XiaoMi-AI文件搜索系统
World File Search SystemGames
针对注意力缺陷多动症的严肃游戏：叙述性评论
摘要 本文概述了注意力缺陷多动障碍 (ADHD) 以及严肃游戏治疗 ADHD (SGAD) 的干预效果。ADHD 的主要特征是注意力下降和冲动，这严重阻碍了儿童的正常发育。这些核心症状会影响儿童生活的各个方面，包括学业成绩、社交互动和整体幸福感。文献数据表明，ADHD 在儿童中非常普遍，影响着全球数百万儿童，而 SGAD 正成为一种有前途且有效的干预措施。这些游戏的互动性和吸引力为管理 ADHD 症状提供了一种新颖的方法，使治疗对那些可能抵制传统疗法的儿童更具吸引力。在本文中，将介绍关于 SGAD 的文献综述，特别关注可用于诊断和治疗儿童 ADHD 的潜在视频游戏和平台。该综述将研究探索 SGAD 功效的各种研究和临床试验，重点介绍这些游戏如何利用技术提供实时反馈、个性化治疗和引人入胜的体验。通过分析不同的视频游戏和平台，该评论旨在确定使这些工具有效干预 ADHD 的关键特征。这包括使用脑机接口、运动传感器和自适应学习算法，根据儿童的表现调整游戏难度，从而保持最佳的挑战和参与度。最后，根据 SGAD 的现状，对未来研究方向提出潜在建议。本次讨论将探讨现有文献中的空白，例如需要进行长期研究以评估 SGAD 对 ADHD 症状的持续影响。它还将考虑开发针对 ADHD 特定认知和行为方面的新游戏干预措施的可能性。未来研究的建议可能包括整合虚拟现实和增强现实等先进技术，以创造更具沉浸感和互动性的治疗环境。此外，讨论将讨论根据儿童的个人需求量身定制这些干预措施的重要性，考虑年龄、性别和症状严重程度等因素。通过提出这些方向，本文旨在为通过严肃游戏管理 ADHD 的更全面、更有效的解决方案铺平道路。
德国游戏行业的年度报告
过去一年对游戏公司特别具有挑战性。世界各地的许多公司都必须裁员，在某些情况下，游戏开发工作室完全关闭了工作。背后有许多原因。虽然许多游戏市场在Covid-19-19大流行之后大大保持了高水平的增长，但其他国家的轨迹却略有下降。同时，投资氛围已经大大恶化，部分原因是乌克兰的战争，数月的通货膨胀率高以及最高的利率。大流行期间，推迟的皮疹促成了2023年在十二个月内发行的顶级比赛。市场上的丰富度意味着许多游戏（即使有一些最高收视率）都没有工作室所希望的销售成功。
人工智能和游戏（第二版）
我很高兴为这本出色而及时的书编写前言。游戏长期以来一直被视为人工智能（AI）方法的理想测试床，并且也已成为越来越重要的应用领域。游戏AI是一个广阔的领域，涵盖了从为GO或Starcraft等艰难游戏制作超人AI的挑战到诸如自动化一代新颖游戏之类的创意应用程序。游戏AI与AI本身一样古老，但是在过去的十年中，该领域的扩展和充实视频游戏的扩展和丰富了，现在占该地区所有已发表工作的50％以上，并使我们能够应对具有巨大的商业，经济，经济，经济，经济，经济和Scien-ticien-ticien-ticiac-ticiac-ticiac-ticiac-ticiac-ticiac-ticien-tice。2005年发生的研究输出激增，与我与Graham Kendall共同主持的第一次IEEE计算智能和游戏（会议）（会议）和第一次AAAI AIDERCORENCE（数字娱乐中的人工智能）。从那以后，这个丰富的研究领域得到了更加探索和更好地理解。游戏AI社区开创了许多研究的大部分研究，这些研究正在变得（或即将成为）更多主流AI，例如Monte Carlo Tree搜索，程序内容生成，基于屏幕截图的游戏以及自动化游戏设计。在过去的十年中，深度学习的进步对许多困难问题产生了深远而跨性的影响，包括语音识别，机器翻译，自然语言理解和计算机视觉。因此，现在可以在广泛的感知和识别任务中实现人类竞争性绩效。现在，这些系统中的许多系统都可以通过一系列所谓的认知服务提供给程序。最近，深厚的强化学习在许多困难的挑战中取得了突破性的成功，包括GO和学习直接从屏幕截图（从像素玩游戏）中玩游戏的惊人壮举。令人着迷的是，当我们偶然发现人类水平的智能中，这对游戏意味着什么
对角游戏 - 数学（普林斯顿）
1。简介。数百年，甚至数千年来一直是令人着迷的哲学家和科学家的概念。Georg Cantor（1845 - 1918）的工作在无限的数学处理中起着关键作用。cantor的作品是基于一个自然的想法，该想法断言两个（可能是有限的）集合时，只要它们的元素可以与元素彼此对应配对时，它们的大小相同[2]。尽管它很简单，但这个概念具有违反直觉的含义：例如，一组的大小可以与它的适当子集具有相同的大小1；希尔伯特（Hilbert）的大酒店的悖论很好地说明了这一现象，例如[6]。这个简单的概念导致康托尔发展了他的布景理论，这构成了现代数学的基础。a，一开始就引起了争议，直到后来才被广泛接受：
游戏能减轻数学焦虑吗？一项荟萃分析
在本文中，我们首次对基于游戏的干预措施在降低学生数学焦虑水平方面的有效性进行了荟萃分析。在对与基于游戏的数学焦虑干预相关的随机研究进行搜索后，11 篇同行评审文章中描述的 16 个效应大小（共 686 名参与者）符合选择标准。随机效应荟萃分析表明，数学焦虑的降低幅度很小且不显著（平均效应大小 𝐸𝑆 = −0. 32 ， 𝐶𝐼 = [−0. 64 ， 0. 01] ）。结果受到几个因素的调节：非数字游戏更有效，而数字游戏的平均效应大小可忽略不计，为 𝐸𝑆 = −0. 13 ， 𝐶𝐼 = [−0. 33 ， 0. 08] 。效果大小还受到干预总时长（干预时间越长越有利）和游戏类型的影响：当游戏促进协作和社交互动时，它们对减轻数学焦虑的效果更大。这些特点只存在于非数字游戏中，而所分析的所有数字游戏都是单人游戏。在论文的最后一部分，我们讨论了未来可能的研究方向。获得的薄弱结果表明需要开发和测试专门为数学焦虑学生设计的游戏。这将需要通过分析焦虑和非焦虑学生在游戏中的行为来研究游戏功能与数学焦虑之间的关系。在焦虑意识游戏可以采用的功能中，我们建议采用协作游戏、社交互动、适应性、促进内在动机的功能和嵌入数学焦虑的实时测量。
探索人工智能在复杂现实世界游戏中的应用
游戏长期以来一直是人工智能研究的基准和试验台。近年来，随着人工智能算法的发展和计算能力的提升，人工智能系统在围棋[Silver et al. ，2017]、星际争霸[Vinyals et al. ，2019]和德州扑克[Zhao et al. ，2022]等许多游戏中都取得了超越人类的表现。这些游戏在世界各地举办的季节性和年度活动中都很受欢迎。这种受欢迎程度促使学术界投入精力并开发新算法来解决它们。麻将在世界各地都很流行，尤其是在中国，并且有很多地区变体。由于其不完全信息和多目标性质，它对人工智能算法提出了挑战，但却被人工智能研究界忽视了。为了促进人工智能研究和探索人工智能在麻将中的应用，我们在 IJCAI 举办了三场麻将人工智能竞赛。来自学术界和工业界的数十支团队参与了比赛，他们运用各种算法来构建自己的代理。我们每年都会组织研讨会，邀请顶尖团队进行口头报告，分享他们的方法。比赛结果和他们的报告表明，基于深度学习的现代人工智能算法在这款游戏上具有巨大的潜力，并且优于启发式方法。然而，为了进一步提高人工智能代理的性能，仍有一些悬而未决的问题需要解决。我们希望我们在比赛中的经验能够促进对麻将等复杂现实世界游戏的进一步人工智能研究。
带有欺骗性的图上安全博弈中的综合资源分配与策略合成
欺骗在信息不完全的战略互动中起着至关重要的作用。受安全应用的启发，我们研究了一类具有单边不完全信息的双人回合制确定性博弈，其中玩家 1（P1）的目的是阻止玩家 2（P2）达到一组目标状态。除了行动之外，P1 还可以放置两种欺骗资源：“陷阱”和“假目标”，以误导 P2 有关博弈的转变动态和收益。陷阱通过使陷阱状态看起来正常来“隐藏真实”，而假目标通过将非目标状态宣传为目标来“揭示虚构”。我们感兴趣的是联合合成利用 P2 错误信息的 P1 的最佳诱饵放置和欺骗性防御策略。我们在图模型上引入了一个新颖的超博弈和两个解决方案概念：隐秘欺骗必胜和隐秘欺骗几乎必胜。这些确定了 P1 可以在有限步内或以 1 的概率阻止 P2 到达目标的状态，并且 P2 不会意识到自己被欺骗了。因此，确定最佳诱饵位置相当于最大化 P1 的欺骗获胜区域的大小。考虑到探索所有诱饵分配的组合复杂性，我们利用组合合成概念来表明诱饵放置的目标函数是单调的、非减的，并且在某些情况下是亚模或超模的。这导致了一个诱饵放置的贪婪算法，当目标函数是亚模或超模时实现 (1 − 1 / e ) 近似。提出的超博弈模型和解决方案概念有助于理解各种安全应用中的最佳欺骗资源分配和欺骗策略。
crawllm：具有大语言模型的主题游戏
摘要 - Video游戏玩家越来越多地寻求沉浸式和个性化的体验，这些体验与其独特的兴趣和个性产生共鸣。本研究探讨了大语言模型（LLM）在游戏重新主题中的新应用，该过程将游戏资产适应新的环境和叙述。我们将其应用于原始游戏Crawllm，该游戏结合了地牢爬行和卡片战斗力。游戏结构指导LLMS生成新主题，故事，角色和位置的提示的构建，然后指导相应的视觉资产的产生。这种方法使游戏的美学能够从其潜在的叙述中出现。我们在此展示了游戏的可玩版本，该版本具有20个预先生成的，未策划的主题。这项研究为对自动游戏生成的未来研究铺平了道路，在该研究中，LLM可以协调各种内容创建管道，以从高级提示中构建整个游戏，同时保持凝聚力的用户体验。索引术语 - 游戏，程序内容生成，图像生成，文本生成，大语言模型
定量游戏中计数步骤的力量
我们研究在图表上发挥的无限持续时间的确定性游戏，并专注于定量目标的策略复杂性。此类游戏众所周知，可以在有限图上接受最佳的无内存策略，但通常需要无限图表的无限内存策略。，我们为无限图的平均值和总收益目标的策略复杂性提供了新的下层和上限，重点是在阶梯式策略（有时称为马尔可夫策略）是否足以实施获胜策略。尤其是，我们表明，在有限的分支领域，Lim SUP Mean-Payoff的三种变体和总计目标允许取胜策略，这些策略要么基于步骤计数器或步骤计数器以及额外的内存。相反，我们表明，对于某些Lim Inf总计目标，诉诸步骤计数器的策略和有限的内存还不够。对于步骤持续策略，这将所有经典定量目标的情况都定为Borel层次结构的第二层。
人工智能与游戏：马耳他的杰出案例
摘要。我们目前正在见证一场技术革命，这主要归功于人工智能 (AI) 的进步。然而，甚至在这个人工智能之春之前，通过将人工智能算法直接应用于数字游戏，已经实现了机器学习、搜索和优化方面的大量突破。随着人工智能的进步，游戏也在进步，因为人工智能可以不断测试、改进、设计和复杂化它所处的环境。人工智能和游戏之间的这种共生关系目前正在塑造人工智能的研究前沿，并提升了游戏在多个领域的创新潜力。这篇短文有双重目的和相应的部分。在本文的第一部分，我简要概述了人工智能和游戏领域的当前最新进展。然后，我概述了游戏在人工智能研究中的关键作用、人工智能对游戏开发的重要性以及它们的关系对当前和未来科学突破的影响。在本文的第二个具体部分，我将重点介绍马耳他大学数字游戏研究所，它是人工智能和游戏研究、教育和创新领域的卓越中心。具体来说，我提供的证据表明，国家对人工智能和视频游戏开发的关注和有针对性的投资，使马耳他这样的小岛国在不到十年的时间里成为全球人工智能和游戏研究、教育和创新领域的领先国家。