人要作出一個判斷往往都是根據過往的經驗和認知來決定的。</p>
那麽機器是什麽做的呢？</p>
對於普通計算機算法而言，算法作出一個判斷是通過程序語言來實現的。</p>
這裏用if，else語句舉個簡單的例子（為了簡單明了，判斷條件和輸出都沒用嚴格的程序語言，勿杠）。</p>
if（讀者x投了推薦票）：</p>
讀者x長得很帥</p>
else：</p>
讀者x長得一般</p>
對於普通計算機算法而言，通過上麵的判斷語句，它就知道投了推薦票的讀者才是長得帥的。</p>
但若是程序員有一天發現，某些投了推薦票的讀者好像也長得挺一般啊，於是他優化了算法，將判斷條件改成了（讀者x投了推薦票and讀者x投了月票）。</p>
這時候對於算法來說，隻有同時投了推薦票和月票的讀者才是長得帥的。</p>
後來，程序員會發現，不管自己怎麽加判斷條件，似乎總有那麽一兩個讀者會跳出來推翻他的結論，他要手動製定規則讓計算機精準識別長得帥的讀者非常困難。</p>
這時候，就需要用到機器學習算法了。</p>
那麽機器學習算法是怎麽做的呢？</p>
我們隻需要隨機挑選一定數量的讀者（機器學習領域叫做訓練數據），製成一個表格，表格裏記錄上這些讀者的一些屬性，如是否投過推薦票、是否投過月票、是否留過評論、是否點過讚、是否打賞過等等（機器學習領域叫做特征），在最後一列記錄下結論，即帥還是不帥（機器學習領域叫做標簽）。</p>
將這樣一個訓練數據提供給機器學習算法，訓練結束之後，它會學習出一個關於讀者的特征和該讀者是否帥之間關係的模型。</p>
此時再讓它來判斷一個新讀者是否帥，他便會根據這個訓練模型給出一個該讀者帥的概率和不帥的概率。</p>
顯而易見，隻要給機器學習的訓練數據量越大，那麽其學習後得出正確結論的概率也越高。</p>
正因如此，機器學習才被廣泛運用到很多工作場景之中，比如道路攝像頭拍照後直接識別駕駛員當前駕駛狀態是正常駕駛、抽煙、打電話、單手握方向盤、和乘客聊天還是在做其他事。</p>
</p>
如此強大的學習能力再結合上同樣先進的人工智能技術，人們會擔心所謂的智械危機也就不足為怪了。</p>
但這篇論文所提到的機器學習和顧楓基於前世認知所了解到的機器學習又有比較大的區別。</p>
基於該世界更為先進的人工智能技術和數字生命技術，機器學習可以直接做到語言教導和行為教導。</p>
這就和父母教導孩子什麽是豬，怎麽寫字是一個道理。</p>
其實本質上這個過程又回歸到最原始的算法，即程序員通過算法讓計算機做一些事。</p>
隻是在這種數字生命領域的機器學習之中，數字生命可以自動識別它聽到的話和看到的現象，然後自行生成一段新的代碼，這段新代碼便是它對一段話或是某種現象學習產生的認知。</p>
盡管當前依舊沒有真正誕生第一個數字生命，但人們對於這種技術下誕生的人工智能是遠比前世那種人工智能要放心得多的。</p>
畢竟在數字生命的限製下，這種形式的人工智能是無法通過自由穿梭互聯網從而快速學習的，它也必須和人一樣，需要去聽、去看、去做，才能逐漸學習進步，提升自己的認知和能力。</p>
顧楓心中毫不吝嗇給科學家們點了個大大的讚。</p>
這樣的技術，不用在遊戲領域，簡直就是暴殄天物。</p>
前世早在他穿越的十幾年前，就已經有不少遊戲打出了APC的噱頭吸引玩家，也就是號稱有AI的NPC。</p>
其實這也無可厚非，畢竟玩家們雖然不是特別在意，但若是遊戲中的NPC都能更人性化，更有血有肉一點，誰又願意麵對一個永遠隻會說重複的幾句話的人呢？</p>
據顧楓查閱的資料了解到的情況，數字生命技術或許也就這兩年時間，就能夠成熟到可以商用的程度。</p>
既然技術的瓶頸已經確認不是問題，顧楓心裏那個超級IP計劃也終於可以開始規劃，爭取早日執行起來了。</p>
打開一個空白文檔，顧楓輕巧地在首行敲下了標題——寶可夢大世界。</p>
顧楓這一次寫規劃書的速度遠沒有此前寫遊戲設計書時快，此時的他，就像是一個苦大仇深的網文小撲街，想的時候一肚子想法，真到寫的時候，經常琢磨半天才能憋出一小段話。</p>
顧楓並不是太清楚前世寶可夢是動畫在前還是遊戲在前，但是不重要，既然想要讓IP的價值發揮到最大，那遊戲肯定是不能做在動畫之前。</p>
漫改遊戲和遊戲漫改那可完全就是兩碼事。</p>
除了動畫和遊戲，顧楓的計劃中還考慮了小說和電影。</p>
這裏的電影指的當然不是動畫劇場版，而是像《精靈寶可夢：大偵探皮卡丘》這樣的電影，畢竟動畫劇場版說到底麵向的受眾還是看動畫的那批人，而《精靈寶可夢：大偵探皮卡丘》這樣的二創電影才能夠吸引更多不喜歡看動畫的人。</p>
不過電影的計劃不是特別必要，在規劃中的優先級不用放太高。</p>
至於動畫，顧楓也有一個大膽的想法，他不打算使用動畫原作。</p>
原因很簡單，原作雖然經典，但終究還是偏低齡向了一點，有時候他甚至都懷疑，如果精靈寶可夢動畫誕生晚二十年，它還火得起來嗎？可能真未必。</p>
就寶可夢的題材而言，它是完全可以在故事安排和人物塑造上更加成熟的，畢竟終極目標是遊戲嘛，理論上雖然預期中VR寶可夢麵向的玩家群體是全年齡段不分性別，但實際上顧楓清楚，真正的核心玩家群體，必然還是18到20多歲的年輕玩家們。</p>
好勝心強、精力旺盛、遊戲專研熱情高都是這個年齡段玩家的特點，既然顧楓想要將其打造成劃時代的競技神作，抓住這一批玩家的心自然是重中之重。</p>
所以放棄原作，將動畫做得更成熟便成了勢在必行的選擇。</p>
那麽機器是什麽做的呢？</p>
對於普通計算機算法而言，算法作出一個判斷是通過程序語言來實現的。</p>
這裏用if，else語句舉個簡單的例子（為了簡單明了，判斷條件和輸出都沒用嚴格的程序語言，勿杠）。</p>
if（讀者x投了推薦票）：</p>
讀者x長得很帥</p>
else：</p>
讀者x長得一般</p>
對於普通計算機算法而言，通過上麵的判斷語句，它就知道投了推薦票的讀者才是長得帥的。</p>
但若是程序員有一天發現，某些投了推薦票的讀者好像也長得挺一般啊，於是他優化了算法，將判斷條件改成了（讀者x投了推薦票and讀者x投了月票）。</p>
這時候對於算法來說，隻有同時投了推薦票和月票的讀者才是長得帥的。</p>
後來，程序員會發現，不管自己怎麽加判斷條件，似乎總有那麽一兩個讀者會跳出來推翻他的結論，他要手動製定規則讓計算機精準識別長得帥的讀者非常困難。</p>
這時候，就需要用到機器學習算法了。</p>
那麽機器學習算法是怎麽做的呢？</p>
我們隻需要隨機挑選一定數量的讀者（機器學習領域叫做訓練數據），製成一個表格，表格裏記錄上這些讀者的一些屬性，如是否投過推薦票、是否投過月票、是否留過評論、是否點過讚、是否打賞過等等（機器學習領域叫做特征），在最後一列記錄下結論，即帥還是不帥（機器學習領域叫做標簽）。</p>
將這樣一個訓練數據提供給機器學習算法，訓練結束之後，它會學習出一個關於讀者的特征和該讀者是否帥之間關係的模型。</p>
此時再讓它來判斷一個新讀者是否帥，他便會根據這個訓練模型給出一個該讀者帥的概率和不帥的概率。</p>
顯而易見，隻要給機器學習的訓練數據量越大，那麽其學習後得出正確結論的概率也越高。</p>
正因如此，機器學習才被廣泛運用到很多工作場景之中，比如道路攝像頭拍照後直接識別駕駛員當前駕駛狀態是正常駕駛、抽煙、打電話、單手握方向盤、和乘客聊天還是在做其他事。</p>
</p>
如此強大的學習能力再結合上同樣先進的人工智能技術，人們會擔心所謂的智械危機也就不足為怪了。</p>
但這篇論文所提到的機器學習和顧楓基於前世認知所了解到的機器學習又有比較大的區別。</p>
基於該世界更為先進的人工智能技術和數字生命技術，機器學習可以直接做到語言教導和行為教導。</p>
這就和父母教導孩子什麽是豬，怎麽寫字是一個道理。</p>
其實本質上這個過程又回歸到最原始的算法，即程序員通過算法讓計算機做一些事。</p>
隻是在這種數字生命領域的機器學習之中，數字生命可以自動識別它聽到的話和看到的現象，然後自行生成一段新的代碼，這段新代碼便是它對一段話或是某種現象學習產生的認知。</p>
盡管當前依舊沒有真正誕生第一個數字生命，但人們對於這種技術下誕生的人工智能是遠比前世那種人工智能要放心得多的。</p>
畢竟在數字生命的限製下，這種形式的人工智能是無法通過自由穿梭互聯網從而快速學習的，它也必須和人一樣，需要去聽、去看、去做，才能逐漸學習進步，提升自己的認知和能力。</p>
顧楓心中毫不吝嗇給科學家們點了個大大的讚。</p>
這樣的技術，不用在遊戲領域，簡直就是暴殄天物。</p>
前世早在他穿越的十幾年前，就已經有不少遊戲打出了APC的噱頭吸引玩家，也就是號稱有AI的NPC。</p>
其實這也無可厚非，畢竟玩家們雖然不是特別在意，但若是遊戲中的NPC都能更人性化，更有血有肉一點，誰又願意麵對一個永遠隻會說重複的幾句話的人呢？</p>
據顧楓查閱的資料了解到的情況，數字生命技術或許也就這兩年時間，就能夠成熟到可以商用的程度。</p>
既然技術的瓶頸已經確認不是問題，顧楓心裏那個超級IP計劃也終於可以開始規劃，爭取早日執行起來了。</p>
打開一個空白文檔，顧楓輕巧地在首行敲下了標題——寶可夢大世界。</p>
顧楓這一次寫規劃書的速度遠沒有此前寫遊戲設計書時快，此時的他，就像是一個苦大仇深的網文小撲街，想的時候一肚子想法，真到寫的時候，經常琢磨半天才能憋出一小段話。</p>
顧楓並不是太清楚前世寶可夢是動畫在前還是遊戲在前，但是不重要，既然想要讓IP的價值發揮到最大，那遊戲肯定是不能做在動畫之前。</p>
漫改遊戲和遊戲漫改那可完全就是兩碼事。</p>
除了動畫和遊戲，顧楓的計劃中還考慮了小說和電影。</p>
這裏的電影指的當然不是動畫劇場版，而是像《精靈寶可夢：大偵探皮卡丘》這樣的電影，畢竟動畫劇場版說到底麵向的受眾還是看動畫的那批人，而《精靈寶可夢：大偵探皮卡丘》這樣的二創電影才能夠吸引更多不喜歡看動畫的人。</p>
不過電影的計劃不是特別必要，在規劃中的優先級不用放太高。</p>
至於動畫，顧楓也有一個大膽的想法，他不打算使用動畫原作。</p>
原因很簡單，原作雖然經典，但終究還是偏低齡向了一點，有時候他甚至都懷疑，如果精靈寶可夢動畫誕生晚二十年，它還火得起來嗎？可能真未必。</p>
就寶可夢的題材而言，它是完全可以在故事安排和人物塑造上更加成熟的，畢竟終極目標是遊戲嘛，理論上雖然預期中VR寶可夢麵向的玩家群體是全年齡段不分性別，但實際上顧楓清楚，真正的核心玩家群體，必然還是18到20多歲的年輕玩家們。</p>
好勝心強、精力旺盛、遊戲專研熱情高都是這個年齡段玩家的特點，既然顧楓想要將其打造成劃時代的競技神作，抓住這一批玩家的心自然是重中之重。</p>
所以放棄原作，將動畫做得更成熟便成了勢在必行的選擇。</p>