ARC ที่พัฒนาโดย ArenaX Labs กำลังเป็นผู้นำในอนาคตของประสบการณ์การเล่นเกมออนไลน์ด้วย AI รวมถึงการแก้ปัญหาสภาพคล่องของผู้เล่นที่กำลังเล่นเกมใหม่
ปัจจุบันปัญหาหลักของหลายๆ หุ่นยนต์ AI ในเกมคือพวกเขาแย่มาก ครั้งหนึ่งคุณเรียนรู้เคล็ดลับเพียงหลายชั่วโมงพวกหุ่นยนต์เหล่านี้ก็จะเป็นอย่างง่ายที่จะชนะพวกเขา พวกเขาถูกออกแบบมาเพื่อช่วยเหลือผู้เล่นใหม่ ๆ แต่กลับไม่สามารถนำความท้าทายหรือความน่าสนใจมาให้กับผู้เล่นที่ชำนาญ
สมมติว่าทักษะของ AI ผู้เล่นสามารถเทียบเท่ากับผู้เล่นคนที่ดีที่สุดได้ สมมติว่าคุณสามารถเอาตัวรอดอยู่ต่อสู้กับพวกเขาได้ทุกเวลาทุกสถานที่โดยไม่ต้องรอการจับคู่ สมมติว่าคุณสามารถฝึกฝน AI ผู้เล่นของคุณให้เลียนแบบสไตล์การเล่นเกมของคุณได้ มีมัน และได้รับรางวัลจากการแสดงออกของมัน
AI Arena เป็นเกมต่อสู้ที่ทำให้คนนึกถึง Super Smash Bros ของ Nintendo โดยมีตัวละครการ์ตูนที่แปลกประหลาดต่าง ๆ ที่ต่อสู้ในสนามแข่ง
แต่ใน AI Arena ทุกตัวละครถูกควบคุมด้วย AI - คุณไม่ได้เล่นตัวรบ แต่คุณเป็นโค้ชของพวกเขา งานของคุณคือใช้กลยุทธ์และความรู้ความเชี่ยวชาญของคุณเพื่อฝึกฝนนักสงคราม AI ของคุณ
เช่นเดียวกับ AI Arena ผู้เล่นสามารถตั้งค่าการจำลองเพื่อเข้าถึงข้อมูลการเล่นเกมและฝึกอบรมแบบ AI ที่ว่างเปล่า โมเดลเหล่านี้จะพัฒนาตามเวลา โดยรวมความรู้ก่อนหน้าและผสมผสานข้อมูลการเล่นเกมใหม่ๆ โดยไม่จำเป็นต้องเริ่มต้นใหม่ทุกครั้งที่มีการอัปเดต
นี่เปิดโอกาสที่น่าตื่นเต้น: ผู้เล่นสามารถขายตัวแทน AI ที่ถูกปรับแต่งของพวกเขาบนตลาดเพื่อสร้างเศรษฐกิจในเกมใหม่ใน AI Arena นักฝึกสอนที่มีความชำนาญเทคโนโลยีสามารถรวมตัวกันเป็นกลุ่มและให้บริการทักษะการฝึกอบรมให้กับบริษัทอื่น
สำหรับบริษัทที่ได้รับการรวมฟังก์ชันพร้อมกันอย่างสมบูรณ์ Parallel Play (เกมขนาดเท่ากัน) ความคิดก็กลายเป็นสิ่งที่น่าสนใจมากขึ้นด้วย ตัวแทน AI พร้อมใช้งานตลอด 24 ชั่วโมง สามารถเข้าร่วมการแข่งขันหลายรอบหรือตัวอย่างเกมพร้อมกัน นี้จึงแก้ปัญหาของสภาพคล่องของผู้เล่น และสร้างโอกาสใหม่สำหรับความยึดมั่นและรายได้ของผู้ใช้
แต่นี่ยังไม่ใช่ทั้งหมด...
** (3) ARC RL: จากหนึ่งต่อหนึ่งถึงหลายต่อหนึ่ง **
ถ้า AI Arena และ ARC โซนฝึกอบรมรู้สึกเหมือนโหมดเล่นคนเดียว (คุณสามารถฝึกอบรมโมเดล AI ของคุณได้ในนั้น) แล้ว ARC RL ก็คล้ายกับโหมดเล่นหลายคน
สมมติว่า: DAO เกมทั้งหมดรวมข้อมูลการเล่นของตนเพื่อฝึกโมเดล AI ที่แบ่งปัน ทุกคนมีการครองทรัพย์ร่วมโมเดลนี้และได้รับประโยชน์จากมัน ตัวแทนหลักเหล่านี้แทนความสตราทีของผู้เล่นทั้งหมด โดยการนำเสนอการแข่งขันที่เปลี่ยนแปลงด้วยความพยายามที่เป็นร่วมและการร่วมมือแบบกลยุทธ์
ผู้สนับสนุนจะประสานงานและคำแนะนำทีมผู้เล่นของพวกเขาให้มั่นใจว่าข้อมูลการฝึกอบรมมีคุณภาพสูงเพื่อทำให้ตัวแทน AI ของพวกเขามีความสามารถในการแข่งขันในการแข่งขันตัวแทน
การเล่น AI มีเส้นความชันที่สูงในกระแสการเรียนรู้ซึ่งอาจสร้างความเสียหายให้กับผู้เล่นใหม่ ฉันใช้เวลาหนึ่งชั่วโมงเพียงเวลาที่จะเข้าใจวิธีสอนผู้เล่นของฉันใน AI Arena อย่างถูกต้อง
อย่างไรก็ตาม ประสบการณ์เล่นเกมของ ARC RL มีการสะท้อนกลับน้อยลง เนื่องจาก AI จะดูแลการฝึกอบรมเมื่อผู้เล่นเล่นเกมและส่งข้อมูล ซึ่งเป็นการประมวลผลด้านหลัง โดยยังมีคำถามที่ยังไม่ได้ตัดสินใจว่าเมื่อผู้เล่นรู้ว่าฝ่ายตรงข้ามของตนเป็น AI จะมีความรู้สึกอย่างไร? จะมีผลต่อประสบการณ์เล่นเกมหรือไม่? จะเสริมสร้างหรือลดความสนุกของเกมหรือไม่? เราต้องรอเวลาเพื่อหาคำตอบในข้อสงสัยนี้
นําโดย Paradigm หน่วยงาน ARC ที่พัฒนาโดย ArenaX Labs จะทําลายประสบการณ์ที่มีอยู่ของเกม AI ได้อย่างไร
โดย Teng Yan, Chain of Thought
การแปล: ทางทีมงาน Golden Finance xiaozou
ปี 2021 ฉันยังเป็นนักเล่นเกม Axie Infinity และดำเนินการกิจกรรมสถาบันทุนเล็ก ๆ ถ้าคุณไม่เคยผ่านยุคนั้น ๆ ฉันจะบอกคุณ - มันเป็นเวลาที่โดนแรง
Axie Infinity เกมนี้ทำให้คนรู้สึกถึงว่าสกุลเงินดิจิทัลและเกมสามารถผสมเข้าด้วยกันได้ โดยพื้นฐานแล้วเป็นเกมกลยุทธ์สไตล์ Pokémon ที่เข้าใจง่าย ผู้เล่นจำเป็นต้องสร้างทีมที่ประกอบด้วย 3 Axie (นักรบที่ดุเดือดมาก) โดยแต่ละ Axie จะมีความสามารถที่เฉพาะเจาะจง คุณสามารถนำทีมของคุณมาท้าทายทีมอื่น ๆ ผ่านการเข้าร่วมและชนะในเกมเพื่อได้รับรางวัล SLP โทเค็น
แต่สิ่งที่ทำให้ผู้เล่นที่ไม่ใช่เกมรู้สึกตื่นเต้นจริง ๆ คือศักยภาพในการหาเงินผ่านเกม ความเจริญขึ้นของ Axie มีประโยชน์จากกลไกสองอย่าง:
การเลี้ยง Axies คืออันดับแรก โดยการได้มา 2 Axies และเลี้ยงด้วย SLP โทเค็น จึงสามารถนำมาผสมเพื่อสร้าง Axie ใหม่ ซึ่งจะได้คุณสมบัติพิเศษจาก Axie 2 ตัวก่อนหน้านี้ ดังนั้น Axies ที่มีคุณสมบัตินี้ (ผู้เล่นเรียกว่า OP Axies) จึงกลายเป็นสินค้ายอดนิยมที่มีความหายากและมีพลัง และทำให้ตลาดการเลี้ยงมีความเร็วมาก
กลไกที่สองคือโครงการทุนการศึกษา นักเล่นธุรกิจจากทั่วโลกเริ่มยืม Axies ให้กับ "นักศึกษา" กลุ่มผู้เล่นเหล่านี้มักมาจากประเทศพิลิปปินส์หรืออิเกาดิโอ เป็นต้นไป ซึ่งพวกเขาไม่สามารถจ่ายค่าใช้จ่ายก่อนหน้าที่สูงถึง 1000 ดอลลาร์สหรัฐเพื่อซื้อ 3 Axie โทเค็นที่ไม่สามารถทดแทนได้ นักศึกษาจะเล่นเกมเพื่อหารายได้โทเค็นทุกวัน และแบ่งปันกำไรกับสหภาพทุนการศึกษา ซึ่งสหภาพมักจะมีส่วนแบ่งระหว่าง 30-50%
ในช่วงยุคที่ยอดเยี่ยมของมันโดยเฉพาะอย่างยิ่งในช่วงการระบาดของ Covid-19 ในปี 2019 Axie มีผลกระทบอย่างมากต่อเศรษฐกิจท้องถิ่นในประเทศพัฒนา ในฟิลิปปินส์ (Axie Infinity มีผู้ใช้ประมาณ 40% อยู่ที่นั่น) รายได้ของผู้เล่นหลายๆ คนสูงกว่าค่าแรงขั้นต่ำ และสหภาพกิลด์ได้รับกำไรอุตสาหกรรม
นี่แหละที่ทำให้นักพัฒนาเกมต้องการที่สำคัญ: ผู้เล่นสภาพคล่อง โดยการกระตุ้นผู้เล่นให้เล่นเกมโดยใช้เวลากับเกมหลายชั่วโมงในแต่ละวัน Axie ทำให้แน่ใจว่าทุกคนจะมีคู่แข่งที่รออยู่ ทำให้ประสบการณ์ของผู้เล่นมีเสน่ห์มากขึ้น
แต่นั้นมีราคา
เพื่อแก้ปัญหาสภาพคล่องของผู้เล่น Axie ให้กับผู้เล่นโทเค็นจำนวนมากเพื่อกระตุ้นความร่วมมือของผู้เล่น เรื่องราวเริ่มต้นที่นี่ โดย SLP ไม่มีขีดจำกัด โทเค็นเพิ่มขึ้นอย่างรวดเร็ว ราคาลดลงอย่างมาก ระบบนิเวศล่มสลาย โทเค็นลดค่าเสียหาย ผู้เล่นจะไปหาที่อื่น Axie เกือบเป็นเรื่องของนิทานแห่งความรู้สึกในหนึ่งคืน
แต่ถ้ามีวิธีแก้ไขสภาพคล่องของผู้เล่นโดยไม่ต้องใช้เศรษฐศาสตร์โทเค็นที่ไม่สามารถทำได้ต่อเนื่อง แล้ววิทยากรจะทำอย่างไร?
นี่คือสิ่งที่ ARC / AI Arena ได้ทำงานเต็มที่เพื่อมาเป็นเช่นนี้ในช่วง 3 ปีที่ผ่านมา ตอนนี้เริ่มต้นออกผลลัพธ์แล้ว
1、玩家สภาพคล่อง是命脉
玩家สภาพคล่องเป็นเส้นพันธุ์ของเกมหลายคนและเป็นปัจจัยสำคัญในความสำเร็จในระยะยาว
หลายๆเกม Web3 และเกมอิสระก็เผชิญกับปัญหา "การเปิดใช้งานเย็น" - มีผู้เล่นน้อยเกินไปทำให้ไม่สามารถจับคู่หรือสร้างชุมชน proactively ได้ เขาไม่มีงบประมาณทำการตลาดหรือความตระหนักใน IP อย่างธรรมชาติเหมือนบริษัทเกมที่ใหญ่ ซึ่งจะทำให้เกิดเวลารอนานๆ ไม่สามารถจับคู่และอัตราการสูญเสียที่สูงขึ้น
เกมเหล่านี้มักจะสูญเสียอย่างช้า ๆ และทรมาน
ดังนั้นนักพัฒนาเกมจึงต้องให้ความสำคัญกับสภาพคล่องของผู้เล่นตั้งแต่ต้น การเล่นเกมต้องมีกิจกรรมที่ต่างกันมากมายเพื่อรักษาความสนุกสนาน เช่น เกมหมากรุกต้องมีผู้เล่น 2 คน และการสู้รบขนาดใหญ่ต้องมีผู้เล่นหลายพันคน ระบบการจับคู่ทักษะยิ่งยืนยันอีกเลวร้าย เนื่องจากต้องการผู้เล่นมากขึ้นเพื่อรักษาความเท่าเทียมและความน่าสนใจของเกม
สำหรับเกม Web3 ความเสี่ยงมีมากกว่า ตามรายงานเกมประจำปีของ Delphi Digital ค่าใช้จ่ายสำหรับผู้ใช้เกม Web3 สูงกว่าเกมมือถือทั่วไปถึง 77% ซึ่งทำให้อัตราการเก็บรักษาผู้เล่นเป็นสิ่งสำคัญ
ฐานผู้เล่นที่แข็งแกร่งสามารถรับประกันการจับคู่ที่เที่ยงตรง การเศร้าซึมของเกม (การซื้อขายไอเท็มมากขึ้น) และการโต้ตอบทางสังคมที่เต็มไปด้วยชีวิตชีวา ซึ่งทำให้เกมเป็นสิ่งที่น่าสนใจมากขึ้น
2、ARC——AI เกมนำโดย
ARC ที่พัฒนาโดย ArenaX Labs กำลังเป็นผู้นำในอนาคตของประสบการณ์การเล่นเกมออนไลน์ด้วย AI รวมถึงการแก้ปัญหาสภาพคล่องของผู้เล่นที่กำลังเล่นเกมใหม่
ปัจจุบันปัญหาหลักของหลายๆ หุ่นยนต์ AI ในเกมคือพวกเขาแย่มาก ครั้งหนึ่งคุณเรียนรู้เคล็ดลับเพียงหลายชั่วโมงพวกหุ่นยนต์เหล่านี้ก็จะเป็นอย่างง่ายที่จะชนะพวกเขา พวกเขาถูกออกแบบมาเพื่อช่วยเหลือผู้เล่นใหม่ ๆ แต่กลับไม่สามารถนำความท้าทายหรือความน่าสนใจมาให้กับผู้เล่นที่ชำนาญ
สมมติว่าทักษะของ AI ผู้เล่นสามารถเทียบเท่ากับผู้เล่นคนที่ดีที่สุดได้ สมมติว่าคุณสามารถเอาตัวรอดอยู่ต่อสู้กับพวกเขาได้ทุกเวลาทุกสถานที่โดยไม่ต้องรอการจับคู่ สมมติว่าคุณสามารถฝึกฝน AI ผู้เล่นของคุณให้เลียนแบบสไตล์การเล่นเกมของคุณได้ มีมัน และได้รับรางวัลจากการแสดงออกของมัน
สำหรับผู้เล่นและบริษัทเกมทั้งสองฝ่ายจะได้รับประโยชน์
บริษัทเกมใช้หุ่นยนต์ AI ที่คล้ายมนุษย์เพื่อทำให้เกมได้รับความนิยมมากขึ้น ปรับปรุงสภาพคล่องของผู้เล่น ปรับปรุงประสบการณ์ของผู้ใช้ และเพิ่มอัตราการเก็บรักษา—นี่คือปัจจัยสำคัญในการอยู่รอดของผู้มาเล่นเกมใหม่ในตลาดที่แข่งขันอย่างดุเดือด
ผู้เล่นได้รับวิธีการเข้าร่วมเกมใหม่ โดยการฝึกอบรม AI และการต่อสู้กับ AI ที่สร้างความเป็นเจ้าของที่แข็งแกร่งมากขึ้น
เรามาดูว่าพวกเขาทำอย่างไร
3、ผลิตภัณฑ์และโครงสร้าง
บริษัทแม่ ArenaX Labs กำลังพัฒนาชุดผลิตภัณฑ์เพื่อแก้ไขปัญหาสภาพคล่องของผู้เล่น
(1) AI Arena: เกม
AI Arena เป็นเกมต่อสู้ที่ทำให้คนนึกถึง Super Smash Bros ของ Nintendo โดยมีตัวละครการ์ตูนที่แปลกประหลาดต่าง ๆ ที่ต่อสู้ในสนามแข่ง
แต่ใน AI Arena ทุกตัวละครถูกควบคุมด้วย AI - คุณไม่ได้เล่นตัวรบ แต่คุณเป็นโค้ชของพวกเขา งานของคุณคือใช้กลยุทธ์และความรู้ความเชี่ยวชาญของคุณเพื่อฝึกฝนนักสงคราม AI ของคุณ
การฝึกฝนนักรบของคุณคล้ายกับการฝึกฝนนักเรียนเพื่อเตรียมพร้อมในการต่อสู้ ในโหมดการฝึกฝนคุณสามารถเปิดการเก็บข้อมูลและสร้างฉากต่อสู้เพื่อปรับแต่งการกระทำของพวกเขา ตัวอย่างเช่น หากนักรบของคุณอยู่ใกล้ศัตรูคุณสามารถสอนพวกเขาใช้โล่ของคุณเพื่อป้องกันและต่อสู้ต่อเนื่อง ถ้าต้องการต่อสู้ในระยะไกล ฝึกฝนพวกเขาให้ใช้การโจมตีจากระยะไกล
คุณสามารถควบคุมการเก็บรวบรวมข้อมูลประเภทใด ๆ เพื่อให้มั่นใจว่ามันจะบันทึกแต่เฉพาะการกระทำที่ดีที่สุดสำหรับการฝึกอบรม หลังจากฝึกซ้อมคุณสามารถปรับพารามิเตอร์เชิงพีชควบคุมได้เพื่อที่จะได้รับข้อดีทางเทคนิคมากมาย หรือแม้แต่ใช้การตั้งค่าเริ่มต้นที่เป็นมิตรกับผู้เริ่มต้น หลังจากการฝึกซ้อมเสร็จสิ้น AI นักรบของคุณก็สามารถเข้าร่วมการต่อสู้ได้
เริ่มต้นทุกอย่างยาก การฝึกโมเดลที่มีประสิทธิภาพต้องใช้เวลาและการทดลอง นักรบคนแรกของฉันหล่นจากแพลตฟอร์มหลายครั้ง ไม่ใช่เพราะโดนตีโดยคู่ต่อสู้ แต่หลังจากที่ทำการวนซ้ำหลายครั้ง ฉันสร้างโมเดลที่ดีได้สำเร็จ การเห็นผลจากการฝึกของคุณเป็นสิ่งที่ทำให้ฉันรู้สึกอุ่นใจ
AI Arena 通过 โทเค็นที่ไม่สามารถทดแทนได้ 战士引入了额外的ความลึก。每个 โทเค็นที่ไม่สามารถทดแทนได้ 角色都有独特的外观特征和战斗属性，这些都会影响游戏玩法。这增加了另一个策略层。
ขณะนี้ AI Arena กำลังเริ่มทำงานบน Arbitrum Mainnet และเฉพาะผู้ที่มี AI Arena โทเค็นที่ไม่สามารถทดแทนได้เท่านั้นที่สามารถเข้าถึงได้ ในขณะที่พัฒนาการเล่นเกมครบถ้วน AI Arena ยังคงเป็นสิ่งที่เฉพาะเจาะจง ผู้เล่นสามารถเข้าร่วมกิลด้วยกัน เล่นการแข่งขันอันดับเกียรติยศ โทเค็นที่ไม่สามารถทดแทนได้และ NRN ในการต่อสู้และอันดับออนเชนและได้รับรางวัล การกระทำเช่นนี้เพื่อดึงดูดผู้เล่นที่ภักดีและส่งเสริมการแข่งขัน
ท้ายที่สุด AI Arena เป็นแหล่งสาธารณะสำหรับการฝึกอบรมทาง AI ของ ARC แม้ว่ามันจะเป็นจุดเข้าชมสำหรับระบบนิเวศ แต่วิสัยทัศน์แท้จริงไกลเกินไปจากเกมนี้เอง
**（2）ARC: พื้นฐาน
ARC เป็นโซลูชันพื้นฐาน AI ที่ออกแบบมาเพื่อการออกแบบเกม
ทีม ArenaX เริ่มต้นทำตั้งแต่เริ่มต้น และได้พัฒนาโครงสร้างเกมของตนเอง เพราะทางเลือกที่มีอยู่ในปัจจุบันเช่น Unity และ Unreal ไม่สามารถตอบสนองความฝันของพวกเขาได้
ในระยะเวลากว่า 3 ปีที่ผ่านมาพวกเขาออกแบบสถานะเทคโนโลยีที่แข็งแกร่งที่สามารถจัดการการรวบรวมข้อมูล การฝึกโมเดล และการตรวจสอบโมเดลเพื่อการจำลองและการเรียนรู้แบบเสริมเสริม โครงสร้างพื้นฐานนี้เป็นที่ตั้งของ AI Arena แต่ศักยภาพของมันใหญ่มาก
เมื่อทีมพัฒนาเทคโนโลยีของพวกเขาได้รับการปรับปรุงอย่างต่อเนื่อง สตูดิโอภายนอกเริ่มต้นมองหา ARC เพื่อขอรับอนุญาตหรือใช้รูปแบบเป็นแบรนด์เสื้อขาวของแพลตฟอร์มนี้ หลังจากตระหนักถึงความต้องการดังกล่าวพวกเขาจึงทำให้พื้นฐานของ ARC กลายเป็นผลิตภัณฑ์ B2B
ในปัจจุบัน ARC ได้ร่วมมือกับบริษัทเกมเพื่อให้ประสบการณ์การเล่นเกมด้วย AI มีความสมจริงมากขึ้น ค่า ณ ปัจจุบันคือ
永久玩家สภาพคล่อง即服务
ARC เน้นการคลอนแบบพฤติกรรมของมนุษย์ - การฝึกโมเดล AI ที่เฉพาะเจาะจงเพื่อจำลองพฤติกรรมของมนุษย์ นี่แตกต่างจากการใช้ AI ในเกมในปัจจุบัน ซึ่งใช้โมเดลที่สร้างขึ้นเพื่อสร้างทรัพยากรเกมและใช้ LLM เพื่อขับเคลื่อนการสนทนา
ด้วย ARC SDK นักพัฒนาสามารถสร้างตัวอักษร AI ที่คล้ายกับมนุษย์และขยายตัวตามความต้องการของเกม SDK ทำให้งานหนักหน่วงลดลง บริษัทเกมสามารถนำ AI เข้ามาโดยไม่ต้องจัดการกับเรื่องศาสตร์ของเครื่องจักรที่ซับซ้อน
หลังจากการรวมกัน เพียงแค่หนึ่งบรรทัดของโค้ด ระบบ ARC จะรับผิดชอบในการพัฒนาพื้นฐาน การประมวลผลข้อมูล การฝึกอบรม และการนำเสนอด้านหลัง
ARC ใช้วิธีการทำงานร่วมกับบริษัทเกมเพื่อช่วยพวกเขา:
AI ทำงานอย่างไร
ARC ใช้โมเดลสี่ประเภทสำหรับการโต้ตอบในเกม:
มีพื้นที่สัมพันธ์สองประการที่เกี่ยวข้องกับโมเดล AI ของ ARC:
พื้นที่ของรัฐกําหนดสิ่งที่ตัวแทนรู้เกี่ยวกับเกมในช่วงเวลาใดเวลาหนึ่ง สําหรับเครือข่าย feedforward นี่คือการรวมกันของลักษณะอินพุตเช่นความเร็วหรือตําแหน่งของผู้เล่น ในกรณีของพร็อกซีแบบตารางนี่เป็นสถานการณ์ที่ไม่ต่อเนื่องที่พร็อกซีมีแนวโน้มที่จะพบในเกม
การอธิบายพื้นที่การกระทำที่ตัวแทนสามารถทำในเกม จากอินพุตแบบไม่ต่อเนื่อง (เช่นกดปุ่ม) ถึงการควบคุมแบบต่อเนื่อง (เช่นการเคลื่อนที่จากจอยสติ๊ก) นี้จะถูกแมปเป็นอินพุตของเกม
AI โมเดลที่มีพื้นที่สถานะเป็น ARC ให้ข้อมูลเข้าสู่ AI โมเดลและสร้างผลลัพธ์ จากนั้นผลลัพธ์เหล่านี้จะถูกแปลงเป็นการกระทำในเกมผ่านพื้นที่การกระทำ
ARC ร่วมมือกับนักพัฒนาเกมอย่างใกล้ชิดเพื่อระบุคุณลักษณะที่สำคัญที่สุดและออกแบบพื้นที่สถานะตามได้ตามนั้น พวกเขายังทดสอบการกำหนดค่าและขนาดโมเดลต่าง ๆ เพื่อสมดุลระหว่างความฉลาดและความเร็ว เพื่อให้แน่ใจว่าการดำเนินการในเกมเรียบร้อยและน่าตื่นเต้น
ตามที่ทีมนั้นกล่าวว่า บริษัท Web3 มีความต้องการสูงต่อบริการสภาพคล่องของผู้เล่นของพวกเขา บริษัทเหล่านี้จะจ่ายเงินเพื่อได้รับสภาพคล่องของผู้เล่นที่ดีขึ้น และ ARC จะใช้ส่วนใหญ่ของรายได้เพื่อการซื้อคืนโทเค็น NRN
นำเสนอแนวคิด AI ให้กับผู้เล่น: แพลตฟอร์มผู้ฝึก
ARC SDK ยังอนุญาตให้บริษัท web3 เข้าถึงแพลตฟอร์มฝึกอบรมเกมของพวกเขาเพื่ออนุญาตให้ผู้เล่นฝึกฝนและส่งตัวแทน
เช่นเดียวกับ AI Arena ผู้เล่นสามารถตั้งค่าการจำลองเพื่อเข้าถึงข้อมูลการเล่นเกมและฝึกอบรมแบบ AI ที่ว่างเปล่า โมเดลเหล่านี้จะพัฒนาตามเวลา โดยรวมความรู้ก่อนหน้าและผสมผสานข้อมูลการเล่นเกมใหม่ๆ โดยไม่จำเป็นต้องเริ่มต้นใหม่ทุกครั้งที่มีการอัปเดต
นี่เปิดโอกาสที่น่าตื่นเต้น: ผู้เล่นสามารถขายตัวแทน AI ที่ถูกปรับแต่งของพวกเขาบนตลาดเพื่อสร้างเศรษฐกิจในเกมใหม่ใน AI Arena นักฝึกสอนที่มีความชำนาญเทคโนโลยีสามารถรวมตัวกันเป็นกลุ่มและให้บริการทักษะการฝึกอบรมให้กับบริษัทอื่น
สำหรับบริษัทที่ได้รับการรวมฟังก์ชันพร้อมกันอย่างสมบูรณ์ Parallel Play (เกมขนาดเท่ากัน) ความคิดก็กลายเป็นสิ่งที่น่าสนใจมากขึ้นด้วย ตัวแทน AI พร้อมใช้งานตลอด 24 ชั่วโมง สามารถเข้าร่วมการแข่งขันหลายรอบหรือตัวอย่างเกมพร้อมกัน นี้จึงแก้ปัญหาของสภาพคล่องของผู้เล่น และสร้างโอกาสใหม่สำหรับความยึดมั่นและรายได้ของผู้ใช้
แต่นี่ยังไม่ใช่ทั้งหมด...
** (3) ARC RL: จากหนึ่งต่อหนึ่งถึงหลายต่อหนึ่ง **
ถ้า AI Arena และ ARC โซนฝึกอบรมรู้สึกเหมือนโหมดเล่นคนเดียว (คุณสามารถฝึกอบรมโมเดล AI ของคุณได้ในนั้น) แล้ว ARC RL ก็คล้ายกับโหมดเล่นหลายคน
สมมติว่า: DAO เกมทั้งหมดรวมข้อมูลการเล่นของตนเพื่อฝึกโมเดล AI ที่แบ่งปัน ทุกคนมีการครองทรัพย์ร่วมโมเดลนี้และได้รับประโยชน์จากมัน ตัวแทนหลักเหล่านี้แทนความสตราทีของผู้เล่นทั้งหมด โดยการนำเสนอการแข่งขันที่เปลี่ยนแปลงด้วยความพยายามที่เป็นร่วมและการร่วมมือแบบกลยุทธ์
ARC RL ใช้ reinforcement learning (หรือ "RL") และข้อมูลการเล่นเกมของมนุษย์จากการพนันเพื่อฝึกฝนตัวแทน "ความฉลาดเหนือ" เหล่านี้
การทำงานของการเรียนรู้แบบเสริมแรงคือตัวแทนที่รางวัลการกระทำที่ดีที่สุด มันมีประสิทธิภาพโดยเฉพาะอย่างยิ่งในเกมเพราะฟังก์ชันรางวัลเป็นเรื่องชัดแจ้งและ客观 เช่น ความเสียหายที่เกิดจากการโจมตี เหรียญที่ได้รับหรือการชนะ
มีตัวอย่างเช่นนี้อยู่แล้ว:
AlphaGo ของ DeepMind ได้เอาชนะนักเล่นชาวโปรในการแข่งขันเกมชิงเกมส์ โดยการฝึกฝนผ่านการแข่งขันที่สร้างขึ้นเองล้านๆ ครั้ง และปรับปรุงกลยุทธ์ของตัวเองทุกครั้งที่วนซ้ำ
ฉันไม่เคยรู้สึกตระหนกถึงจุดนี้มาก่อน แต่ก่อนที่ chatGPT จะถูกสร้างขึ้น OpenAI ได้เป็นที่รู้จักในวงการเกมมาอย่างแพร่หลายแล้ว
OpenAI Five ใช้การเรียนรู้แบบเสริมสร้างใน Dota 2 เพื่อเอาชนะนักเล่นมนุษย์ระดับสูงและชนะแชมป์โลกในปี 2019 ด้วยการควบคุมกลุ่มและกลยุทธ์ที่ล้ำสมัยผ่านการจำลองและทรัพยากรการคำนวณมากมาย
OpenAI Five เล่นเกมล้านๆ เกมทุกวัน โดยประมาณเท่ากับการจำลองเกม 250 ปีทุกวัน ด้วยการสนับสนุนที่มีพลังจาก 256 GPU และ 128,000 CPU โดยการข้ามการแสดงผลกราฟิก มันช่วยเพิ่มความเร็วในการเรียนรู้อย่างมาก
ตั้งแต่ต้นแล้ว AI แสดงพฤติกรรมที่ไม่เสถียร เช่น เดินเล่นไร้จุดประสงค์ แต่ไม่นานมันก็ดีขึ้น มันเรียนรู้จากกลยุทธ์พื้นฐานบางอย่าง เช่น คล้องตัวบนทางเล็กน้อยและขโมยทรัพยากร และในที่สุดก็พัฒนาขึ้นเป็นการดำเนินการที่ซับซ้อน เช่น การจับตักบาตร
หลักความคิดสำคัญของการเรียนรู้แบบเสริมความสามารถคือ AI ตัวแทนเรียนรู้จากประสบการณ์ว่าจะประสบความสำเร็จอย่างไร ไม่ใช่การบอกให้ทำอย่างไร
ARC RL โดยใช้ reinforcement learning แบบออฟไลน์เพื่อทำให้ตัวเองเป็นเอกลักษณ์ ตัวแทน AI ไม่ได้เรียนรู้จากการลองผิดของตัวเอง แต่เรียนรู้จากประสบการณ์ของคนอื่น มันเหมือนกับนักเรียนที่ดูวิดีโอของคนอื่นขี่จักรยาน สังเกตความสำเร็จและความล้มเหลวของพวกเขา และใช้ความรู้เหล่านี้เพื่อหลีกเลี่ยงการล้มลง และเร่งความก้าวหน้า
วิธีนี้มีประโยชน์เพิ่มเติม: การฝึกอบรมและการเป็นเจ้าของร่วมกันของโมเดล นี้ไม่เพียงทำให้เอเย่นต์ AI ที่แข็งแกร่งมากขึ้นเป็นที่พอใจมากขึ้น แต่ยังทำให้แรงจูงใจของผู้เล่น กลุ่มสมาชิกและนักพัฒนาเป็นหนึ่งเดียว
มีสองบทบาทสําคัญในการสร้างตัวแทนเกม "super-smart":
ผู้สนับสนุนจะประสานงานและคำแนะนำทีมผู้เล่นของพวกเขาให้มั่นใจว่าข้อมูลการฝึกอบรมมีคุณภาพสูงเพื่อทำให้ตัวแทน AI ของพวกเขามีความสามารถในการแข่งขันในการแข่งขันตัวแทน
การรางวัลจะถูกแบ่งปันตามการแสดงความสามารถของตัวแทนสุดยอดในการแข่งขัน 70% ของการรางวัลจะเป็นของผู้เล่น 10% ของการรางวัลจะเป็นของผู้สนับสนุนและ 20% ที่เหลือจะเป็นของกองทุน NRN โครงสร้างนี้จะให้สิทธิ์และแรงจูงใจเดียวกันแก่ผู้เข้าร่วมทุกคน
การมอบเลิกข้อมูล
วิธีการทำให้ผู้เล่นให้ความสนใจในการให้ข้อมูลการเล่นเกมของตนเองเป็นเรื่องยาก
ARC ทำให้การให้ข้อมูลการเล่นเกมเป็นเรื่องง่ายและมีประโยชน์ ผู้เล่นไม่จำเป็นต้องมีความรู้ทางวิชาชีพ เพียงแค่เล่นเกมเท่านั้น หลังจากสิ้นสุดการสนทนา พวกเขาจะถูกแจ้งให้ส่งข้อมูลเพื่อฝึกอัจฉริยะที่เจาะจง แดชบอร์ดติดตามความสน contribution ของพวกเขาและตัวแทนที่พวกเขาสนับสนุน
การจัดหมวดหมู่ของ ARC ทำได้โดยใช้อัลกอริทึ่มการประเมินคุณภาพข้อมูลที่มีผลกระทบและมีผลกระทบ เพื่อให้มั่นใจว่ามีคุณภาพสูงและมีผลกระทบ
น่าสนใจว่า แม้ว่าคุณจะเป็นนักเล่นที่แย่ (เช่นฉัน) ข้อมูลของคุณก็ยังมีประโยชน์ การเล่นเกมที่แย่สามารถช่วยให้ตัวแทนเรียนรู้ว่าไม่ควรทำอะไร ในขณะที่การเล่นเกมที่มีมือสูงสามารถสอนกลยุทธ์ที่ดีที่สุด ข้อมูลที่ไม่จำเป็นถูกกรองออกเพื่อรักษาคุณภาพ
โดยสรุป ARC RL ถูกออกแบบให้เป็นผลิตภัณฑ์สำหรับตลาดมวลชนที่มีความเสถียรซึ่งมุ่งเน้นที่การมีตัวแทนที่มีความสามารถเหนือมนุษย์ร่วมกัน
4. ขนาดตลาด
แพลตฟอร์มเทคโนโลยีของ ARC เป็นแบบหลากหลายฟังก์ชัน รองรับหลายประเภทของเกม เช่น เกมยิง เกมต่อสู้ คาสิโนสังคม รถแข่ง เกมการ์ดและ RPG มันถูกออกแบบเฉพาะสำหรับผู้ที่ต้องการรักษาความติดตัวของผู้เล่น
ผลิตภัณฑ์ของ ARC เน้นที่สองตลาดหลัก:
ARC ติดตามโดยส่วนใหญ่เน้นไปที่นักพัฒนาและบริษัทส่วนใหญ่ ไม่ได้เน้นไปที่บริษัทขนาดใหญ่แบบเดิม ด้วยเหตุผลที่มีความจำเป็นต้องใช้แบรนด์และทรัพยากรการจัดจำหน่ายอย่างจำกัด บริษัทเล็กๆเหล่านี้มักมีความยากลำบากในการดึงดูดผู้เล่นในช่วงต้นๆ
ตัวแทนปัญญาประดิษฐ์ของ ARC แก้ปัญหานี้ด้วยการสร้างสภาวะสนุกสนานในเกมตั้งแต่เริ่มต้น แม้จะอยู่ในขั้นตอนเริ่มต้นของเกมก็สามารถรับรองการเล่นเกมที่ได้รับการยกระดับ
น่าจะทำให้ผู้คนหลายคนตกใจ แต่เกมอินดี้เป็นกลุ่มที่สำคัญในตลาดเกม
ตลาดเป้าหมายอีกประเภทคือเกม Web3 บางส่วน ซึ่งส่วนใหญ่จะถูกพัฒนาโดยบริษัทรุ่นใหม่ และพวกเขาก็พบกับความท้าทายที่ไม่เหมือนใครเช่นการเข้าสู่ระบบกระเป๋า การสงสัยในเรื่องการเข้ารหัส และต้นทุนในการเพิ่มผู้ใช้ที่สูง ทั้งนี้เกมเหล่านี้มักมีปัญหาเรื่องสภาพคล่องของผู้เล่น แต่เราสามารถใช้ตัวแทน AI ในการเติมเต็มได้เพื่อรักษาความสนใจในเกม
แม้ว่าเกม Web3 อาจต้องเผชิญกับความยากลำบากเนื่องจากขาดประสบการณ์ที่น่าสนใจเร็ว ๆ นี้ แต่ก็มีสัญญาณของการฟื้นตัวอย่างชัดเจน
เช่น เกม Web3 ระดับ AAA อย่าง Off the Grid หนึ่งในเกมแรกที่ประสบความสำเร็จในระดับเริ่มต้น มีการทำธุรกรรม 1 พันล้านครั้งจากกระเป๋า 9 ล้านในเดือนแรก สร้างทางลัดสำหรับอุตสาหกรรมนี้ในการเป็นที่รู้จักและสร้างโอกาสให้ ARC
5、ทีม ARC
ทีมผู้ก่อตั้งของ ArenaX Labs มีความรู้ความสามารถทางด้านการเรียนรู้ของเครื่องจักรและการจัดการการลงทุนอย่างเหนือชั้น
ประธานบริหารและหัวหน้าศูนย์เทคโนโลยี Brandon Da Silva 曾เป็นผู้นำในการวิจัยเรื่องการเรียนรู้ของเครื่องจักรในบริษัทลงทุนแคนาดา โดยเน้นไปที่การเรียนรู้แบบเสริมแรง (reinforcement learning) การเรียนรู้เบย์เซียน (Bayesian) และความลึกของโมเดล นอกจากนี้ เขายังเป็นผู้พัฒนาแนวทางการซื้อขายอัตราความเสี่ยงที่สมดุลและการจัดการพอร์ตการลงทุนหลายสินทรัพย์ มูลค่า 10 พันล้านเหรียญสหรัฐ
首席运营官 Wei Xie กำลังจัดการพอร์ตการลงทุนทางกลยุทธ์มูลค่า 70 พันล้านดอลลาร์สหรัฐและเป็นผู้นำโครงการลงทุนนวัตกรรมที่เน้นในด้าน AI、เรียนรู้ของเครื่องและเทคโนโลยี Web3 และศาสตร์ใหม่อื่นๆ
ArenaX Labs ได้รับการระดมทุนรอบเมล็ด มูลค่า 5 ล้านดอลลาร์ในปี 2021 โดยมี Paradigm เป็นผู้นำการลงทุน และ Framework ventures เข้าร่วมลงทุน บริษัทได้รับการระดมทุนมูลค่า 6 ล้านดอลลาร์ในเดือนมกราคม 2024 โดยมี SevenX Ventures、FunPlus/Xterio และ Moore Strategic Ventures เป็นผู้นำการลงทุน
6、NRN เศรษฐศาสตร์ของโทเค็น- การปฏิวัติที่ดีสำหรับสุขภาพ
ARC/AI Arena มีโทเค็น - NRN อยู่ ให้เรามานับสถานการณ์ในปัจจุบันกันก่อน
การตรวจสอบด้านการจัดหาและด้านความต้องการจะช่วยให้เราเข้าใจแนวโน้มได้ชัดเจนมากขึ้น
（1）การจำหน่ายฝั่ง供给
NRN มีปริมาณจำนวนทั้งหมด 1 พันล้าน โดยประมาณ 409 ล้าน (40.9%) อยู่ในการแพร่กระจาย
ในขณะที่เราเขียนบทความนี้ ราคาโทเค็นคือ 0.72 ดอลลาร์ ซึ่งหมายความว่ามูลค่าตามราคาตลาดคือ 2900 ล้านดอลลาร์ และมูลค่าหลังจากจำหน่ายทั้งหมด คาดเอาเป็น 7100 ล้านดอลลาร์
NRN ถูกเปิดเผยในวันที่ 24 มิถุนายน 2024 โดยมีการจ่ายเผื่อไหม่ 40.9%
ส่วนใหญ่ของการจัดหาเงินหมุนเวียน (30% ของ 40.9%) มาจากการตอบแทนระบบนิเวศชุมชน โครงการจัดการโทเค็นเหล่านี้และจัดสรรไปยังการตอบแทน stake เกมเพื่อการตอบแทน โครงการพุ่งขึ้นและ โครงการขับเคลื่อนชุมชนอย่างยุติธรรม
ตารางการปลดล็อกให้คุณปลอดภัย ไม่มีเหตุการณ์ที่สำคัญในช่วงสั้นๆ นี้:
ในปัจจุบัน คาดว่าการทิ้งขายจะยังคงมีการควบคุมได้ดี โดยมีแหล่งที่มาจากการรางวัลในระบบนิเวศ สิ่งสำคัญคือทีมงานได้มีความไว้วางใจและมีความสามารถในการวางแผนการใช้เงินเหล่านี้อย่างมีเชื่อมั่น เพื่อสนับสนุนโปรโตคอลให้พุ่งขึ้น
(2) ด้านอุปสงค์
NRN v1 - สถิติเศรษฐกิจของผู้เล่น
ตั้งแต่ต้นแรก NRN ถูกออกแบบให้เป็นทรัพยากรยอดเยี่ยมที่เกี่ยวข้องกับเศรษฐกิจเกม AI Arena
ผู้เล่นจะเดิมพัน NRN บนผู้เล่น AI ถ้าพวกเขาชนะก็จะได้รับรางวัล แต่ถ้าแพ้ก็จะสูญเสียส่วนบาง stake นี่สร้างความสัมพันธ์ที่เกี่ยวข้องกับผลประโยชน์โดยตรง และเปลี่ยนมันเป็นกีฬาและให้ผู้เล่นที่ชำนาญได้รับสิ่งประสงค์ทางเศรษฐกิจ
รางวัลจะถูกจัดสรรโดยใช้ระบบ ELO เพื่อให้การชำระเงินสมดุลตามทักษะ แหล่งรายได้อื่น ๆ รวมถึงการซื้อไอเทมในเกม อัพเกรดการแต่งตัวและค่าเข้าร่วมการแข่งขัน
โมเดล NFT แรกเริ่มต้นจะขึ้นอยู่กับความสำเร็จของเกมและการมีผู้เล่นใหม่ที่ต้องการซื้อ NRN และ โทเค็นที่ไม่สามารถทดแทนได้เข้ามาเล่นเกม
ต่อมาเราจะอธิบายว่าทำไมเราต้องตื่นเต้นขนาดนี้...
NRN v2——เศรษฐกิจของผู้เล่นและแพลตฟอร์ม
NRN การปรับปรุง v2 เศรษฐศาสตร์ของโทเค็น โดยการขยายประโยชน์ของโทเค็นจาก AI Arena เป็น ARC แพลตฟอร์มที่กว้างขวางมากขึ้น และนำเข้าปัจจัยการขับเคลื่อนที่แข็งแรง การวิวัฒนานี้จะทำให้ NRN กลายเป็นโทเค็นของแพลตฟอร์ม ตามที่ฉันเห็น นี่คือการเปลี่ยนแปลงที่ดีมาก
สามปัจจัยขับเคลื่อนความต้องการใหม่ ๆ ของ NRN ประกอบด้วย:
รายได้จากการรวมกลุ่มที่มาจาก ARC บริษัทเกมที่รวมกลุ่ม ARC จะสร้างรายได้ให้กับกองทุนผ่านค่าใช้จ่ายในการรวมกลุ่มและค่าส่วนแบ่งต่อเนื่องที่เชื่อมโยงกับผลประกอบการของเกม กองทุนในกองทุนสามารถสนับสนุนการซื้อคืน NRN พัฒนาระบบนิเวศและกระตุ้นผู้เล่นบนแพลตฟอร์มผู้ฝึกอบรม
ค่าธรรมเนียมตลาดฝึกอบรม NRN ได้รับค่าความคุ้มค่าจากการเรียกเก็บค่าธรรมเนียมของตลาดฝึกอบรม ผู้เล่นสามารถซื้อขายแม่แบบ AI และข้อมูลการเล่นเกมในตลาดฝึกอบรม
การเข้าร่วม stake ใน ARC RL: ทั้งผู้สนับสนุนและผู้เล่นต้อง stake NRN เพื่อเข้าร่วม ARC RL ยิ่งผู้เล่นใน ARC RL มากขึ้นเท่านั้นความต้องการของ NRN ก็จะเพิ่มขึ้นตามไปด้วย
โดยเฉพาะอย่างยิ่งในเรื่องรายได้ของบริษัทเกม นี้เป็นสัญลักษณ์ที่บ่งบอกถึงการเปลี่ยนแปลงจากโมเดล B2C ที่บริษัทเคยทำไปสู่โมเดลผสม B2C และ B2B ซึ่งสร้างการเข้ามาของทุนภายนอกที่ต่อเนื่องสำหรับเศรษฐกิจ NRN ด้วย ARC มีตลาดเป้าหมายที่กว้างขวางมากขึ้น การไหลเวียนของรายได้นี้จะเพิ่มขึ้นเหนือรายได้ที่ AI Arena เองสามารถสร้างขึ้น
ค่าใช้จ่ายในตลาดฝึกอบรมอาจมีโอกาสแต่ขึ้นอยู่กับว่าระบบนิเวศสามารถเติบโตไปสู่ขนาดที่จำเป็นได้หรือไม่ - มีจำนวนเกมมากพอที่จะรองรับผู้เล่นและผู้ฝึกอบรมที่เพียงพอให้มีกิจกรรมการซื้อขายที่เป็นประจำ นี่เป็นธุรกิจระยะยาว
ในระยะสั้น ๆ นี้ ARC RL stake อาจเป็นปัจจัยที่ขับเคลื่อนที่เป็นที่สะท้อนแบบตรงๆ และมีผลต่อการตอบสนองที่มีนิยมมากที่สุด บ่อยครั้ง พูลรางวัลเริ่มต้นที่เพียงพอและความตื่นเต้นจากการเปิดตัวผลิตภัณฑ์ใหม่อาจส่งผลให้มีการนำมาใช้ในช่วงเริ่มต้น โดยเพิ่มราคาโทเค็นและดึงดูดผู้ร่วมรายได้ ซึ่งนั้นเป็นที่มาของวงจรตอบสนองที่ขับเคลื่อนความต้องการขึ้นและการเติบโตของเศรษฐกิจ อย่างไรก็ตาม ถ้า ARC RL ยากที่จะรักษาความยึดเหนี่ยวของผู้ใช้ ความต้องการอาจหายไปเร็ว ๆ นี้
ศักยภาพของเศรษฐกิจเครือข่ายเป็นอย่างมาก: เกมมากขึ้น→ ผู้เล่นมากขึ้น→ เกมเพิ่มมากขึ้น→ ผู้เล่นมากขึ้น วงจรเชิงบวกนี้สามารถสร้าง NRN เป็นโทเค็นหลักในนิเวศน์เกม Crypto AI
7、แม่ของโมเดล AI เกม
ผลปัจจุบันคืออะไร? ข้อดีของ ARC คือความสามารถในการส่งเสริมประเภทเกมต่างๆ ในอนาคตที่ผ่านมา ทำให้พวกเขาสามารถเก็บข้อมูลเกมพิเศษที่ไม่เหมือนใคร และด้วยการรวม ARC กับเกมอื่นๆ มันสามารถทำให้ข้อมูลเหล่านี้ถูกส่งกลับไปยังระบบนิเวศของตนเองอย่างต่อเนื่อง ทำให้เกิดวงจรเชิงบวกที่พุ่งขึ้นและเพิ่มเติม
เมื่อชุดข้อมูลเกมช Quan ถึงคุณภาพวิกฤติกัน มันจะกลายเป็นทรัพยากรที่มีค่ามาก ลองจินตนาการว่าใช้มันในการฝึกโมเดล AI สำหรับการพัฒนาเกมที่ทั่วไป - เปิดโอกาสใหม่สำหรับการออกแบบ เทส และปรับปรุงเกมในขอบเขตของมากมาย
ตอนนี้เร็วเกินไปที่จะพูดถึงเรื่องนี้ แต่ในยุค AI ที่ข้อมูลเป็นน้ำมันใหม่ ๆ โอกาสในด้านนี้เป็นไปได้ไม่จำกัด
8. ความคิดของเรา
NRN เปลี่ยนเป็นเกมแพลตฟอร์ม - โทเค็นราคาใหม่
ด้วยการเปิดใช้งาน ARC และ ARC RL โครงการนี้ไม่ได้เป็นเพียงบริษัทเกมเดียวเท่านั้นแล้ว ตอนนี้มันกำลังก้าวหน้าเป็นแพลตฟอร์มและเกม AI การเปลี่ยนแปลงนี้ควรจะทำให้การจัดอันดับ NRN โทเค็นเกิดขึ้นใหม่ ก่อนหน้านี้ NRN โทเค็นถูกจำกัดโดยความสำเร็จของ AI Arena ด้วย ARC RL การนำเสนอโทเค็นใหม่ร่วมกับความต้องการจากโปรโตคอลการแบ่งปันรายได้ของบริษัทเกมและค่าธรรมเนียมการฝึกอบรมนอกเหนือจากนี้ยังสร้างพื้นฐานที่หลากหลายและกว้างขวางขึ้นสำหรับประโยชน์และมูลค่าของ NRN
ความสำเร็จเกี่ยวข้องอย่างกับทางเพื่อนคู่ความสัมพันธ์ของเกม
โครงสร้างธุรกิจของ ARC ทำให้มันเชื่อมโยงกับบริษัทที่ร่วมงานกับมันได้อย่างสำเร็จ เนื่องจากรายได้เกิดจากการแจกโทเค็น (ในเกม Web3) และการจ่ายค่าสิทธิ์เกม การเชื่อมโยงกับเกมนี้คุ้มค่าที่จะตาม closely.
หากเกม ARC ประสบความสำเร็จอย่างมาก มูลค่าที่เกิดขึ้นจะไหลกลับมายังผู้ถือ NRN ในขณะที่หากเกมร่วมมือตกอยู่ในสถานการณ์ที่ยากลำบาก การไหลของมูลค่าจะถูกจำกัด
คาดหวังการรวมร่วมกับเกม Web3 มากขึ้น
แพลตฟอร์ม ARC เหมาะสำหรับเกม Web3 โดยเฉพาะ ในเกม Web3 การแข่งขันที่มีระบบกระตุ้นและเศรษฐกิจโทเค็นที่มีอยู่อย่างดีเยี่ยม
โดยการรวม ARC เข้าไป Web3 เกมสามารถเข้าสู่ "ตัวแทน AI" ในทันที ARC RL จะรวมชุมชนไว้ด้วยกันและกระตุ้นพวกเขาให้ก้าวหน้าไปทางเป้าหมายร่วม นอกจากนี้ยังเปิดโอกาสใหม่สำหรับกลไกนวมนิยม เช่น ทำให้กิจกรรม "เข้าร่วมแอร์ดรอป" ดูน่าสนใจมากขึ้นสำหรับผู้เล่น โดยการผสมผสานระหว่าง AI และ โทเค็น ARC เพิ่มความลึกและความตื่นเต้นที่เกม传统 ไม่สามารถทำได้
AI เกมมีเส้นความชันในการเรียนรู้
การเล่น AI มีเส้นความชันที่สูงในกระแสการเรียนรู้ซึ่งอาจสร้างความเสียหายให้กับผู้เล่นใหม่ ฉันใช้เวลาหนึ่งชั่วโมงเพียงเวลาที่จะเข้าใจวิธีสอนผู้เล่นของฉันใน AI Arena อย่างถูกต้อง
อย่างไรก็ตาม ประสบการณ์เล่นเกมของ ARC RL มีการสะท้อนกลับน้อยลง เนื่องจาก AI จะดูแลการฝึกอบรมเมื่อผู้เล่นเล่นเกมและส่งข้อมูล ซึ่งเป็นการประมวลผลด้านหลัง โดยยังมีคำถามที่ยังไม่ได้ตัดสินใจว่าเมื่อผู้เล่นรู้ว่าฝ่ายตรงข้ามของตนเป็น AI จะมีความรู้สึกอย่างไร? จะมีผลต่อประสบการณ์เล่นเกมหรือไม่? จะเสริมสร้างหรือลดความสนุกของเกมหรือไม่? เราต้องรอเวลาเพื่อหาคำตอบในข้อสงสัยนี้
9、แสงอนาคตที่สดใส
AI จะเปิดประสบการณ์ที่โดดเด่นในโลกเกมส์
ทีม Parallel Colony และ Virtuals กำลังส่งเสริมการพัฒนาตัวแทน AI อิสระในขณะที่ ARC กำลังเปิดตลาดไนช์ของตนเองผ่านการโฟกัสในการทำสิ่งที่มนุษย์ทำ - การให้บริการวิธีการแก้ไขอย่างเป็นนวัตกรรมสำหรับการท้าทายสภาพคล่องของผู้เล่นโดยไม่ต้องพึ่งพาเศรษฐศาสตร์ของโทเค็นที่ไม่สามารถทนได้
การเปลี่ยนแปลงจากการเล่นเกมเป็นแพลตฟอร์มที่สมบูรณ์เสร็จสิ้นเป็นการกระโดดขึ้นอย่างมากสำหรับ ARC ไม่เพียงเปิดโอกาสที่ใหญ่กว่าผ่านการร่วมมือกับบริษัทเกมเท่านั้น แต่ยังสร้างโอกาสใหม่ในการรวม AI และเกม
ด้วยโอกาสของเศรษฐศาสตร์ของโทเค็นที่ปรับปรุงและผลกระทบของเครือข่ายที่แข็งแกร่งของ ARC ดูเหมือนว่าเราเพิ่งเริ่มต้น