ในปี 2021 กลับมา ผมเป็นผู้เล่น Axie Infinity และเป็นผู้รักษาสังคมทุนการศึกษาขนาดเล็ก

และถ้าคุณไม่อยู่ในช่วงเวลาเหล่านั้น อนุญาตให้ฉันบอกคุณ - มันยังเต็มไปด้วยความสนุกสนานแบบสุดๆ

Axie Infinity เป็นเกมที่ทำให้คนรู้สึกถึงความเป็นเรื่องจริงของการใช้เงินดิจิตอลและเกม ในแก่นของมัน นั่นคือเกมกลยุทธ์กระเทยแบบเทิร์นเบสที่เรียกว่า Pokémon ที่คุณจะเลือกมาประกอบทีมออกสู่สนามรบของ Axies ทั้งหมด 3 Axies (นักมวยสุดน่ารักและดุร้าย) แต่ละตัวก็มีความสามารถที่ไม่เหมือนกัน คุณจะพาทีมของคุณไปต่อสู้กับทีมอื่นๆ และได้รับโทเค็น SLP เป็นรางวัลในการเข้าร่วมและชนะ

แต่สิ่งที่ทำให้ผู้ไม่ใช่เกมเมอร์ตื่นเต้นจริง ๆ คือศัพท์ที่มาจากการเล่นเกม อะไรก็ตามที่ทำให้ Axie มีกลไกที่โดดเด่นสองอย่างที่ทำให้มันเติบโตเร็วขึ้น:

คนแรกคือ Breeding Axies ใช้ Axies สองตัวผสมพันธุ์โดยใช้โทเค็น SLP และ voilà ซึ่งเป็น Axie ใหม่ที่มีการผสมผสานความสามารถของพ่อแม่ที่ไม่เหมือนใคร Axies ที่หายากและมีอํานาจเหนือกว่า (OP Axies สําหรับนักเล่นเกม) กลายเป็นสินค้ายอดนิยมและตลาดการผสมพันธุ์ที่คึกคักก็เกิดขึ้น

ประการที่สองโครงการทุนการศึกษา ผู้เล่นผู้ประกอบการจากทั่วโลกเริ่มให้ยืม Axies แก่ "นักวิชาการ" ผู้เล่นเหล่านี้มักมาจากประเทศกําลังพัฒนาเช่นฟิลิปปินส์หรืออาร์เจนตินาซึ่งไม่สามารถจ่ายค่าใช้จ่ายล่วงหน้า $ 1,000 + ในการเป็นเจ้าของ Axie NFT สามตัวที่จําเป็นในการเล่น นักวิชาการจะเล่นทุกวันรับโทเค็นและแบ่งผลกําไรกับกิลด์ของพวกเขาซึ่งโดยปกติจะลด 30-50%

ในยอดเยี่ยมของมัน Axie มีผลกระทบต่อเศรษฐกิจภาคใต้ของประเทศที่กำลังพัฒนาโดยเฉพาะระหว่างการระบาดของ COVID-19 ผู้เล่นจำนวนมากในฟิลิปปินส์ที่ ~ 40% ของผู้ใช้ Axie Infinity อาจสามารถสร้างรายได้ที่สูงกว่าค่าจ้างขั้นต่ำอย่างมีนัยสำคัญ กิลด์ได้รับผลประโยชน์อย่างมาก

โปรแกรมเหล่านี้ได้แก้ไขปัญหาสำคัญสำหรับนักพัฒนาเกม: ความหลากหลายของผู้เล่น โดยให้ผู้เล่นมีแรงจูงใจในการเล่นเกมอย่าง aktif หลายชั่วโมงต่อวัน Axie ยืนยันว่าผู้เล่นทุกคนมีคู่แข่งรออยู่เสมอ ทำให้ประสบการณ์การเล่นของผู้เล่นมีความน่าสนใจมากขึ้น

แต่มีการแลกเปลี่ยน

เพื่อแก้ปัญหาความสามารถในการเล่นเกม Axie มอบจำนวนเงินที่มากมายให้เป็นสิ่งสร้างสรรค์ในการมีส่วนร่วม และที่นี่คือที่ที่สิ่งต่าง ๆ เริ่มคลอนไหล โดยไม่มีการจำกัดใน SLP เหรียญได้ลุกลามอย่างป่วย ราคาตกและระบบนิติเวชได้ร่วงลง ขณะที่เหรียญที่มีค่าสูญเสียค่าคนเล่นไป Axie ก็ไปจากเด็กโฆษณาของการเล่นเพื่อหารายไปเป็นเรื่องเตือนภัยใกล้ ๆ มากเกือบทั้งคืน

แต่ถ้ามีวิธีในการแก้ไขปัญหาความสามารถของผู้เล่นโดยไม่ใช้ tokenomics ที่ไม่สามารถทนได้?

นั่นเป็นสิ่งที่แน่นอนARC / AI Arenaได้ทำงานอย่างเงียบๆ มาเป็นเวลาสามปี และตอนนี้กำลังเริ่มต้นให้ผล

(หมายเหตุ: ทีมที่อยู่ด้านหลัง Axie, Sky Mavis, ตอนนี้ได้พัฒนาเกมให้กลายเป็นสิ่งที่แตกต่างและยังคงเป็นสตูดิโอเกมมิ่งแห่ง Web3 ที่เป็นผู้นำในปัจจุบัน)

ความเหลือที่เล่น = ต้นเลือด

คุณต้องการให้เกมของคุณมีลักษณะเช่นนี้ไม่ใช่ห้องที่ว่างเปล่า ที่มา: @PimDEWitte

ความเคลื่อนไหวของผู้เล่นคือเลือดใจของเกมหลายคนและคีย์สู่ความสำเร็จในระยะยาว

เกม Web3 และเกมอินดี้หลายเกมต้องพบกับปัญหา 'cold start' - นักเล่นไม่เพียงพอสำหรับการจับคู่เร็วหรือชุมชนที่รุ่งเรือง พวกเขาไม่มีงบประมาณการตลาดหรือการรับรู้ IP ที่ธรรมชาติเหมือนสตูดิโอเกมขนาดใหญ่ สิ่งนี้ทำให้ต้องรอนาน คู่ต่อสู้ที่ไม่ตรงกัน และมีการเปลี่ยนแปลงสูง

เกมเหล่านี้มักจะจบลงด้วยความตายที่ช้าและเจ็บปวด ฉีก

ดังนั้นนักพัฒนาเกมต้องเรียกความสำคัญกับความเหมาะสมของผู้เล่นตั้งแต่ต้น การเล่นเกมต้องการระดับความเคลื่อนไหวที่แตกต่างกันเพื่อให้ยังสนุกได้ - เชิญต้องการผู้เล่นสองคนในการเล่นหมากรุกในขณะที่การต่อสู้ในมาตรการใหญ่ต้องการพันคน การจับคู่ที่พึงพอใจในทักษะยังเพิ่มความยากขึ้นโดยต้องการนักเล่นมากขึ้นเพื่อให้เกมเท่าเทียมและน่าสนใจ

สำหรับเกม Web3 ความเสี่ยงสูงกว่า ตามที่ Delphi Digital's ระบุรีวิวเกมประจำปี, ค่าเพิ่มลูกค้าสำหรับเกม Web3 สูงขึ้น 77% โดยเทียบกับเกมมือถือแบบดั้งเดิม ทำให้การรักษาผู้เล่นเป็นสิ่งสำคัญ

ผู้เล่นกีฬาที่แข็งแกร่ง ทำให้การจับคู่เชื่อมั่น เศรษฐกิจในเกมที่มีชีวิตชีวามากขึ้น (การซื้อขายไอเท็มมากขึ้น) และมีการติดต่อสังคมที่ใช้งานมากขึ้น ซึ่งทำให้เกมมีความสนุกมากขึ้น

ARC - เป็นผู้บุกเบิกเกมเพลย์ที่มี AI-Driven

ARC, โดย ArenaX Labs, กำลังเป็นผู้นำในอนาคตของประสบการณ์เกมออนไลน์ที่ใช้ AI

โดยสรุปพวกเขาใช้ AI เพื่อแก้ปัญหาความเห็นของผู้เล่นที่กีดกันที่กำลังเกิดขึ้นในเกมเก่า

ปัญหากับ AI bot ในเกมส์ส่วนใหญ่ในปัจจุบันคือว่าพวกเขาแย่มาก หลังจากที่คุณใช้เวลาสองสามชั่วโมงเรียนรู้เคล็ดลับพวกนี้ก็กลายเป็นสิ่งที่ง่ายมากที่จะเอาชนะได้ พวกเขาถูกออกแบบมาเพื่อช่วยเหลือผู้เล่นใหม่ แต่ไม่ให้ความท้าทายหรือความสนุกสำหรับผู้เล่นที่มีประสบการณ์มากพอ

ลองนึกภาพผู้เล่น AI ที่มีทักษะเทียบได้กับผู้เล่นที่เป็นมนุษย์ชั้นนํา ลองนึกภาพการเล่นกับพวกเขาทุกที่ทุกเวลาโดยไม่ต้องรอการจับคู่ ลองนึกภาพการฝึกผู้เล่น AI ของคุณเพื่อเลียนแบบสไตล์การเล่นของคุณเป็นเจ้าของและรับรางวัลจากการแสดง

นี่เป็นการชนะทั้งสองฝ่ายสำหรับผู้เล่นและสตูดิโอ

สตูดิโอเกมใช้บอต AI ที่คล้ายมนุษย์เพื่อเติมเต็มเกมของพวกเขา ช่วยเพิ่มความหลากหลายของผู้เล่น ปรับปรุงประสบการณ์ของผู้ใช้ และเพิ่มการเก็บรักษาลูกค้า - ปัจจัยสำคัญสำหรับเกมใหม่ที่พยายามที่จะอยู่รอดในตลาดที่แข่งขัน

ผู้เล่นได้รับวิธีใหม่ในการเข้าร่วมเกม สร้างความเป็นเจ้าของที่แข็งแกร่งมากขึ้นเมื่อพวกเขาฝึกฝนและแข่งขันกับ AI ของพวกเขา

มาดูว่าพวกเขาทำอย่างไร

ผลิตภัณฑ์และสถาปัตยกรรม

ArenaX Labs เป็นบริษัทใหญ่ที่กำลังสร้างชุดผลิตภัณฑ์เพื่อแก้ปัญหาความสามารถในการเล่นของผู้เล่น

1. ของมีอยู่: AI Arena, เกมต่อสู้ AI
2. New: ARC B2B, โปรแกรมพัฒนาเกมที่ใช้ประโยชน์จาก AI ซึ่งสามารถผสานเข้ากับเกมได้อย่างง่าย
3. ใหม่: ARC Reinforcement Learning (RL)

#1. AI Arena: The Game

AI Arenaเกมต่อสู้สไตล์ Brawler ที่ระลึกถึง Super Smash Bros. ของ Nintendo มีตัวละครที่น่ารักและตลกต่อสู้กันในสนามต่อสู้

แต่ใน AI Arena แต่ละตัวละครถูกควบคุมโดย AI - คุณไม่ได้เล่นเป็นนักสู้แต่เป็นโค้ชของพวกเขา งานของคุณคือฝึกอบรมนักสู้ AI ของคุณโดยใช้กลยุทธ์และความเชี่ยวชาญของคุณ

การฝึกฝนนักมวยคือเหมือนการเตรียมความพร้อมให้นักเรียนสู้รบ ในโหมดการฝึกฝนคุณจะเปิดการเก็บข้อมูลและสร้างสถานการณ์การต่อสู้เพื่อปรับปรุงการเคลื่อนไหวของพวกเขา ตัวอย่างเช่น หากนักมวยของคุณอยู่ใกล้ศัตรูของพวกเขา คุณอาจสอนพวกเขาให้บล็อกด้วยโล่ของคุณและตามมาด้วยคอมโบแนะนำ ห่างออกไป? ฝึกพวกเขาให้ทำการโจมตีจากระยะไกลเพื่อปิดช่องว่าง

คุณควบคุมข้อมูลที่จะเก็บรวบรวม โดยตรวจสอบเฉพาะการเคลื่อนไหวที่ดีที่สุดเพื่อการฝึกฝน หลังจากฝึกฝนเสร็จสิ้นคุณสามารถปรับแต่งพารามิเตอร์เช่นอัตราการเรียนรู้และขนาดชุดสำหรับความเป็นเทคนิคมากขึ้น หรือใช้การตั้งค่าเริ่มต้นที่เหมาะสำหรับผู้เริ่มต้นได้อย่างง่ายดาย หลังจากที่การฝึกฝนเสร็จสมบูรณ์แล้ว นักมวยปล้ำ AI ของคุณพร้อมที่จะแข่งขัน

การเริ่มต้นไม่ง่าย - การฝึกโมเดลที่มีประสิทธิภาพต้องใช้เวลาและการทดลอง นักสู้คนแรกของฉันตกจากแพลตฟอร์มไปเรื่อย ๆ โดยไม่ถูกตีโดยคู่ต่อสู้ แต่ผ่านการทดลองหลายรอบ ฉันสามารถสร้างโมเดลที่สามารถคงตัวได้ มันทำให้รู้สึกถึงความเลวร้ายแต่ด้วยความพอใจอย่างลึกซึ้งที่เห็นผลจากการฝึกของคุณ

AI Arena มีความลึกลับเพิ่มเติมผ่านนักสู้ที่ใช้เทคโนโลยี NFT ทุกตัวละคร NFT มีลักษณะทางเครื่องสำอางและลักษณะทางการต่อสู้ที่เป็นเอกลักษณ์ เช่น ผลกระทบจากธาตุ ซึ่งมีผลต่อการเล่นเกม ซึ่งเพิ่มเส้นลงเส้นกลยุทธ์อีกชั้นหนึ่ง (รายละเอียดเพิ่มเติมในเอกสารเกม)

ปัจจุบัน AI Arena มีให้บริการบน Arbitrum mainnet และสามารถเข้าถึงได้เฉพาะผู้ที่มี AI Arena NFT เท่านั้นทําให้ชุมชนมีความพิเศษในขณะที่การเล่นเกมได้รับการขัดเกลา ผู้เล่นสามารถเข้าร่วมกิลด์รวม NFT และ NRN ของแชมเปี้ยนสําหรับการต่อสู้แบบ on-chain ที่มีการจัดอันดับพร้อมรางวัลและตัวคูณกิลด์ สิ่งนี้ทําเพื่อดึงดูดผู้เล่นที่ทุ่มเทและเติมเชื้อเพลิงให้กับฉากการแข่งขัน

โดยรวมแล้ว AI Arena เป็นสาธิตสำหรับเทคโนโลยีการฝึกฝน AI ของ ARC ถึงแม้ว่าจะเป็นจุดเริ่มต้นในระบบนี้ วิสัยทัศน์แท้จริงก็ไกลเกินไปจากเกมเดียวนี้

ซึ่งนำเรามาสู่...

#2. ARC: อินฟรา

ARC เป็นโซลูชันโครงสร้างพื้นฐาน AI ที่สร้างขึ้นโดยเฉพาะสําหรับการเล่นเกม

ทีม ArenaX เริ่มต้นจากพื้นฐานขึ้นมาเอง แม้ว่าจะพัฒนาโครงสร้างเกมของตนเอง เพราะว่าแนวความคิดของพวกเขามีขอบเขตที่ไม่สามารถเทียบเท่ากับ Unity และ Unreal ที่มีอยู่

ตลอดเวลาสามปีพวกเขาสร้างเทคนิคสแต็กที่แข็งแกร่งที่สามารถจัดการการรวบรวมข้อมูลการฝึกอบรมแบบจำลองและการตรวจสอบของระบบสำหรับการเรียนรู้แบบการเลียนแบบและการเสริมแรง พื้นฐานนี้เป็นรากฐานของ AI Arena แต่ศักยภาพของมันยิ่งใหญ่มาก

เมื่อทีมปรับปรุงเทคโนโลยีของพวกเขา สตูดิโอบุคคลที่สามมาติดต่อ ARC โดยกระตือรือร้นที่จะให้สิทธิ์การใช้งานหรือให้ชื่อบริการของแพลตฟอร์ม ระบุความต้องการนี้ พวกเขาทำให้โครงสร้างพื้นฐานของ ARC เป็นผลิตภัณฑ์ B2B

วันนี้ ARC ร่วมงานกับสตูดิโอเกมเพื่อให้ประสบการณ์การเล่นเกมที่มีพลังปัญญาประดิษฐ์ ข้อเสนอมูลค่าคือ:

1. ความสะดวกในการให้ความสามารถในการเป็นผู้เล่นแบบถาวร
2. นำเอาการเล่น AI เข้ามาเป็นการผสมผสานที่ง่าย

ความเสถียรของผู้เล่นตลอดไปเป็นบริการ

ARC มุ่งเน้นการคลอนแบบพฤติกรรมของมนุษย์ - การฝึกอบรมโมเดล AI ที่เชี่ยวชาญในการจำลองพฤติกรรมของมนุษย์ สิ่งนี้แตกต่างจากการใช้ AI ในการเล่นเกมในปัจจุบันที่ใช้โมเดลสร้างเกมและ LLMs เพื่อให้ได้ประโยชน์

ด้วย ARC SDK นักพัฒนาสามารถสร้างตัวแทน AI ที่คล้ายมนุษย์และขยายขนาดเพื่อเข้ากับความต้องการของเกมของพวกเขา SDK ทำให้งานหนักง่ายขึ้น สตูดิโอเกมสามารถนำเอา AI เข้ามาโดยไม่ต้องจัดการกับความซับซ้อนของ machine learning

หลังจากการรวมระบบ การติดตั้งโมเดล AI ต้องใช้เพียงหนึ่งบรรทัดของโค้ด โดย ARC จัดการโครงสร้างพื้นฐาน การประมวลผลข้อมูล การฝึกอบรมและการติดตั้งบนเบ็ดเตล็ด

ARC ใช้วิธีการทำงานร่วมกับสตูดิโอเกมเพื่อช่วยเหลือพวกเขา:

1. จับข้อมูลการเล่นเกมแบบดิบและแปลงมันให้เป็นชุดข้อมูลที่มีความหมายสำหรับการฝึกสอน AI
2. ระบุตัวแปรการเล่นเกมที่สําคัญและจุดตัดสินใจที่เชื่อมโยงกับกลไกของเกม
3. แมปผลลัพธ์ของโมเดล AI ไปยังการกระทำในเกม เพื่อให้การทำงานราบรื่น - ตัวอย่างเช่น การเชื่อมโยงผลลัพธ์ "ต่อยขวา" ของ AI กับการควบคุมเกมที่เฉพาะเจาะจง

วิธีการทำงานของ AI

ARC ใช้สี่ประเภทของโมเดลที่ปรับให้เหมาะสำหรับการโต้ตอบในเกม

1. Feedforward Neural Networks: อย่างเหมาะสำหรับสภาพแวดล้อมที่ต่อเนื่องกับคุณสมบัติทางตัวเลขเช่นความเร็วหรือตำแหน่ง
2. ตัวแทนแบบตาราง: สมบูรณ์สำหรับเกมที่มีสถานการณ์จำกัดและไม่ต่อเนื่อง
3. Hierarchical & Convolutional Neural Networks อยู่ในระหว่างการพัฒนา

มีสองพื้นที่ที่เกี่ยวข้องกับโมเดล AI ของ ARC ที่มีการปฏิสัมพันธ์กัน:

พื้นที่ของรัฐกําหนดสิ่งที่ตัวแทนรู้เกี่ยวกับเกมในช่วงเวลาใดเวลาหนึ่ง สําหรับเครือข่าย feedforward นี่คือการรวมกันของคุณสมบัติอินพุต (เช่นความเร็วหรือตําแหน่งของผู้เล่น) สําหรับเอเจนต์แบบตาราง เป็นสถานการณ์ที่ไม่ต่อเนื่องที่เอเจนต์อาจพบในเกม

พื้นที่การกระทำบอกถึงสิ่งที่ตัวแทนสามารถทำในเกม ตั้งแต่อินพุตแบบไม่ต่อเนื่อง (เช่น การกดปุ่ม) ไปจนถึงการควบคุมแบบต่อเนื่อง (เช่น การเคลื่อนที่จอยสติ๊ก) สิ่งนี้ถูกแมปกับอินพุตของเกม

พื้นที่สถานะให้ข้อมูลเข้าสู่โมเดล AI ของ ARC ซึ่งจะประมวลผลข้อมูลเหล่านั้นและสร้างผลลัพธ์ ผลลัพธ์เหล่านั้นจะถูกแปลเป็นการกระทำในเกมผ่านพื้นที่การกระทำ

ARC ร่วมงานอย่างใกล้ชิดกับผู้พัฒนาเกมเพื่อระบุคุณสมบัติที่สำคัญที่สุดและออกแบบพื้นที่สถานะตามนั้น พวกเขายังทดสอบการกำหนดค่าและขนาดของโมเดลต่าง ๆ เพื่อสมดุลความฉลาดและความเร็วเพื่อให้เกมเล่นได้ราบรื่นและน่าตื่นเต้น

ตามทีมพูดว่า ความต้องการในบริการความสามารถในการแลกเปลี่ยนผู้เล่นของพวกเขานั้นสูงมากในหมู่สตูดิโอ Web3 สตูดิโอจ่ายค่าเข้าถึงให้ได้สิทธิในความสามารถในการแลกเปลี่ยนผู้เล่นที่ดีขึ้น และ ARC จะลงทุนกลับสู่การซื้อคืนโทเค็น NRN ได้ส่วนใหญ่จากรายได้นั้น

นำเสนอ AI Gameplay ให้แก่ผู้เล่น: แพลตฟอร์ม Trainer

The ARC SDK also enables studios to access a Trainer Platform for their game, allowing players to train and submit agents.

เช่นเดียวกับใน AI Arena ผู้เล่นสามารถตั้งค่าการจำลอง บันทึกข้อมูลการเล่นเกม และฝึกโมเดล AI ที่ว่างเปล่า โมเดลเหล่านี้จะเจริญเติบโตตลอดเวลา รักษาความรู้ก่อนหน้าในขณะที่รวมข้อมูลการเล่นเกมใหม่ ลดการต้องเริ่มต้นใหม่ทุกครั้งที่มีการอัพเดต

นี้เปิดโอกาสที่น่าตื่นตาตื่นใจ: ผู้เล่นสามารถขายตัวแทน AI ที่ผ่านการฝึกอบรมเองในตลาด ซึ่งสร้างชั้นโดยการเล่นเกมในเกมใหม่ ใน AI Arena, ผู้ฝึกฝีมือจะสร้างกลุ่มและสามารถให้ความเชี่ยวชาญในการฝึกอบรมกับสตูดิโออื่น ๆ

สำหรับสตูดิโอที่ผสานความสามารถของตัวแทนอย่างเต็มที่ แนวคิดของการเล่นแบบข้างกันก็จะเกิดขึ้น ตัวแทน AI ที่มีอยู่ตลอด 24/7 สามารถเข้าร่วมการแข่งขันหลายตัวพร้อมกัน ทั้งการแข่งขัน การแข่งขันทัวร์นาเมนต์ หรือการเล่นเกมพร้อมกัน ซึ่งช่วยแก้ไขปัญหาความไม่สมดุลของผู้เล่น และเปิดโอกาสใหม่สำหรับการมีส่วนร่วมและการสร้างรายได้

แต่... นั่นไม่ใช่ทั้งหมด...

#3 ARC RL: จากหนึ่งต่อหนึ่งเป็นหลายต่อหนึ่ง

ถ้า AI Arena และ ARC Trainer Platform รู้สึกเหมือนโหมดเล่นเดี่ยว - ที่คุณฝึกโมเดล AI ส่วนตัวของคุณ - ARC RL เหมือนโหมด multiplayer

สมมติว่า: DAO เกมทั้งหมดรวมกันเพื่อสร้างข้อมูลเกมเพื่อฝึกโมเดล AI ที่ทุกคนเป็นเจ้าของและได้รับประโยชน์จากนั้น ตัวแทนหลักเหล่านี้แทนความสามารถร่วมกันของผู้เล่นทั้งหมด ทำให้เกมอีสปอร์ตเปลี่ยนไปด้วยการแข่งขันที่ได้มาจากความพยายามร่วมกันและการทำงานร่วมกัน

ARC RL ใช้การเรียนรู้แบบเสริมกําลัง (นั่นคือ "RL") และรวบรวมข้อมูลการเล่นเกมของมนุษย์เพื่อฝึกตัวแทน "อัจฉริยะ" เหล่านี้

Reinforcement learning ทำงานโดยการรีวอร์ดเอเจนต์สำหรับการดำเนินการที่เหมาะสม มันทำงานได้ดีอย่างเฉพาะเจาะจงในการเล่นเกมเพราะฟังก์ชันการรีวอร์ดเป็นเรื่องชัดเจนและตั้งเป้าเหมาะเหตุ เช่น ความเสียหายที่ได้รับ เงินทองที่ได้รับ หรือชัยชนะ

มีการตั้งตัวอย่างสำหรับสิ่งนี้:

อัลฟ่าโกโดย DeepMind ได้ชนะมนุษย์มืออาชีพในเกม Go โดยการเล่นเกมอันนี้เอง ล้างแต่เล่นเกมและปรับปรุงกลยุทธ์ของมันด้วยการทดสอบแต่ละครั้ง

ฉันไม่เคยเข้าใจมันมาก่อน แต่ OpenAI ได้รู้จักกันดีในวงการเกมมิ่งมาตั้นแรกก่อนที่ chatGPT จะถูกสร้างขึ้น

OpenAI ห้าใช้ RL เพื่อเอาชนะผู้เล่นมืออาชีพที่ดีที่สุดใน Dota 2 โดยเอาชนะแชมป์โลกในปี 2019 มันเป็นผู้เชี่ยวชาญในการทำงานเป็นทีมและกลยุทธ์ที่ล้ำสมัยผ่านการจำลองที่เร่งด่วนและทรัพยากรคอมพิวเตอร์ขนาดใหญ่

OpenAI Five ได้รับการฝึกอบรมโดยการเล่นเกมหลายล้านเกมต่อวัน - เทียบเท่ากับเกมผลลัพธ์จำลองอายุ 250 ปีต่อวัน - บนเครื่องมือที่มีกำลังความสามารถของ 256 หน่วยประมวลผลกราฟิก (GPU) และ 128,000 คอร์ CPU โดยการข้ามกราฟิกเรนเดอร์เพื่อเร่งกระบวนการเรียนรู้อย่างมาก

เริ่มต้นแล้ว AI แสดงพฤติกรรมที่ไม่เสถียรเช่นการเดินทางไปทั่วไป แต่ปรับปรุงได้เร็ว มันเรียนรู้กลยุทธ์พื้นฐานเช่นการเก็บเครื่องในเส้นทางและการขโมยทรัพยากร โดยสุดท้ายก็ก้าวหน้าไปยังการทำศัตรูและการผลักดันก้าวหน้าที่ซับซ้อน

ความคิดสำคัญใน RL คือเอเจนต์ AI เรียนรู้วิธีการประสบความสำเร็จผ่านประสบการณ์แทนที่จะได้รับคำแนะนำโดยตรงเกี่ยวกับวิธีการที่ควรทำ

ARC RL สร้างความแตกต่างโดยใช้การเรียนรู้แบบเสริมกําลังแบบออฟไลน์ แทนที่จะเป็นตัวแทนที่เรียนรู้จากการลองผิดลองถูกของตัวเองมันเรียนรู้จากประสบการณ์ของผู้อื่น นี่เป็นเหมือนนักเรียนดูวิดีโอของผู้อื่นที่ขี่จักรยานสังเกตความสําเร็จและความล้มเหลวของพวกเขาและใช้ความรู้นั้นเพื่อหลีกเลี่ยงการล้มและปรับปรุงให้เร็วขึ้น

วิธีการนี้ให้โอกาสสําหรับการบิดเพิ่มเติม: การฝึกอบรมการทํางานร่วมกันและการเป็นเจ้าของร่วมของแบบจําลอง สิ่งนี้ไม่เพียง แต่ทําให้การเข้าถึงตัวแทน AI ที่มีประสิทธิภาพเป็นประชาธิปไตย แต่ยังจัดแรงจูงใจสําหรับนักเล่นเกมกิลด์และนักพัฒนา

มีบทบาทสองอย่างสำคัญในการสร้าง 'เอเจนต์เกมอัจฉริยะ'

1. ผู้สนับสนุน: ผู้นําที่เหมือนกิลด์ที่เดิมพันโทเค็น NRN ที่สําคัญเพื่อเริ่มต้นและจัดการตัวแทน RL สปอนเซอร์สามารถเป็นหน่วยงานใดก็ได้ แต่น่าจะเป็นกิลด์เกม DAOs ชุมชน web3 และแม้แต่ตัวแทนบุคลิกภาพแบบออนเชนยอดนิยมเช่น Luna
2. ผู้เล่น: บุคคลทั่วไปที่เดิมพันจำนวนน้อยของโทเค็น NRN เพื่อส่งข้อมูลการเล่นเกมของพวกเขาเพื่อฝึกฝนเอเจนต์

ผู้สนับสนุนจะประสานงานและคำแนะนำทีมผู้เล่นของพวกเขา โดยให้ข้อมูลการฝึกฝนที่มีคุณภาพสูงที่จะทำให้ตัวแทน AI ของพวกเขามีความได้เปรียบในการแข่งขันที่ใช้ตัวแทน

รางวัลจะถูกแจกจ่ายตามผลงานของตัวแทนพิเศษในการแข่งขัน 70% ของรางวัลจะไปยังผู้เล่น 10% ไปยังผู้สนับสนุนและเหลือเพียง 20% ถูกเก็บไว้ในคลังสินค้า NRN โครงสร้างนี้จะช่วยให้มีส่วนร่วมของทุกคนในการตัดสินใจให้กำไร

การสนับสนุนข้อมูล

คุณจะทําให้ผู้เล่นตื่นเต้นกับการให้ข้อมูลการเล่นเกมของพวกเขาได้อย่างไร? ไม่ง่าย

ARC ทําให้ข้อมูลการเล่นเกมมีส่วนร่วมเป็นเรื่องง่ายและคุ้มค่า ผู้เล่นไม่จําเป็นต้องมีความเชี่ยวชาญเพียงแค่เล่นเกม หลังจากเซสชัน (เช่น Mario Kart) พวกเขาจะได้รับแจ้งให้ส่งข้อมูลเพื่อฝึกอบรมตัวแทนเฉพาะ แดชบอร์ดติดตามการมีส่วนร่วมและตัวแทนที่ได้รับการสนับสนุน

อัลกอริธึมการระบุแหล่งที่มาของ ARC รับประกันคุณภาพโดยการประเมินการมีส่วนร่วมและให้รางวัลแก่ข้อมูลที่มีคุณภาพสูงและมีผลกระทบ

น่าสนใจที่ข้อมูลของคุณสามารถเป็นประโยชน์ได้ แม้ว่าคุณจะเป็นผู้เล่นที่แย่ (เช่นฉัน) การเล่นที่แย่ช่วยให้ตัวแทนเรียนรู้ว่าควรทำอย่างไร ในขณะที่การเล่นที่เก่งช่วยให้เรียนรู้กลยุทธ์ที่เหมาะสม ข้อมูลที่ซ้ำซ้อนเช่นการเก็บเกี่ยวซ้ำๆ ถูกระบายออกเพื่อรักษาคุณภาพ

เพื่อสรุปคือ ARC RL ถูกออกแบบให้เป็นผลิตภัณฑ์ตลาดมวลชนที่มุ่งเน้นการมีส่วนร่วมร่วมกันของตัวแทนที่เกินกว่าความสามารถของมนุษย์

ขนาดตลาด

เทคโนโลยีแพลตฟอร์มของ ARC เป็นหลากหลายและออกแบบมาเพื่อใช้งานในหลากหลายประเภท เช่น เกมยิงปืน เกมต่อสู้ เกมคาสิโนสังคม การแข่งรถ เกมไพ่สะสม และ RPGs มันถูกออกแบบให้เหมาะสมสำหรับเกมที่ต้องการให้ผู้เล่นติดตาม

มีทางเลือกในการตลาดสำหรับ ARC สองช่องทางที่เป็นธรรมชาติที่เป้าหมาย

ARC มุ่งเน้นไปที่นักพัฒนาและสตูดิโออินดี้เป็นหลักมากกว่าสตูดิโอขนาดใหญ่ที่เป็นที่ยอมรับ สตูดิโอขนาดเล็กเหล่านี้มักจะดิ้นรนเพื่อดึงดูดผู้เล่นตั้งแต่เนิ่นๆ เนื่องจากทรัพยากรการสร้างแบรนด์และการจัดจําหน่ายที่จํากัด

เอเออาร์ซี เอไอ เอเจ้นท์ แก้ปัญหานี้ด้วยการสร้างสภาพแวดล้อมในเกมที่สดใสตั้งแต่เริ่มต้น ทำให้เกมเป็นไปได้อย่างไร้ข้อจำกัด แม้กระทั่งในช่วงเริ่มต้นของเกม

ข้อมูลเชิงลึกของวิดีโอเกม

อาจจะน่าแปลกใจสำหรับผู้ส่วนใหญ่ แต่ภูมิภาคเกมอินดี้เป็นกำลังสำคัญในตลาดเกม

• 99% ของเกมที่เปิดตัวบน Steam เป็นเกมอินดี้ (ต้นทาง)
• เกมอินดี้สร้างรายได้รวม 48% ของรายได้ทั้งหมดบน Steam ในปี 2024

ตลาดเป้าหมายอีกแห่งหนึ่งคือ Web3 Games เกม Web3 ส่วนใหญ่ได้รับการพัฒนาโดยสตูดิโอใหม่ซึ่งต้องเผชิญกับความท้าทายที่ไม่เหมือนใครเช่นการเริ่มต้นใช้งานกระเป๋าเงินความสงสัยในการเข้ารหัสลับและต้นทุนการได้มาซึ่งลูกค้าที่สูง เกมเหล่านี้มักประสบปัญหาสภาพคล่องของผู้เล่น ซึ่งตัวแทนที่ขับเคลื่อนด้วย AI สามารถเติมเต็มช่องว่างในการแข่งขันและทําให้การเล่นเกมมีส่วนร่วม

ในขณะที่เกม Web3 มีปัญหาในช่วงเวลาที่ผ่านมาเนื่องจากขาดประสบการณ์ที่น่าตื่นเต้น แต่มีสัญญาณของการฟื้นตัวกำลังปรากฏออกมา

ตัวอย่างเช่น "Off the Grid" ซึ่งเป็นหนึ่งในเกม AAA Web3 เกมแรกที่ประสบความสําเร็จในช่วงต้นความสำเร็จที่เป็นที่ยอมรับในวงการเมื่อเร็วๆ นี้ มีการสร้างกระเป๋าเงิน 9 ล้านกระเป๋าและมีธุรกรรม 100 ล้านในเดือนแรก สร้างทางเดินสำหรับความสำเร็จที่กว้างขวางในกลุ่มธุรกิจ สร้างโอกาสให้ ARC สนับสนุนการฟื้นตัวนี้

ทีม ARC

ทีมผู้ก่อตั้งของ ArenaX Labs มีความเชี่ยวชาญในการเรียนรู้ของเครื่องและการจัดการการลงทุนอย่างมาก

Brandon Da Silva, กรรมการผู้จัดการและกรรมการผู้จัดการฝ่ายเทคโนโลยีก่อนหน้านี้เคยเป็นผู้นำด้านการวิจัยเชิงประมวลผลทางเครื่องคอมพิวเตอร์ที่บริษัทลงทุนแคนาดาที่เชี่ยวชาญด้านการเรียนรู้แบบเสริมแรงเรียนรู้แบบ Bayes และความสามารถในการปรับตัวของโมเดล เขาเป็นผู้นำในการพัฒนากลยุทธ์การซื้อขายแบบปริมาณเป็น 1 พันล้านดอลลาร์ที่เน้นความเสี่ยงที่เท่าเทียมกันและการบริหารการลงทุนในพอร์ตโซ่สินทรัพย์หลายชนิด

เว่ยเซี่ย, COO จัดการพอร์ตการลงทุนกลยุทธ์สดมูลค่า 7 พันล้านดอลลาร์ในบริษัทเดียวกันและเป็นประธานโปรแกรมลงทุนในนวัตกรรม โดยเน้นในสาขาที่กำลังเป็นที่สนใจอย่าง AI, machine learning และเทคโนโลยี Web3

ห้องปฏิบัติการ ArenaX ระดมทุนรอบเมล็ดพันธุ์ $ 5M ในปี 2021 นําโดย Paradigm และมีส่วนร่วมโดย Framework ventures มันยกรอบต่อไปมูลค่า $6M เมื่อมกราคม 2024 นำโดย Framework ร่วมกับ SevenX Ventures, FunPlus / Xterio และ Moore Strategic Ventures เข้าร่วม

NRN Token-economics — การปรับปรุงใหม่ที่ดี

ARC/AI Arena มีโทเค็นสด NRN ก่อนอื่นเรามาดูกันว่าวันนี้เราอยู่ที่ไหน

การสำรวจด้านการจัดหาและด้านที่ต้องการจะให้เรามีภาพที่ชัดเจนขึ้นเกี่ยวกับที่อาจเกิดขึ้นได้ในอนาคต

Supply Side

อุปทานทั้งหมดของ NRN คือ 1B ซึ่ง ~ 409M (40.9%) กําลังหมุนเวียนอยู่ในปัจจุบัน

ในขณะที่เขียน ราคาโทเค็นคือ $0.072 ซึ่งหมายถึงมูลค่าตลาดที่ $29M และการประเมินมูลค่าที่เจือจางเต็มที่ $71M

NRN เปิดตัวเมื่อวันที่ 24 มิถุนายน 2024 และอุปทานหมุนเวียน 40.9% มาจาก

• Community airdrop (8% ของทั้งหมด)
• คลังกู้ภัย (ปลดล็อค 2.9% จากทั้งหมด 10.9% เป็นเวลา 36 เดือน)
• Community ecosystem rewards (30%)

อุปทานหมุนเวียนส่วนใหญ่ (30% จาก 40.9%) ประกอบด้วยรางวัลระบบนิเวศของชุมชนซึ่งโครงการจัดการและจัดสรรเชิงกลยุทธ์สําหรับสิ่งจูงใจการปักหลักรางวัลในเกมความคิดริเริ่มการเติบโตของระบบนิเวศและโปรแกรมที่ขับเคลื่อนโดยชุมชน

ตารางปลดล็อกนัดหมายดูดี ไม่มีเหตุการณ์สำคัญในอนาคตใกล้เคียง:

• การปลดล็อกถัดไปคือการขาย OTC ของมูลนิธิ (1.1%) ที่เริ่มต้นในธันวาคม 2024 และปลดล็อกแบบเชิงเส้นราบเป็นเวลา 12 เดือน ส่วนนี้เพิ่มประมาณ ~0.09% ต่อสัปดาห์ และไม่น่าเป็นสิ่งที่ส่งผลให้เกิดความกังวลมากนัก
• การจัดสรรของนักลงทุนและผู้มีส่วนร่วม (50% ของจำนวนทั้งหมด) จะไม่เริ่มปลดล็อกจนถึงเดือนมิถุนายน 2025 และแม้กระทั่งในช่วงเวลานั้น จะถูกปล่อยออกมาเป็นแบบเชิงเส้นลงตัวเป็นระยะเวลา 24 เดือน

สําหรับตอนนี้แรงขายคาดว่าจะยังคงสามารถจัดการได้ค่อนข้างมากซึ่งส่วนใหญ่เกิดจากผลตอบแทนของระบบนิเวศ กุญแจสําคัญคือความไว้วางใจในความสามารถของทีมในการปรับใช้เงินทุนเหล่านี้อย่างมีกลยุทธ์เพื่อขับเคลื่อนการเติบโตของโปรโตคอล

ด้านอุปสงค์

NRN v1 — เศรษฐกิจที่ขึ้นอยู่กับผู้เล่น

เริ่มต้นเดิม NRN ถูกออกแบบให้เป็นทรัพยากรกลยุทธ์ที่เชื่อมโยงอย่างเฉพาะเจาะจงกับเศรษฐกิจเกม AI Arena

ผู้เล่นเดิมพัน NRN กับผู้เล่น AI ของพวกเขารับรางวัลจากพูลหากพวกเขาชนะและสูญเสียเงินเดิมพันบางส่วนหากพวกเขาแพ้ สิ่งนี้สร้างไดนามิก "skin-in-the-game" เปลี่ยนเป็นกีฬาที่มีการแข่งขันพร้อมสิ่งจูงใจทางการเงินสําหรับผู้เล่นที่มีทักษะ

รางวัลจะถูกแจกจ่ายโดยใช้ระบบที่ใช้ ELO เพื่อให้แน่ใจว่าการจ่ายเงินที่สมดุลตามทักษะ แหล่งรายได้อื่น ๆ ได้แก่ การซื้อไอเท็มในเกมการอัพเกรดเครื่องสําอางและค่าธรรมเนียมแรกเข้าทัวร์นาเมนต์

โมเดลโทเค็นเริ่มต้นนี้ ขึ้นอยู่กับความสำเร็จของเกมและการเข้ามาของผู้เล่นใหม่ที่พร้อมจะซื้อ NRN และ NFT เพื่อเข้าร่วม

ซึ่งนำเรามาสู่เหตุผลที่เราตื่นเต้นมาก...

NRN v2 - เศรษฐกิจแบบเล่นเกมและพื้นฐาน

โทเค็น v2 ที่ปรับปรุงใหม่ของ NRN นําเสนอตัวขับเคลื่อนความต้องการใหม่ที่มีประสิทธิภาพโดยการขยายยูทิลิตี้ของโทเค็นนอกเหนือจาก AI Arena ไปยังแพลตฟอร์ม ARC ที่กว้างขึ้น วิวัฒนาการนี้เปลี่ยน NRN จากโทเค็นเฉพาะเกมให้เป็นโทเค็นแพลตฟอร์ม นี่เป็นแง่บวกอย่างมากในความคิดของฉัน

3 ตัวขับเคลื่อนความต้องการใหม่สําหรับ NRN ได้แก่ :

1. รายได้จากการรวม ARC สตูดิโอเกมที่รวม ARC จะสร้างรายได้ให้กับคลังผ่านค่าธรรมเนียมการรวมและค่าลิขสิทธิ์อย่างต่อเนื่องที่เชื่อมโยงกับประสิทธิภาพของเกม กองทุนคลังสามารถกระตุ้นการซื้อคืน NRN ขยายระบบนิเวศและจูงใจผู้เล่นบนแพลตฟอร์มเทรนเนอร์
2. ค่าธรรมเนียมตลาดผู้สอน NRN จะรับมูลค่าจากค่าธรรมเนียมในตลาดผู้สอน ที่ผู้เล่นสามารถซื้อขายโมเดล AI และข้อมูลการเล่นเกมได้
3. การสเตคสำหรับการเข้าร่วม ARC RL: ผู้สนับสนุนและผู้เล่นต้องสเตค NRN เพื่อเข้าร่วม ARC RL นับเป็นจำนวนผู้เล่นที่เข้าร่วม ARC RL เพิ่มขึ้น ความต้องการสำหรับ NRN ก็จะขยายตัวตามนั้น

สิ่งที่น่าตื่นเต้นมากคือการรวมรายได้จากสตูดิโอเกม นี่เป็นการเปลี่ยนแปลงจากแบบจำลอง B2C เป็นแบบผสมระหว่าง B2C และ B2B ซึ่งสร้างกระแสเงินทุนจากภายนอกเข้าสู่เศรษฐกิจ NRN อย่างต่อเนื่อง ด้วยตลาดที่กว้างขึ้นของ ARC กระแสรายได้นี้จะเกินรายได้ที่ AI Arena เพียงอย่างเดียว

ค่าธรรมเนียมตลาดผู้สอน ซึ่งมีความมั่นใจ ขึ้นอยู่กับระบบนี้ที่ต้องบรรลุขึ้นมาถึงจุดสำคัญ - เพียงพอต่ออายุการเล่นของเกม ผู้สอน และผู้เล่นเพียงพอที่จะรองรับกิจกรรมการซื้อขายที่ยั่งยืน นี่คือการเล่นในระยะยาว

ในระยะเวลาอันใกล้การปักหลักสําหรับ ARC RL น่าจะเป็นตัวขับเคลื่อนอุปสงค์ที่ฉับพลันและสะท้อนกลับได้มากที่สุด กลุ่มรางวัลเริ่มต้นที่ได้รับการสนับสนุนอย่างดีและความตื่นเต้นของการเปิดตัวผลิตภัณฑ์ใหม่อาจจุดประกายการยอมรับในช่วงต้นผลักดันราคาโทเค็นและดึงดูดผู้เข้าร่วม สิ่งนี้สร้างลูปข้อเสนอแนะของอุปสงค์และการเติบโตที่เพิ่มขึ้น อย่างไรก็ตามการย้อนกลับก็เป็นไปได้เช่นกันหาก ARC RL พยายามดิ้นรนเพื่อให้ผู้ใช้มีส่วนร่วมความต้องการอาจจางหายไปอย่างรวดเร็ว

ศักยภาพสำหรับผลกระทบของเครือข่ายมีขนาดใหญ่: เกมมากขึ้น → ผู้เล่นมากขึ้น → เกมมากขึ้นเข้าร่วม → ผู้เล่นมากขึ้นอีกด้วย วงจรที่ดีนี้อาจทำให้ NRN เป็นโทเค็นสำคัญในระบบนวัตกรรมการเล่นเกม Crypto AI

แม่ของโมเดลเกมมิ่ง AI

ช่วงท้ายเกมคืออะไร? จุดแข็งของ ARC อยู่ที่ความสามารถในการสรุปเกมประเภทต่างๆ เมื่อเวลาผ่านไปสิ่งนี้ทําให้พวกเขาสามารถรวบรวมข้อมูลเฉพาะการเล่นเกมที่ไม่เหมือนใคร เมื่อ ARC รวมเข้ากับเกมมากขึ้นก็สามารถดึงข้อมูลนี้กลับเข้าสู่ระบบนิเวศได้อย่างต่อเนื่องสร้างวงจรการเติบโตและการปรับแต่งที่ยอดเยี่ยม

เมื่อชุดข้อมูลเกมที่ผ่านการตัดเตือนนี้มีขนาดที่สำคัญ มันจะกลายเป็นทรัพยากรที่มีคุณค่าอย่างมาก จินตนาการใช้มันเพื่อฝึกโมเดล AI ที่สามารถใช้ได้ทั่วไปสำหรับการพัฒนาเกม - เปิดรูปโจทย์ใหม่สำหรับการออกแบบ ทดสอบ และปรับปรุงเกมให้มีขนาดใหญ่

ยังเร็วไปหน่อยแต่ในยุค AI ที่ข้อมูลเป็นน้ำมันใหม่ ศักยภาพที่นี่ไม่มีข้อจำกัด

ความคิดของเรา

1. NRN พัฒนาไปสู่การเล่นแพลตฟอร์ม — Token Repricing

ด้วยการเปิดตัว ARC และ ARC RL โครงการนี้ไม่ได้เป็นเพียงสตูดิโอเกมชื่อเดียวอีกต่อไป แต่ตอนนี้วางตําแหน่งตัวเองเป็นแพลตฟอร์มและการเล่น AI การเปลี่ยนแปลงนี้ควรนําไปสู่การจัดอันดับโทเค็น NRN ใหม่ ซึ่งก่อนหน้านี้จํากัดอยู่ที่ความสําเร็จของ AI Arena การแนะนําโทเค็นใหม่ผ่าน ARC RL รวมกับความต้องการภายนอกจากข้อตกลงการแบ่งปันรายได้กับสตูดิโอเกมและค่าธรรมเนียมการทําธุรกรรมผู้ฝึกสอนสร้างรากฐานที่กว้างขึ้นและหลากหลายมากขึ้นสําหรับยูทิลิตี้และมูลค่าของ NRN

1. ความสําเร็จเชื่อมโยงกับสตูดิโอเกมพันธมิตรอย่างใกล้ชิด

รูปแบบธุรกิจของ ARC เชื่อมโยงความสําเร็จกับสตูดิโอที่รวมเข้าด้วยกัน เนื่องจากกระแสรายได้ขึ้นอยู่กับการจัดสรรโทเค็น (ในเกม Web3) และการชําระเงินตามค่าลิขสิทธิ์จากเกม มันคุ้มค่าที่จะดูเกมที่รวมเข้าด้วยกันอย่างใกล้ชิด

หากเกมที่เปิดใช้งาน ARC ประสบความสําเร็จอย่างมากมูลค่าที่ได้จะไหลกลับไปยังผู้ถือ NRN ในทางกลับกันหากเกมพันธมิตรประสบปัญหาการไหลของมูลค่าจะถูก จํากัด โครงสร้างนี้สอดคล้องกับแรงจูงใจระหว่าง ARC และสตูดิโอเกมโดยธรรมชาติ

1. คาดหวังการผสานรวมกับ Web3 Games มากขึ้น

แพลตฟอร์ม ARC เป็นอะไรที่เหมาะสำหรับเกม Web3 ซึ่งการเล่นเกมแข่งขันที่ได้รับสิ่งแวดล้อมส่งเสริมให้เข้ากันได้อย่างลงตัวกับเศรษฐศาสตร์ที่ใช้โทเค็นอยู่แล้ว

โดยการรวม ARC เกม Web3 สามารถเข้าถึงเรื่องราวของ 'AI Agent' ได้ทันที ARC RL นำชุมชนมาไว้ด้วยกันและกระตุ้นให้พวกเขามุ่งหวังในเป้าหมายร่วมกัน นอกจากนี้ยังเปิดโอกาสใหม่สำหรับกลไกนวัตกรรม เช่น การทำให้แคมเปญเล่นเพื่อให้ได้รับ airdrop มีความสนุกสนานมากขึ้นสำหรับผู้เล่น โดยรวม AI และสิทธิ์แบบโทเค็น ARC เพิ่มความลึกลับและความตื่นเต้นที่เกมแบบดั้งเดิมไม่สามารถทำได้

1. การเล่นเกม AI มีเส้นความชันในการเรียนรู้

การเล่น AI มีความยากมากและต้องใช้เวลาเรียนรู้มาก ซึ่งอาจสร้างความขัดแย้งสำหรับผู้เล่นใหม่ ฉันใช้เวลาหนึ่งชั่วโมงเพียงเพื่อค้นหาวิธีการฝึกฝนผู้เล่นของฉันใน AI Arena อย่างถูกต้อง

อย่างไรก็ตาม ประสบการณ์ของผู้เล่นใน ARC RL มีความสะดวกสบายมากขึ้น เนื่องจากการฝึกฝน AI ได้รับการดูแลในส่วน Backend ในขณะที่ผู้เล่นเล่นเกมและส่งข้อมูลของพวกเขา คำถามอีกข้อหนึ่งคือผู้เล่นจะรู้สึกอย่างไรเมื่อต้องแข่งขันกับผู้อื่นโดยที่รู้ว่าเป็น AI ของคู่แข่งของพวกเขา จะมีผลต่อประสบการณ์การเล่นอย่างไร จะเพิ่มหรือลดความสุขสำหรับผู้เล่น ต้องรอดูอีกสักครู่

อนาคตที่สดใส

AI กำลังจะปลดล็อกประสบการณ์ใหม่ที่น่าตื่นเต้นในโลกเกม

ทีมอย่าง Parallel Colonyและเวอร์ชวล กําลังผลักดันขอบเขตด้วยตัวแทน AI ที่เป็นอิสระในขณะที่ ARC แกะสลักช่องโดยมุ่งเน้นไปที่การโคลนพฤติกรรมของมนุษย์ซึ่งนําเสนอแนวทางที่เป็นนวัตกรรมใหม่ในการแก้ปัญหาความท้าทายด้านสภาพคล่องของผู้เล่นโดยไม่มีโทเค็นที่ไม่ยั่งยืน

การเปลี่ยนจากเกมเป็นแพลตฟอร์มที่สมบูรณ์เป็นกระโดดใหญ่สำหรับ ARC นี้ไม่เพียงเปิดโอกาสให้กับสตูดิโอเกมที่ใหญ่ขึ้นเท่านั้น แต่ยังเปลี่ยนภาพถ่ายวิธีการ AI ที่ผสมผสานกับเกม

ด้วยโทเค็นอิโคโนมิกส์ที่ได้รับการปรับปรุงและศักยภาพในเรื่องของเอฟเฟ็กต์เครือข่ายที่มีกำลังในการเติบโต ดูเหมือนว่า ARC กำลังเริ่มต้นอยู่เพียงเท่านั้น

คำเตือน:

1. บทความนี้พิมพ์ซ้ําจาก [chainofthought]. สิทธิ์ในลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [ เต็งเหยียน]. หากมีการคัดค้านการพิมพ์ซ้ํานี้โปรดติดต่อ ประตูเรียนรู้ทีม และพวกเขาจะดำเนินการด้วยรวดเร็ว
2. คำปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นสิ่งที่เป็นมิตรของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำทางการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่น ๆ ทำโดยทีมผู้เรียนของ Gate หากไม่ได้กล่าวถึงให้คัดลอก แจกจ่าย หรือลอกเลียนแบบบทความที่แปลไว้