握一部分知识,通过对话的方式有30%的可能性欺骗你他是人。但是在广义上来讲,图灵测试还远远没有达到。

在游戏行业中,是不是也存在一种衡量游戏、人工智能发展的一个指标或是参考点,我们称之为游戏界的图灵测试。前段时间“阿尔法狗”给我们上了生动的一刻。当我们没有见面下棋的时候,很难判断对方是机器还是真正的人。这证明了游戏界的图灵测试已经通过了,只不过规则比较简单。从这个层面来讲,游戏世界是一个封闭的,有规则的世界。对人工智能来讲,游戏世界比现实世界简单一点,所以大数据会率先在游戏行业落地。

人工智能在游戏中的实际应用有以下几种:

自适应的数值系统,因为游戏本身的数值是固定的,所以要根据玩家心理设计一套和玩家能力适配的游戏数值。

拟人化的NPC,可以和玩家对话,和玩家成为朋友。

个性化的玩家场景,个性化的活动任务,每个玩家接到的任务和做的事情都是不一样的。

更智能的机器AI,这样可以让游戏更接近生活中的场景。

更丰满的玩家模型。

以下是部分核心技术,可以帮助我们做出更智能化的游戏。

最后我简单介绍一下我们未来两年会推出的产品,智能游戏的开发引擎。前期我们通过做一个智能化游戏的运营平台,他能够成为游戏行业的基础设施,希望大家能在我们平台上面真正的把长线运营、精细化运营落到实处,同时我们也希望借助整个平台的数据,为大家打造一款基于人工智能的开发引擎,让游戏变的更加智能,而不是像现在是单一的、固定的,用非常原始的方式做游戏。

介绍这么多,无非是想跟大家表明ThinkingGame想做人工智能在游戏行业应用的开拓者,这条路很难,希望我们游戏行业的同仁一起来做,需要大家的支持和辅助才能把这条路走的更,更快。

我的分享到此结束,谢谢大家。


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

美国大数据行业究竟什么样? 我们带你一探究竟
美国大数据行业究竟什么样? 我们带你一探究竟
数之联CTO方育柯:大数据时代下的传统制造业
数之联CTO方育柯:大数据时代下的传统制造业
明略数据工业大数据专家葛利鹏:大数据驱动的工业人工智能初探
明略数据工业大数据专家葛利鹏:大数据驱动的工业人工智能初探

我要评论

精品栏目

[2017/04/11]

大数据24小时

More>

[2017/04/03-7]

大数据周周看

More>

[2017/04/03-7]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2017/04/03-10]

大数据周聘汇

More>

[2017/04/04-11]

每周一本书

More>

返回顶部