CN109078323A - 一种游戏过程数据生产系统 - Google Patents

Abstract

本发明适用于计算机技术领域，提供了一种游戏过程数据生产系统，包括：游戏中心，以及与游戏中心通信的多个区块链节点；游戏中心，用于向各个区块链节点分发神经网络模型和神经网络参数权重；区块链节点，用于加载游戏引擎，并根据神经网络模型和神经网络参数权重启动游戏引擎进入自动游戏过程，对自动游戏过程进行记录，并反馈给游戏中心。本发明的系统，将传统的区块链节点通过算力完成(无意义的)猜数字的工作量证明中的猜数字替换为生产自动游戏过程记录数据，并将自动游戏过程记录数据反馈给游戏中心，使得游戏中心可以利用这些数据对相应的游戏进行优化升级，降低了游戏中心的算力要求，同时充分利用了区块链节点的算力资源。

Description

一种游戏过程数据生产系统

技术领域

本发明属于计算机技术领域，尤其涉及一种游戏过程数据生产系统。

背景技术

区块链技术是一种互联网数据库技术，其特点是去中心化、公开透明，让每个人均可参与数据库记录。其使用了一项关键技术就是共识机制。所谓共识是指通过特殊节点的投票，在很短的时间内完成对交易的验证和确认；对一笔交易，如果利益不相干的若干个节点能够达成共识，我们就可以认为全网对此也能够达成共识。常规的共识机制的一种是通过工作量来达成共识。工作量证明机制(Proof of Work-PoW)是我们最熟知的一种共识机制。就如字面的解释，PoW就是工作越多，收益越大。这里的工作就是猜数字，谁能最快的猜出这个唯一的数字，谁就能做信息公示人。

可见，现有的区块链工作量证明机制都是在做一些无意义的数学问题作为工作量的证明。而，做无意义的数学问题得出的工作量证明通常是得到一堆无意义的数字，不能投入其他的应用。若能在不影响区块链的正常工作机制的前提下，根据其工作机制做一些有意义的工作量证明，以‘变废为宝’，进一步充分利用该能源和资源，无疑是存在着重大的发展潜能和商机，而这也将成为人们研究区块链技术的新焦点，但是目前还没有相关的研究报道或讯息。

发明内容

本发明实施例提供一种游戏过程数据生产系统，旨在解决现有的区块链的算力资源没有得到充分的利用的问题。

本发明实施例是这样实现的，一种游戏过程数据生产系统，包括游戏中心，以及与所述游戏中心通信的多个区块链节点；

所述游戏中心，用于向各个所述区块链节点分发神经网络模型和神经网络参数权重；

所述区块链节点，用于加载游戏引擎，并根据所述神经网络模型和神经网络参数权重启动所述游戏引擎进入自动游戏过程，对所述自动游戏过程进行记录，并反馈给所述游戏中心。

本发明实施例提供的游戏过程数据生产系统，游戏中心通过向各个区块链节点分发神经网络模型和神经网络参数权重，以完成游戏过程数据生产的部署；该区块链节点通过(从网络上)加载游戏引擎，并根据游戏中心分发的神经网络模型和神经网络参数权重启动该游戏引擎进行自动游戏过程，对自动游戏过程进行记录，并反馈给游戏中心，以使得游戏中心可以利用这些自动游戏过程记录数据产生更多的新的神经网络参数权重，再利用这些新的神经网络参数权重优化训练相应的游戏模型，促进该游戏的性能的提升。这将传统的区块链节点通过算力完成(无意义的)猜数字的工作量证明中的猜数字替换为生产自动游戏过程记录数据，不但降低了游戏中心的算力要求，同时充分利用了区块链节点的算力资源。

附图说明

图1是本发明实施例提供的游戏过程数据生产系统的基本架构示意图；

图2是本发明实施例提供的一种区块链节点的结构示意图；

图3是本发明实施例提供的另一种区块链节点的结构示意图；

图4是本发明实施例提供的一种交易单元的结构示意图；

图5是本发明实施例提供的又一种区块链节点的结构示意图；

图6是本发明实施例提供的再一种区块链节点的结构示意图；

图7是本发明实施例提供的一种游戏中心的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一判断单元称为第二判断单元，且类似地，可将第二判断单元称为第一判断单元。

本发明实施例提供的游戏过程数据生产系统，游戏中心通过向各个区块链节点分发神经网络模型和神经网络参数权重，以完成游戏过程数据生产的部署；该区块链节点通过(从网络上)加载游戏引擎，并根据游戏中心分发的神经网络模型和神经网络参数权重启动该游戏引擎进行自动游戏过程，对自动游戏过程进行记录，并反馈给游戏中心，以使得游戏中心可以利用这些自动游戏过程记录数据产生更多的新的神经网络参数权重，再利用这些新的神经网络参数权重优化训练相应的游戏模型，促进该游戏的性能的提升。这将传统的区块链节点通过算力完成(无意义的)猜数字的工作量证明中的猜数字替换为生产自动游戏过程记录数据，不但降低了游戏中心的算力要求，同时充分利用了区块链节点的算力资源。

图1示出了本发明实施例提供的游戏过程数据生产系统的基本架构，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

本发明实施例提供的游戏过程数据生产系统包括：游戏中心10，以及与游戏中心通信的多个区块链节点20。

其中，游戏中心10，用于向各个区块链节点20分发神经网络模型和神经网络参数权重。

在本发明实施例中，游戏中心10集中存储有各款游戏，相当于游戏服务器，不同的游戏对应具有不同的神经网络模型及神经网络参数权重等。当某款游戏A需要优化升级其性能时，可通过游戏中心10向区块链节点20分发与游戏A对应的神经网络网络模型和神经网络参数权重。游戏中心10可以根据游戏A的优化升级所需的数据量随机选择向多个(如3、5、6个等)区块链节点20分发相应的神经网络网络模型和神经网络参数权重。

在本发明实施例中，神经网络模型，是以神经元的数学模型为基础来描述的。人工神经网络，是对人类大脑系统的一阶特性的一种描。简单地讲，它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。

神经网络是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。

大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现象。

神经网络参数权重，是指神经网络中的权重，神经元与神经元之间的连接具有权重，每一个连接都有各自的权重，通常情况下是一些随机值。权重可以是负值、正值，非常小或非常大的值，也可以是零。权重的初始化和变化会直接影响到之后的训练过程，以及最终整个神经网络模型的性能。例如，设计一款自对弈游戏的神经网络模型，采用不同的神经网络参数权重进行训练，得出的最终的神经网络模型的对弈性能也是不同的。

区块链节点20，用于加载游戏引擎，并根据神经网络模型和神经网络参数权重启动游戏引擎进入自动游戏过程，对自动游戏过程进行记录，并反馈给游戏中心。

在本发明实施例中，区块链节点20，是指区块链中的各网络节点，可与游戏中心建立通信通道，接收来自游戏中心分发的神经网络模型和神经网络参数权重，也可通过网络加载数据应用(如游戏引擎)，并根据接收的神经网络模型和神经网络参数权重启动该游戏引擎进入自动游戏过程，并记录自动游戏过程，并将记录的自动游戏过程数据反馈给游戏中心。

游戏引擎，是一个为运行某一类游戏的机器设计的能够被机器识别的代码(指令)集合。它像一个发动机，控制着游戏的运行。一个游戏作品可以分为游戏引擎和游戏资源两大部分。游戏资源包括图象，声音，动画等部分，列一个公式就是：游戏＝引擎(程序代码)+资源(图象，声音，动画等)。游戏引擎则是按游戏设计的要求顺序地调用这些资源。例如，围棋游戏引擎包括下围棋的对弈规则和对弈手法等指令集合。

在本发明的一个应用实例中，当需要对围棋游戏进行对弈性能升级优化时，可通过游戏中心10向各个区块链节点20分发围棋游戏的神经网络模型和神经网络参数权重。各个区块链节点20通过网络加载围棋游戏引擎，并根据接收到的围棋游戏的神经网络模型和神经网络参数权重进入自动对弈过程，并将自动对弈的过程进行记录并反馈给游戏中心10，游戏中心10根据这些对弈过程记录数据产生新的更优的神经网络参数权重，对当前版本的围棋游戏的对弈性能进行升级优化。

本发明实施例提供的游戏过程数据生产系统，游戏中心通过向各个区块链节点分发神经网络模型和神经网络参数权重，以完成游戏过程数据生产的部署；该区块链节点通过(从网络上)加载游戏引擎，并根据游戏中心分发的神经网络模型和神经网络参数权重启动该游戏引擎进行自动游戏过程，对自动游戏过程进行记录，并反馈给游戏中心，以使得游戏中心可以利用这些自动游戏过程记录数据产生更多的新的神经网络参数权重，再利用这些新的神经网络参数权重优化训练相应的游戏模型，促进该游戏的性能的提升。这将传统的区块链节点通过算力完成(无意义的)猜数字的工作量证明中的猜数字替换为生产自动游戏过程记录数据，不但降低了游戏中心的算力要求，同时充分利用了区块链节点的算力资源。

图2为本发明实施例提供的一种区块链节点的结构，为了便于说明，图中仅示出了与本发明实施例相关的部分，详述如下：

在本发明实施例中，区块链节点20包括加载单元201、校验单元202、自动游戏单元203、记录单元204以及反馈单元205。

加载单元201，用于加载游戏引擎。

在本发明实施例中，加载单元201可通过网络加载需要优化升级的游戏的游戏引擎。

校验单元202，用于校验神经网络参数权重是否为最新版本。

在本发明的一个实施例中，各区块链节点20读取本地神经网络参数权重文件版本，并查询游戏中心10是否有最新版本的神经网络参数权重文件。

自动游戏单元203，用于当校验结果为是时，根据神经网络参数权重和神经网络模型启动游戏引擎进入自动游戏过程。

在本发明实施例中，结合上述实施例，若校验单元202的校验结果为：游戏中心10有新版本的神经网络参数权重文件，则自动游戏单元203将区块链节点20的神经网络参数权重文件更新为最新版本的神经网络参数权重文件，并根据自游戏中心10接收到的神经网络参数权重和神经网络模型启动相应的游戏引擎进入自动游戏过程。

在本发明的另一实施例中，若校验单元202的校验结果为游戏中心10没有新版本的神经网络参数权重文件时，那么自动游戏单元203则直接调用区块链节点20的本地神经网络参数权重文件，并根据自游戏中心10接收到的神经网络参数权重和神经网络模型启动相应的游戏引擎进入自动游戏过程。

以围棋游戏为例，自动游戏单元203在校验单元202检验当前的围棋游戏的神经网络参数权重文件为当前的最新版本时，根据围棋游戏的神经网络模型和神经网络参数权重启动围棋游戏引擎进入自动对弈的过程。

记录单元204，用于对自动游戏过程进行记录。

在本发明实施例中，结合上述实施例的例子，记录单元204对上述围棋游戏的自动对弈过程进行记录，形成自动对弈过程记录。

反馈单元205，用于将自动游戏过程记录反馈给游戏中心。

在本发明实施例中，结合上述实施例的例子，反馈单元205将上述围棋游戏的自动对弈过程反馈给游戏中心10。

图3示出了本发明实施例提供的另一种区块链节点的结构，为了便于说明，图中仅示出了与本发明实施例相关的部分，详述如下：

在本发明实施例中，该区块链节点20还包括：交易单元206。

交易单元206，用于当自动游戏过程记录满足预设的难度值时进行交易，并打包交易记录。

难度值决定了大约需要经过多少次自动游戏过程产生一个合法区块。难度调整是每个完整的区块链节点中独立自动发生的，每2016个区块，所有的节点都会按照统一的公式自动调整难度，其中调整公式为：新难度值＝旧难度值*(过去2016个区块话费时长/20160分钟)。

以围棋游戏为例，由于自动对弈过程存在内在逻辑性，同时自由度足够大，所以基本上不具有重复性。另外产生自动对弈过程数据的工作量远远大于验证自动对弈过程真实性的工作量，所以每当完成一定量的自动对弈数据则视作完成了该区块链节点的共识机制的工作量。即预设的难度值可表示预设的产生自动对弈数据的量。此时，可以进行挖矿交易。

图4示出了本发明实施例提供的一种交易单元的结构，为了便于说明，图中仅示出了本发明实施例相关的部分，详述如下：

在本发明实施例中，上述交易单元206包括：区块头组装模块2061、工作量证明模块2062以及交易模块2063。

区块头组装模块2061，用于将自动游戏过程记录和将要写入区块的交易记录组成交易列表，交易列表通过Merkle树算法生成Merkle根哈希，将Merkle根哈希及与预设的难度值相关的字段组装成区块头；

工作量证明模块2062，用于将自动游戏过程记录写入该模块，并当生产的所述自动游戏过程记录的数量满足预设的难度值时，完成工作量证明。

在本发明的实施例中，工作量证明模块2062还用于校验工作量(自动游戏过程记录的数量)的真实性，并在完成工作量证明时，进行区块打包。

交易模块2063，用于当完成工作量证明时，进行交易，并打包交易记录。

图5示出了本发明实施例提供的又一种区块链节点的结构，为了便于说明，图中仅示出了本发明实施例相关的部分，详述如下：

在本发明实施例中，上述区块链节点20还包括：重新加载单元207。

重新加载单元207，用于当校验单元202的校验结果为否时，重新加载神经网络参数权重。以围棋游戏为例，当校验单元202检查出当前的围棋游戏神经网络参数权重的文件的版本不是最新版本时，重新下载最新版本权重文件并加载围棋游戏最新版本神经网络参数权重文件。

在本发明实施例中，上述校验单元202，还用于校验上述重新加载的神经网络参数权重是否为最新版本。校验的方法可参考前文的叙述，在此不再赘述。

在本发明实施例中，上述自动游戏单元203，还用于当校验结果为是时，根据重新加载的神经网络参数权重和神经网络模型启动游戏引擎进入自动游戏过程。

图6示出了本发明实施例提供的再一种区块链节点的结构，为了便于说明，图中仅示出了本发明实施例相关的部分，详述如下：

在本发明实施例中，上述区块链节点20还包括：第一判断单元208和第二判断单元209。

第一判断单元208，用于判断记录单元204记录的自动游戏过程记录是否由合法的游戏引擎生产。

在本发明实施例中，以围棋游戏为例，由于围棋对弈存在内在逻辑性同时自由度足够大基本上不具有重复性，所以可以通过对对弈过程进行分析，判断对弈过程是否存在重复性来确定该对弈过程是否由合法的围棋游戏引擎生产的。

第二判断单元209，用于当第一判断单元208的判断结果为是时，判断自动游戏过程记录是否满足预设的难度值。

图7示出了本发明实施例提供的一种游戏中心的结构，为了便于说明，图中仅示出了本发明实施例相关的部分，详述如下：

在本发明实施例中，游戏中心10还包括：训练单元101和游戏更新优化单元102。

训练单元101，用于根据区块链节点20反馈的自动游戏过程记录训练神经网络模型，产生更优的神经网络参数权重。

在本发明实施例中，以围棋游戏为例，训练单元101，根据区块链节点20反馈的自动对弈过程记录训练围棋游戏神经网络模型，产生更优的神经网络参数权重。

游戏更新优化单元102，用于根据更优的神经网络参数权重更新优化游戏的性能。

在本发明实施例中，结合上述实施例的例子，游戏更新优化单元102根据上述更优的围棋游戏神经网络参数权重，更新围棋游戏的自动对弈过程，优化对弈过程，提升围棋游戏的智能化程度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种游戏过程数据生产系统，其特征在于，包括游戏中心，以及与所述游戏中心通信的多个区块链节点；

所述游戏中心，用于向各个所述区块链节点分发神经网络模型和神经网络参数权重；

所述区块链节点，用于加载游戏引擎，并根据所述神经网络模型和神经网络参数权重启动所述游戏引擎进入自动游戏过程，对所述自动游戏过程进行记录，并反馈给所述游戏中心。

2.如权利要求1所述的游戏过程数据生产系统，其特征在于，所述区块链节点包括：

加载单元，用于加载游戏引擎；

校验单元，用于校验所述神经网络参数权重是否为最新版本；

自动游戏单元，用于当校验结果为是时，根据所述神经网络参数权重和神经网络模型启动所述游戏引擎进入自动游戏过程；

记录单元，用于对所述自动游戏过程进行记录；以及

反馈单元，用于将所述自动游戏过程记录反馈给所述游戏中心。

3.如权利要求2所述的游戏过程数据生产系统，其特征在于，所述区块链节点还包括：

交易单元，用于当所述自动游戏过程记录满足预设的难度值时进行交易，并打包交易记录。

4.如权利要求3所述的游戏过程数据生产系统，其特征在于，所述交易单元包括：

区块头组装模块，用于将所述自动游戏过程记录和将要写入区块的交易记录组成交易列表，所述交易列表通过Merkle树算法生成Merkle根哈希，将所述Merkle根哈希及与预设的难度值相关的字段组装成区块头；

工作量证明模块，用于将所述自动游戏过程记录写入该模块，并当生产的所述自动游戏过程记录的数量满足预设的难度值时，完成工作量证明；以及

交易模块，用于当完成工作量证明时，进行交易，并打包交易记录。

5.如权利要求2所述的游戏过程数据生产系统，其特征在于，所述区块链节点还包括：

重新加载单元，用于当校验结果为否时，重新加载神经网络参数权重；

所述校验单元，还用于校验所述重新加载的神经网络参数权重是否为最新版本；

所述自动游戏单元，还用于当校验结果为是时，根据所述重新加载的神经网络参数权重和神经网络模型启动所述游戏引擎进入自动游戏过程。

6.如权利要求3所述的游戏过程数据生产系统，其特征在于，所述区块链节点还包括：

第一判断单元，用于判断所述记录单元记录的所述自动游戏过程记录是否由合法的游戏引擎生产；以及

第二判断单元，用于当所述第一判断单元的判断结果为是时，判断所述自动游戏过程记录是否满足预设的难度值。

7.如权利要求1所述的游戏过程数据生产系统，其特征在于，所述游戏中心还包括：

训练单元，用于根据所述区块链节点反馈的自动游戏过程记录训练所述神经网络模型，产生更优的神经网络参数权重；以及

游戏更新优化单元，用于根据所述更优的神经网络参数权重更新优化游戏的性能。