論文の概要: AI as a Democratizing Force in Indie Game Development
- arxiv url: http://arxiv.org/abs/2608.07825v1
- Date: Fri, 07 Aug 2026 23:56:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.524535
- Title: AI as a Democratizing Force in Indie Game Development
- Title（参考訳）: インディーゲーム開発における民主化力としてのAI
- Abstract要約: 2024-2026年のビデオゲーム産業は、独立出力の最大拡大とともに、現代のAAAレベルの収縮が最も深いことを示している。
4つの研究課題にまたがってAIの役割について検討する。
我々は7次元にわたる「民主化」を運用し、およそ4桁の規模で補充された1つの調整コストに対してそれを主張する。
- 参考スコア（独自算出の注目度）: 1.0742675209112622
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The video game industry of 2024-2026 shows the deepest AAA-level contraction in its modern history alongside the largest-ever expansion of independent output. We examine AI's role in that divergence across four research questions, using public marketplace data, a title-level Steam catalog dataset cross-referenced with Steam's generative-AI disclosure records, and a fourteen-month log from an agentic AI game-production platform. RQ1 (barriers to entry): production planning, historically a salaried producer role at roughly $59 per hour, is generated in a mean of 5.1 minutes for $0.27-0.58 per plan. We operationalize "democratization" across seven dimensions and claim it for one, coordination cost, repriced by roughly four orders of magnitude; the regional dimension is argued from cost arithmetic, not measured. RQ2 (market acceptance): indie volume and unit sales expanded, AI-disclosed releases rose eightfold in eighteen months, professional sentiment collapsed across three surveys, and disclosed releases received catalog-typical reception (median 85.9 percent positive) in a verified subsample. RQ3 (a new wave): the moment resembles a third democratization wave after distribution (2008-2012) and construction (2013-2020); four pre-registered convergence tests align, and as production cost nears zero while mature-market demand contracts, the market shows preconditions of structural oversupply, forcing a new distribution paradigm. RQ4 (quality): the platform log measures plan generation, not shipped-game quality, so we compare quality signals for AI-disclosed versus non-disclosed titles; disclosure records AI use in production, not authorship. Releases doubled from 9,654 (2020) to over 20,000 (2025) while only about 300 titles grossed above $1 million, and participation in major markets fell below pre-pandemic levels; we close with implications for developers, educators, and platform design.
- Abstract（参考訳）: 2024-2026年のビデオゲーム産業は、独立出力の最大拡大とともに、現代のAAAレベルの収縮が最も深いことを示している。
公開市場データ,Steamの生成AI公開記録と相互参照するタイトルレベルのSteamカタログデータセット,エージェント型AIゲーム制作プラットフォームからの14ヶ月のログなど,4つの研究課題にまたがるAIの役割について検討する。
RQ1(入場禁止): 生産計画(歴史的には1時間あたり59ドル)は平均5.1分(0.27～0.58ドル)で作成される。
我々は7次元にわたる「民主化」を運用し、1桁の調整コストを約4桁の規模で補足すると主張している。
RQ2(市場受け入れ):インディー・ボリュームとユニット・セールスが拡大し、AIが開示したリリースは18ヶ月で8倍に増加し、専門家の感情は3つの調査で崩壊し、公開リリースは検証されたサブサンプルでカタログ的なレセプション(正の85.9%)を受けた。
RQ3(新しい波):この瞬間は、流通(2008-2012)と建設(2013-2020)に続く第三の民主化波に似ており、4つの事前登録された収束試験が整合し、成熟市場需要契約中に生産コストがゼロに近いため、市場は構造的過供給の前提条件を示し、新しい流通パラダイムを強制する。
RQ4(品質): プラットフォームログは、出荷されるゲームの品質ではなく、計画生成を測定する。
リリースは9,654件(2020年)から2万件(2025年)に倍増し、300タイトルの売り上げは100万ドルを超え、主要市場への参加はプレパンデミックレベルを下回った。
関連論文リスト
- DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents [77.19284650368924]
大規模できめ細かい有機反応データプラットフォームであるDianShi-RxnDBについて述べる。
完全に自動化された抽出と正規化パイプラインを通じて構築される。
このプラットフォームは、検索、フィルタリング、比較、およびソース検証レコードのためのWebリサーチワークベンチを提供する。
論文 参考訳（メタデータ） (2026-09-06T16:20:43Z) - AQuA: Recursively Self-Improving Quantitative Trading Research Agents [44.546401968461055]
本研究は, 自律システムにおいて, 後続の反復で提案される仮説と候補を改善するために, 先行実験から証拠を活用できるかどうかを考察する。
本稿では2つの言語モデル駆動型研究システムからなるAQuAについて述べる。
論文 参考訳（メタデータ） (2026-08-13T05:25:42Z) - MatrAIx: Simulating the World with 8.3 Billion Persona Agents [175.06699039914625]
MatrAIxは、AIシステムとデジタル製品を異種ユーザでテストするための、人口規模でシミュレートされたユーザ評価基盤である。
第一に、ペルソナ8Bは1,290のカテゴリー次元で表される830億のペルソナレコードを含んでいる。
第2に、MatrAIx Playgroundは、ユーザがデジタル製品を評価し、対話する4つの環境を提供する。
第3に、MatrAIxは、コマース、ソフトウェア、ファイナンス、ヘルスケアを含む25のドメインにまたがる1010のアプリケーションタスクを提供する。
論文 参考訳（メタデータ） (2026-08-04T20:04:49Z) - The AI Wave and the Reinvention of Game Discovery: Oversupply, Structural Correction, and Agentic Player-Game Matching [0.0]
AIを利用したプロダクションは、ビデオゲームの出荷に必要なコストとチームサイズを劇的に削減した。
最近の推計では、Steamのリリースボリュームは1日あたり約60タイトルになった。
本稿では, 供給過剰が新興市場崩壊の原因か構造的補正なのかを問う。
論文 参考訳（メタデータ） (2026-07-27T19:07:58Z) - Memory Scarcity, Open Models, and the Restructuring of the AI Industry, 2026-2030 -- A quantitative scenario analysis of inference economics, training-cost divergence, and infrastructure solvency [1.5752282186775997]
我々は、2026年から2030年の間に4つの部隊がAI産業を再構築する方法について分析する。
既存のコスト格差は決して終わりません。
ビフルケートを高級層と大量層に訓練する。
論文 参考訳（メタデータ） (2026-07-08T09:43:14Z) - Industry Classification of GitHub Repositories Using the North American Industry Classification System (NAICS) [46.877501276559165]
GitHubは数億のパブリックリポジトリをホストしているが、リポジトリから標準化された業界セクターへのネイティブマッピングは公開していない。
NAICS-GHは、米国、欧州連合、オーストラリアをカバーするソースプールから作成した6,588のGitHubリポジトリの公開コーパスである。
ラベルは、BAAI/bge-large-en埋め込み、FAISS検索、GPT-4.1スコアを組み合わせた検索・検証パイプラインによって作成される。
論文 参考訳（メタデータ） (2026-07-07T17:06:32Z) - Prediction Arena: Benchmarking AI Models on Real-World Prediction Markets [0.0]
Prediction Arenaは、AIモデルの予測精度と意思決定を評価するためのベンチマークである。
ライブトレーディングにおける6つのフロンティアモデル(Cohort 1, full period)と、ペーパートレーディングにおける4つの次世代モデル(Cohort 2, 3-day pre)の2つのコホートを追跡。
我々の分析では、初期予測精度と正しい予測を活用できる能力が主な要因である、明確な性能階層を同定する。
論文 参考訳（メタデータ） (2026-03-28T06:13:17Z) - Measuring AI Agents' Progress on Multi-Step Cyber Attack Scenarios [0.8367204682154901]
我々は、フロンティアAIモデルの自律的サイバー攻撃能力を、2つの目的に構築されたサイバーレンジで評価する。
企業ネットワークの範囲では、平均10万のトークンで完了したステップが1.7から9.8に増加した。
産業制御システムの範囲では、性能は依然として限られているが、最新のモデルは確実に完成する最初の段階である。
論文 参考訳（メタデータ） (2026-03-11T18:30:17Z) - The Economics of AI Training Data: A Research Agenda [0.4174557458129457]
データのAI生産における中心的な役割にもかかわらず、まだ理解されていないインプットである。
AIラボが公開データを消耗し、プロプライエタリなソースに転換するにつれ、コンピュータ科学、経済学、法律、そしてポリシーに関する研究が断片化している。
私たちは3つの貢献を通じてコヒーレントな分野としてデータ経済学を確立します。
論文 参考訳（メタデータ） (2025-10-28T21:37:35Z) - Shoot First, Ask Questions Later? Building Rational Agents that Explore and Act Like People [81.63702981397408]
限られたリソースを前提として、言語モデル(LM)に基づいたエージェントは、どの程度合理的に行動するのか?
エージェント情報探索をベンチマークし,強化する手法を開発し,人間の行動から洞察を抽出する。
Spotterエージェントでは、LMのみのベースラインよりも14.7%の精度で精度を向上し、Captainエージェントでは、期待情報ゲイン(EIG)を0.227ビット(達成可能なノイズ天井の94.2%)まで引き上げる。
論文 参考訳（メタデータ） (2025-10-23T17:57:28Z) - Scalable Reinforcement Post-Training Beyond Static Human Prompts: Evolving Alignment via Asymmetric Self-Play [52.3079697845254]
evaは、オフラインとオンラインのRLポストトレーニングの両方で、言語モデルがトレーニングプロンプトを適応的に作成できるようにする最初の方法である。
我々は,エバが有効なRLキュリキュラを作成でき,アブレーションにまたがって堅牢であることを示す。
論文 参考訳（メタデータ） (2024-10-31T08:15:32Z) - Dynamic Pricing with Volume Discounts in Online Settings [102.00782184214326]
本稿では,電子商取引における客観的機能が利益であり,取引データのみが利用可能である場合の価格設定に焦点を当てる。
我々の研究は、異なるボリューム閾値で最適な価格を定め、異なるクラスのユーザーに提供する価格戦略を見つけることを目的としている。
我々は、オンライン形式でデータを活用できる2段階のオンライン学習アルゴリズムBを設計する。
論文 参考訳（メタデータ） (2022-11-17T16:01:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。