《游戏大师Chris Crawford谈互动叙事》一22.3 积极的预测

本节书摘来异步社区《游戏大师Chris Crawford谈互动叙事》一书中的第22章,第22.3节,作者: 【美】Chris Crawford译者: 方舟 责编: 陈冀康,更多章节内容可以访问云栖社区“异步社区”公众号查看。

22.3 积极的预测

游戏大师Chris Crawford谈互动叙事
积极的预测几乎是鞭长莫及的。预测什么事情会发生的风险比预测什么事情不会发生更大。因此接下来的一些预测就相对比较宽泛了。

22.3.1 女性会成为互动叙事发展的骨干力量

自20世纪80年代以来,游戏界人士就一直在谈论所谓“女性游戏”的话题。基于这个思路推出的第一款游戏是《吃豆人小姐》1,也被戏称为“头上顶个领结的吃豆人”。游戏开发者还曾经用“把枪设计成粉红色”这样的话来讥讽“针对女性的电子游戏”的提法。所有人都意识到游戏似乎一直无法打入庞大的女性消费市场2,但数十年的探索和尝试似乎都没有取得太多进展。究其原因,其实显而易见:空间推理(spatial reasoning)与社会推理(social reasoning)相比,女性对后者更感兴趣。现今的游戏大多强调前者而缺乏后者。


你这不是说胡话吗?社交游戏现在不是红得发紫了吗?

请牢记Crawford软件设计第一定律:“始终考虑用户做什么,用户行为涉及的动词是什么”。现在的社交游戏当中的动词运用可谓是简单生硬,本质上还是面向空间推理的。社交行为在这些游戏当中并不具有核心地位,仍然只是辅助性的次要元素。

互动叙事与传统游戏之间最大的区别就在于社会推理。互动叙事包含大量的社会推理活动,而电子游戏则极少包含它们。与打打杀杀相比,女性玩家更倾向于选择以社会推理活动为主的娱乐项目。因此,互动叙事对于女性群体的吸引力将会远远大于传统男性游戏玩家。

22.3.2 成功的互动叙事会来自独立开发者

最先在商业市场上获得突破的互动叙事产品将会来自势单力薄的独立开发者。如果有学生在进修了互动叙事课程之后希望创业,那么笔者愿意全力支持他们。当然,笔者也不排除其他人首先取得成功的可能性—如果我能够放下手里的琐事,转而继续探索互动叙事,搞不好我也能成功呢!

22.3.3 早期的故事世界的视觉效果不会太好

因为早期的互动叙事产品会出自独立开发者之手,所以这样的产品不会包含成本高昂的惊艳视听效果。当然,首款取得商业成功的互动叙事产品大概也不会只用文本和表情图标来凑合。

22.3.4 互动叙事更有可能在欧洲首先获得成功

成功没有秘诀;失败才是最好的老师。笔者对互动叙事的深入理解恰恰得益于失败的经验和教训。北美的开发商主宰者电子游戏市场,他们的市场利润数以亿计,赚得不亦乐乎,恐怕不会把本投在互动叙事这种“阳春白雪”的领域当中。另一方面,欧洲则是蓄势待发。他们知道自己无法在电子游戏市场与北美相抗衡,却同样拥有天分和热情,也不像北美那样深受“两种文化”的毒害。

欧洲在互动叙事领域的主宰地位,从学术研究论文的情况可见一斑。笔者检索了互动叙事的主流会议文集(来自 International Conference on Interactive Digital Storytelling,ICIDS,即数码互动叙事国际会议),发现其中52篇来自欧洲,35篇来自北美,15篇来自其他国家和地区。

第21章提到过的IRIS项目是欧盟筹建的雄心勃勃的互动叙事研究项目。该项目资金投入充足,参与方囊括了7个国家的10所院校,美国完全没有类似的先例。

此外,笔者在与许多欧洲的互动叙事领域探索者进行交流之后,发现他们具备正确的态度和该有的知识储备来探索互动叙事。希望我的这番话能够鼓励欧洲加倍努力,进而敦促美国也能跟上发展的脚步。

22.3.5 对时间进程的预测

下面再来说说最大的问题:互动叙事离我们还有多远?笔者曾经对此过于乐观;在出版于2005年的本书第一版当中,笔者做出过如下的预测:

首款货真价实的互动叙事产品会在2006年至2008年之间面市,到2010年我们会拥有一个蓄势待发的市场,几家小公司之间的激烈竞争将会推动整个市场的蓬勃发展。2010年至2020年的10年之间,大公司会逐渐吞并小的竞争对手,互动叙事市场会走向成熟并且得到极大的拓展,互动叙事也会成为大众媒体。

笔者的上述预测可谓是言过其实。这些年的发展让我认识到,对互动叙事的探索相当艰难,人们对交互的基本概念的理解和接纳也比想象得慢。在笔者发起的Phrontisterion会议3上,我经常须要就基本原则的问题进行辩论。

2012年的Phrontisterion会议最能让人清醒地意识到问题的严峻程度。与会者在讨论了技术策略的议题之后得出结论:目前还没有在基础问题上达成共识,无法探讨任何一种策略的优劣问题。与会者无法就互动叙事的概念达成一致,甚至连基本的术语都无法达成统一的认识;大家唯一都认同的观点是,互动叙事当中的“active agents”应该被称为“characters(角色)”,而不是“actors”或“agents”。整个会议只有11个人参加,所有人都是领域内的尖子;即使这样,大家也无法在最基本的问题上达成共识。我们对互动叙事的理解差异如此之大,显然说明这个领域尚处在早期发展阶段。我们离探讨技术实现还差得十万八千里,恐怕在概念性问题的定夺方面都还需要10年的时间。

有鉴于此,笔者决定在本书第二版里做出比较悲观的时间预测:我们会看到许多互动叙事的早期原型产品和失败尝试,至少要等到2020年才有可能有像样儿的商业产品出现。

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值