人工智能化的游戏体验
与其他云提供商相比，Amazon Machine Learning 的算法性能要高出 10 倍，总体性能要高出 2 倍，专注于解决当今游戏开发人员面临的一些最严峻的挑战。
快速构建、训练和部署游戏机器学习模型，以便您将更多时间用于预测玩家行为，有利于采取针对措施吸引游戏玩家和调高游戏玩家满意度
利用人工智能增强您的游戏性能，帮助您在更短的时间内为玩家打造更好、更加身临其境般的体验。
特色游戏人工智能和机器分析案例
-
在出现任何玩家影响前的欺诈检测
训练并运行您自己的 ML 模型，帮助检测游戏内欺诈行为，避免其对您的游戏终身价值产生影响。
建立欺诈检测管道
借助 Fraud Detection Using Machine Learning，您可以对数据集进行自动事务处理，从而检测潜在的欺诈活动并标记相应活动以供审核。下图表示您可以使用实施指南和 Amazon CloudFormation 模板自动部署的架构。
将此作为开箱即用型解决方案使用，也可将其作为针对应用程序内购买、高级订阅或游戏内商城的信用卡交易检测玩家欺诈活动的参考。
亚马逊云科技还通过 Amazon Fraud Detector 提供完全托管的服务。
-
自动化游戏升级
使用 Amazon SageMaker 强化学习为玩家打造个性化关卡平衡体验。
要打造一款优秀的游戏，关卡设计是一个十分重要的部分。如果您的关卡过于困难，玩家会感到厌烦并停止游戏。如果您的关卡过于简单，玩家会感到无聊并停止游戏。当您向游戏中添加新关卡时，您会想要以客观、可以量化的方式确保这些关卡的公平性。与此同时，您还想要尽可能地让更多的流程自动完成，以便能够迅速交付。您无需花费数小时来手动验证、测试和调试关卡设计，只需通过强化学习来自动完成这个流程即可。
-
实时情绪监控
使用 Amazon Comprehend 实时监控 Twitch 聊天的情绪。
了解您的玩家情绪是响应反馈以及打造玩家心目中游戏的关键。假设您正打算发布一个具有风险的全新功能，计划在渠道的自己中进行测试。您拥有良好指标来使用 A/B 测试完成优化，但这是一种滞后指示器，而您需要在玩家感到厌烦后迅速回滚。
为了降低风险，您打造了一种应用程序，用于实时监控 Twitch 聊天中的情绪。随后，您编写了一个聊天客户端，用于使用 Amazon Comprehend 衡量每条消息的情绪。Amazon CloudWatch 控制面板上将显示每分钟的平均情绪，因此您可以在新功能上线时轻松应对各种状况。
在此研讨会中传达的概念可用于其他数据源，例如文本聊天讨论版和其他社交媒体频道。
-
自动化图像分析
使用机器学习自动标记资产库中的图像，相比手动数据标记可节省时间。
如果艺术家需要 40 秒的时间打开文件、查看图像、形成观点并写入多个标签，然后将其存储在数据库中，则处理 5000 个文件需要超过 55 个工作小时。
让艺术家专注于为玩家设计沉浸式环境。通过使用 Amazon Rekognition（一种利用机器学习的 AWS 图像识别功能），资产标记操作变得更加简单，速度成倍提高。在我们的测试代码中，上传速度为 200MB/s，完成图像标记只需不到 3 分钟。
-
虚拟配音演员
利用云的强大功能，在您的游戏中添加逼真的语音，而无需雇佣配音演员，或者在雇佣配音演员制作最终音轨之前预先构建游戏内对话。
虚拟配音演员的工作原理
利用 Amazon Polly 的深度学习技术，您可以快速且顺畅地在游戏中生成逼真的音频，支持 24 种不同语言和 50 种独特的声音。
什么是 Amazon Polly？
Amazon Polly 是一种文本转语音 (TTS) 服务，它使用高级深度学习技术来合成酷似人声的语音。
不确定从哪里开始？
第 1 步
第 2 步
第 3 步
第 4 步
精选客户案例
相关内容
请参阅相关的技术指南、网络研讨会、白皮书等等。