【沙龙分享】记录一下AI/ML/元宇宙在游戏领域中的落地场景

简介: 元宇宙、AI、机器学习、元宇宙游戏、Mate、人工智能,这些名词一方面让人觉得憧憬,一方面又因为几乎在全球范围都在讨论而觉得烂大街,在天空上飞翔的空中楼阁,只听说是未来,但却没亲眼看过一眼未来~

去年7月参加了一场关于元宇宙和机器学习的沙龙,主要听了Amazon 云科技的一位老师关于游戏和ML落地实践案例的分享。

image.png

AI/ML在游戏中的落地场景

分享老师一开讲我就莫名地有兴趣,于是也全程站起来听着(在最后一排),具体内容这里不说了(也都忘了),这里简单聊聊顺便记录一下“听后感”吧

由于没有做笔记,以及记性差,以下内容跟会议实际讲的会有出入,并非讲师的原意,仅代表我的观点。

  1. Amazon SageMaker 跟国际上以及国内的大型游戏公司,几乎都有合作,包括某国民级mobi手游的游戏公司,分享过程中一直不说这家公司的名字,这里猜测一下是有某些保密级很高的合作项目吧。
  2. 现在AI/ML几乎覆盖了游戏产业链的全部,从最开始的游戏创意到研发,再到最后的获益(收割)都有基于机器学习的模型支撑,中小型游戏公司可以通过Amazon SageMaker 实现快速、相对低成本地搭建一套机器模型。
  3. 游戏领域的元宇宙探索,不只是这些传统科技大厂,还有epic这样的游戏公司也在投入,通过跟Amazon的深度合作,epic可以将以往在游戏里面的“技战术”和“产品思维”运用到社会生产的场景中,跟现实生活更加紧密结合,例如汽车VR在线多人同时选购预览。
  4. 相比于其他公司,Mate公司算是全部押宝在元宇宙里面,这里面的底层逻辑,可以简单猜测一下原因:facebook、Ins、WhatsApp、Oculus 这几个主要业务都跟元宇宙契合,再加上一个游戏的话就几乎是现在关于元宇宙里面的主流实现场景了,社交、游戏、虚拟现实体验,这里的题外话是因为Mate流媒体视频打不过tiktok,游戏在国际上是群雄割据,在中国是一超多强。别的领域怎么投入都打不过,现在领域都已经遇到瓶颈,那么股东期盼的增长应该寄托在哪里呢?所以Facebook肯定是希望能冲进元宇宙,拉开新的市场。
  5. 未来的游戏公司,仅站在目前的视角去展望,投入到元宇宙和AI才可能会有高增长,毕竟一家游戏公司最重要的就是创意和创新,而且单一一款火爆游戏的昙花一现的公司,大概率也只会走向被巨头收购的路线,后续还是得看大公司的总体战略,毕竟基于游戏IP变现的前提是,这个游戏IP本身的玩家数量就很庞大且忠诚。

谨此,上面5点包含里自己武断的一下言论,各位看看就好。

image.png

参与互动赠送的西瓜书和南瓜书

分享一下参加沙龙薅的2本书,一本是拉了6个朋友换的礼物,一本是自己互动拿的奖品。

这两本书近期大概率是不会看了,翻看了西瓜书的目录和绪论,还是吃力的,很多名词没听过,硬看细看精看也许也能看懂,但与现在我自己的技术规划方向耦合度不高。参加完这次的分享,也可以说是跟当初毕业自己没有选择投身算法、机器学习的心结和解了,这里也致敬一下投身于机器学习和算法研究的学者与工程师们,牛。

回答问题的时候被讲师夸了一下这小伙子不错,我估计是因为我全程也站着听,他认真在听,我认真在听, 这才是一场让人愉悦的沙龙,他可能是在享受他的传道受业解惑,而我则对感兴趣的内容不断张望试探学习。

如果这篇文章有幸不止我自己一位读者看到,那么我建议在参加沙龙、会议的时候,遇到自己感兴趣的议题一定要坐好、站好、听好,我觉得这是对讲师的尊重。

Keep Learning!

目录
相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
2天前
|
机器学习/深度学习 人工智能 算法
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
X-AnyLabeling是一款集成了多种深度学习算法的图像标注工具,支持图像和视频的多样化标注样式,适用于多种AI训练场景。本文将详细介绍X-AnyLabeling的功能、技术原理以及如何运行该工具。
22 2
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
|
7天前
|
机器学习/深度学习 人工智能 算法
Meta Motivo:Meta 推出能够控制数字智能体动作的 AI 模型,提升元宇宙互动体验的真实性
Meta Motivo 是 Meta 公司推出的 AI 模型,旨在控制数字智能体的全身动作,提升元宇宙体验的真实性。该模型通过无监督强化学习算法,能够实现零样本学习、行为模仿与生成、多任务泛化等功能,适用于机器人控制、虚拟助手、游戏角色动画等多个应用场景。
35 4
Meta Motivo:Meta 推出能够控制数字智能体动作的 AI 模型,提升元宇宙互动体验的真实性
|
16天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
248 33
|
2天前
|
弹性计算 人工智能 数据管理
AI场景下的对象存储OSS数据管理实践
本文介绍了ECS和OSS的操作流程,分为两大部分。第一部分详细讲解了ECS的登录、密码重置、安全组设置及OSSUTIL工具的安装与配置,通过实验创建并管理存储桶,上传下载文件,确保资源及时释放。第二部分则聚焦于OSSFS工具的应用,演示如何将对象存储挂载为磁盘,进行大文件加载与模型训练,强调环境搭建(如Conda环境)及依赖安装步骤,确保实验结束后正确清理AccessKey和相关资源。整个过程注重操作细节与安全性,帮助用户高效利用云资源完成实验任务。
36 10
|
2天前
|
存储 人工智能 开发工具
AI场景下的对象存储OSS数据管理实践
本文介绍了对象存储(OSS)在AI业务中的应用与实践。内容涵盖四个方面:1) 对象存储作为AI数据基石,因其低成本和高弹性成为云上数据存储首选;2) AI场景下的对象存储实践方案,包括数据获取、预处理、训练及推理阶段的具体使用方法;3) 国内主要区域的默认吞吐量提升至100Gbps,优化了大数据量下的带宽需求;4) 常用工具介绍,如OSSutil、ossfs、Python SDK等,帮助用户高效管理数据。重点讲解了OSS在AI训练和推理中的性能优化措施,以及不同工具的特点和应用场景。
28 10
|
11天前
|
人工智能 Cloud Native 调度
阿里云容器服务在AI智算场景的创新与实践
本文源自张凯在2024云栖大会的演讲,介绍了阿里云容器服务在AI智算领域的创新与实践。从2018年推出首个开源GPU容器共享调度方案至今,阿里云容器服务不断推进云原生AI的发展,包括增强GPU可观测性、实现多集群跨地域统一调度、优化大模型推理引擎部署、提供灵活的弹性伸缩策略等,旨在为客户提供高效、低成本的云原生AI解决方案。
|
1月前
|
存储 人工智能 关系型数据库
拥抱Data+AI|解码Data+AI助力游戏日志智能分析
「拥抱Data+AI」系列第2篇:阿里云DMS+AnalyticDB助力游戏日志数据分析与预测
拥抱Data+AI|解码Data+AI助力游戏日志智能分析
|
27天前
|
人工智能 自然语言处理 算法
【AI问爱答-双十一返场周直播】AI产品专家直播解读重点AI应用场景怎么用?
阿里云【AI问爱答】栏目强势回归,11月25日至28日每晚19:00,连续四天直播,涵盖AI营销、企业办公、社交娱乐及大模型推理调优四大主题,助您深入了解AI应用,解决实际问题。欢迎预约观看!
|
27天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
74 4
下一篇
DataWorks