索尼新专利 可根据玩家水平实时调整游戏难度

索尼新专利可根据玩家水平实时调整游戏难度游戏中提供的难度等级会让许多玩家产生巨大的反差，而且在实施过程中还会出现相当不平衡的情况。索尼公司最近发布了一项专利，希望通过根据用户的技术水平实时调整游戏难度，使难度曲线更加有机。目前，这种系统在游戏领域的应用还非常少。这份名为“虚拟环境中基于技能活动的自适应难度校准（ADAPTIVEDIFFICULTYCALIBRATIONFORSKILLS-BASEDACTIVITIESINVIRTUALENVIRONMENTS）”的法律文件将根据用户的游戏水平动态调整索尼游戏的难度。击杀成片的敌人会使它随着时间的推移慢慢提高敌人的难度。不过，它不会提高对用户来说仍是弱点的特定挑战的难度。索尼还列出了该系统可以影响的具体参数。与移动速度、角色强度、敌人数量、敌人AI难度等有关的特性可以随着游戏进程的进行而逐渐增加或减少。在游戏认为玩家值得拥有更高难度之前，玩家需要达到一定的期望水平。它可以随着用户技能的发展而重复。索尼认为，目前的游戏往往有不平衡的敌人和挑战。你可能会遇到一组非常容易对付的敌人，不费吹灰之力就能将其击毙，也可能在下一轮游戏中遇到完全相反的情况。用户也可能只是缺乏对付某类敌人的技能。该专利的实施将消除因上述原因和其他原因而产生的无聊和挫败感。值得注意的是，一些游戏已经使用了与法律文件中讨论的系统类似的系统。《生化危机4》《求生之路》等游戏，甚至是第一代《古惑狼》都采用了这一系统的一个版本。索尼希望将这一系统提升到一个新的水平，并很可能在这一过程中确保这一想法的实现。via标签:#索尼#PlayStation频道:@GodlyNews1投稿:@GodlyNewsBot

Valve正积极推进脑机接口技术

Valve正积极推进脑机接口技术http://www.vgtime.com/topic/1112307.jhtml目前Valve正在与OpenBCI合作开发一个开源BCI项目，使世界上所有的开发者都可以通过某种外置设备，从而读取人脑所接受到的信号。”这些数据可以用于判断玩家当下的状态，比如兴奋、惊讶、悲伤、无聊、恐惧等等不同的情绪。开发人员则可以用这些读数定制游玩体验以提高游戏的沉浸感，比如玩家感到无聊的时候系统就会稍微提高游戏难度好科幻到爆了

大摩：网易《梦幻西游》系统调整后影响负面 维持 “与大市同步” 评级

大摩：网易《梦幻西游》系统调整后影响负面维持“与大市同步”评级摩根士丹利指，从访问资深玩家(逾20年经验)的渠道调查发现，网易上月21日对《梦幻西游》电脑版进行系统调整，令游戏陷入负面螺旋，导致其虚拟货币贬值。报告将虚拟货币贬值，归咎于闭锁系统以限制高价值游戏项目交易，令游戏内市场流动性减少，导致不少工作室及商户退出游戏，进一步损害忠实玩家情绪。基于显著部分玩家从游戏赚取收入，虚拟货币价值反映游戏生态系统的健康状况。有关调整导致所有4类收入下滑，包括《梦幻西游》口袋版关闭减少项目供应及销售；游戏内市场佣金入受影响；游戏时间卡消费减少；以及游戏内服饰的交易。基于有限的追踪数据，该行不预期市场共识预测反映事件，直至第二季业绩在8月公布为止。该行目前假设该股今年盈利按年持平，目前13.5倍市盈率不够吸引，维持“与大市同步”评级，ADR目标价为100美元。

避免这一常见错误：科学家发现做出更好决策的简单窍门

避免这一常见错误：科学家发现做出更好决策的简单窍门当面临具有挑战性的选择时，个人往往会本能地寻求大量信息。然而，最近发表在《认知研究》（CognitiveResearch：原理与意义）杂志上发表的最新研究表明，这实际上可能是一个问题：大量涌入的事实和细节往往会损害而不是提高决策质量。法伯讲座副教授萨曼莎-克莱因伯格（SamanthaKleinberg）是这篇论文的第一作者，也是史蒂文斯理工学院（StevensInstituteofTechnology）的计算机科学家。他表示，现实情况是，当涉及到信息时，并不一定越多越好。为了研究人们如何做出决策，研究人员通常会创建简单的图表--或因果模型--来展示不同因素如何在逻辑上相互作用，从而产生特定的结果。在描述抽象的假设情景时，比如外星人如何在舞会上一决高下，大多数人都能有效地推理出这类模型，因为他们对外星人的舞会没有任何偏见或成见。人们之所以能做出正确的决定，是因为他们专注于所获得的信息。管理减肥的复杂因果模型示例，包含相关信息和无关信息。当模型中没有突出显示相关信息时，参与者在面对一系列问题时就会做出错误的决定。资料来源：史蒂文斯理工学院但是，克莱因伯格的研究表明，当涉及到日常场景时，比如如何在营养方面做出健康的决定，人们的有效推理能力几乎消失殆尽。克莱因伯格解释说："我们认为，人们的先验知识和信念会分散他们对眼前因果模型的注意力。比如说，如果我在推理吃什么，我可能会对吃什么最好有各种先入为主的看法--这就使得我更难有效地利用所获得的信息"。为了验证这一假设，在2020年研究的基础上，克莱恩伯格和合著者、利哈伊大学认知心理学家杰西凯-马什（JessecaeMarsh）进行了一系列实验，探索人们在面对不同类型的因果模型时，其决策会有怎样的变化，这些模型涉及广泛的现实生活主题，从买房子、控制体重到选择大学和提高投票率。很快我们就发现，人们知道如何使用因果模型，但只要在做出正确决策所严格必需的信息之外再添加一点细节，即使是非常简单的模型也会很快变得毫无用处。"克莱因伯格说："真正了不起的是，即使是极少量的多余信息，也会对我们的决策产生很大的负面影响。如果获得了太多的信息，你的决策很快就会变得和没有获得任何信息一样糟糕。"如果一个因果模型显示，吃咸的食物会使血压升高，但同时也显示了无关的信息，比如喝水会让你不那么渴，那么人们就很难就保持健康的最佳方式做出有效的选择。然而，当克莱因伯格的团队强调突出的因果信息时，人们做出正确决定的能力很快就恢复了。这一点意义重大，因为它表明，问题不仅仅在于人们被大量的信息所淹没，更重要的是，他们正在努力找出自己应该关注模型中的哪些部分。这项工作对公共卫生等领域具有重要意义，因为它意味着教育信息需要浓缩到最基本的部分，并仔细呈现，才能产生积极影响。克莱因伯格说："如果你在人们决定是否戴口罩或进行COVID检测或吃什么或喝什么时，给他们列出一个需要考虑的事项清单，那么你实际上是在增加他们做出正确决定的难度。"即使克莱因伯格和马什让参与者选择接受更多或更少的信息，要求获得更多信息的人做出的决定也比要求获得更少信息的人要差："如果你给人们过度思考的机会，即使他们要求更多的信息，事情也会变得糟糕。人们需要简单且目标明确的因果模型，这样才能做出正确的决策。"辅助决策的一种方法可能是使用人工智能聊天机器人，根据具体情况为个人量身定制健康信息或营养建议--实质上就是将复杂的因果模型输入人工智能模型，让它检测并突出显示与特定个人最相关的特定信息。...PC版：https://www.cnbeta.com.tw/articles/soft/1399779.htm手机版：https://m.cnbeta.com.tw/view/1399779.htm