众所周知,视频游戏比几乎任何其他形式的娱乐提供的数据和指标都更多,因此PlayFab公司希望利用IBM的Watson人工智能平台,将数据转化为游戏开发者的宝贵资料。
PlayFab提供的后端平台令游戏创造者可以更容易地实现众多的在线游戏功能,包括玩家账户认证、好友列表,程序电商等等。PlayFab还提供大量基于游戏数据的分析,用上Watson后此功能更会大放光芒。
PlayFab首席执行官James Gwertzman表示,“现代互连游戏提供了巨大的艺术和商业潜力,但要将潜力变为现实,开发人员需要工具,以对这些游戏即服务里不断产生的大量数据进行实时分析。我们将Watson数据平台引入PlayFab开发者社区,可以将尖端科学数据带给大众,令开发者可以做出更好的决策并推动更多的互动和更大的盈利能力。”
据悉,PlayFab是2014年在西雅图成立的,PlayFab称旗下的平台支持600多个游戏。许多游戏来自大型手机和游戏机出版商,包括“愤怒的小鸟”的制造商Rovio娱乐有限公司和“生化危机”制造商Capcom公司。
PlayFab在声明中表示,开发人员通过PlayFab旗下的平台可以用上Watson的所有功能,包括Watson机器学习。PlayFab称Watson机器学习令开发人员可以“分析更多玩家的数据及通过PlayFab的平台将所得到的体验直接部署到他们的游戏里”。
然而,PlayFab并非第一家利用数据打造更好的游戏的游戏公司,事实上,一些大型工作室甚至设置了专门部门,致力于分析玩家的行为,以获取改善游戏的方法。例如,最近在Reddit的“你问我答”专栏里,“守望”负责人Jeff Kaplan透露,Blizzard娱乐公司设置了商业智能部门,商业智能部门利用数据帮助开发人员鉴定和解决各种各样的问题,例如英雄和地图平衡(Hero and map balance)的问题。
当然,Blizz ard的规模大,业界可与之相比的游戏工作室为数不多,Blizzard因此有能力设置自己的商业智能部门,而PlayFab与Watson的整合则可以为其他开发商提供许多相同的功能,而其成本要小得多。
好文章,需要你的鼓励
今天讲的出海案例是维科精密,这家汽车电子与功率半导体精密部件厂商正在泰国建设总投资3.10亿元的生产基地。
研究发现AI代码修复工具默认的"写代码→跑测试→再改"流程中,禁止运行测试几乎不影响修复成功率,却能节省超过一半的时间和费用。
随着AI智能体对实时数据访问需求激增,企业维护独立事务与分析系统的成本和复杂性日益凸显。Databricks、Snowflake、EDB等厂商纷纷推出融合架构。分布式PostgreSQL提供商pgEdge近日发布ColdFront测试版,采用冷热数据分层架构,自动将旧数据迁移至Apache Iceberg对象存储,同时保持PostgreSQL作为唯一应用接口。分析师指出,DuckDB正成为此类架构的事实标准嵌入式分析引擎,但由此产生的集中风险值得CIO关注。
北京航空航天大学研究发现,向AI代码助手注入轻量级结构注释,可使Bug定位准确率提升2.2%,运行轮次减少1.6次,且运行结果方差减半。