發表文章

目前顯示的是 10月, 2021的文章
圖片
2022/04/13  Nintendo Make Changes To Switch Online's Automatic Renewals (來源自Nintendo Life的Alana Hagues 撰文報導) 任天堂針對Switch Online的自動續訂功能進行了更改(在經過"競爭及市場管理局"調查之後) (文末會有我的看法和解讀,提供大家參考) 好吧!在我們當中有多少人成了這個的受害者:說自己會取消訂閱,結果忘了,然後被收取一年多的巨額費用。這是一種惡性循環,除非玩家記得取消或把信用卡詳細資料抹除,否則玩家的錢包會更輕。 自動續訂長期以來一直都備受整個業界的批判,早在2019年時,競爭及市場管理局(CMA)就對索尼、微軟和任天堂的線上訂閱服務展開了調查。自動續訂就是其中的一部分,但這還攸關包含取消和退款政策、條款和條件,以及價格上漲。 根據此次調查的結果,任天堂宣布將更新其Nintendo Switch Online服務的準則規範。這意味著NSO將不再啟動自動續約的情況下販售,用戶們若希望持續進行支付時,將必須勾選該項目(自動續訂)才行。索尼也同意對 PS Plus 進行類似的改動。這對我們這些健忘者而言是個好消息,特別是Xbox從一月份開始做的變動之後,Nintendo Life的姊妹網站Pure Xbox,當時就對此進行了報導。 競爭及市場管理局(CMA)的執法執行主任Michael Grenfell對這項宣布感到非常高興:「根據我們調查的結果,為了保護客戶並幫助解決對自動續訂之訂閱服務的擔憂,跨業界做了一些變動。因此,今天發表的公告,結束了我們對電玩業界線上服務的調查。其他業界有提供自動續訂之訂閱服務的公司,理應審查其做法,以確保它們符合消費者保護法。」 因應這些改變,競爭及市場管理局(CMA)現已結束對這些線上訂閱服務的調查。這對那些只想嘗試NSO服務,或是只能在短時間內負擔得起(NSO)服務(費用)的玩家來說,應該對消費者更加相對友善了。 (以下是我的看法和解讀,不代表就一定是正確的) 就像是文中提到的 ,自動續訂這樣的東西 ,其實一直 在我們的日常生活中存在著 ,但確實也造成了不少爭議和批判聲浪 。隨著 競爭及市場管理局(CMA)這次的調查結束 ,並宣布了業界需做出改變的事實 。當然 , 希望其他跨業界也能跟進 ,

專利揭露了任天堂正在致力於畫質提升的科技中(這項專利最初是在2020年3月申請,到最近才正式被公開)

圖片
2021/10/02 Patent Reveals Nintendo Is Working On Upscaling Technology (來源自Nintendo Life的Thomas Whitehead 撰文報導) 專利揭露了任天堂正在致力於畫質提升的科技中(這項專利最初是在2020年3月申請,到最近才正式被公開) (文末會有我的看法和解讀,提供大家參考) 在科技產業中,專利往往總是一種會留下足跡的有趣玩意,有時它們所體現的概念和產品,永遠都不會在市面上出現,但在有些情況下,它們提供了一些在未來可能會推出的線索。正如同這項科技所聲稱的那樣,有可能得以讓任天堂將其硬體的畫質強化,這個最新釋出的美國專利申請或許就是後者(文末有連結參考)。 這項專利申請的標題為「讓機器學習影像轉換的系統與方法」,儘管其原來的語意可能是件令人頭疼的事,但它基本上就如同NVIDIA的DLSS那樣的概念,此專利在2020年3月25日申請,於昨日(9月30日)正式在大眾面前公開。在NVIDIA的例子中DLSS為深度學習超級採樣的簡稱,它致力於透過NVIDIA的GPU讓圖像解度可以即時強化,也對確保顯示卡維持在低緊繃情況下運作,有極其顯著的效用。這是令人印象深刻的科技,最重要的是它著重在談論任天堂有著怎樣的可能性,得以製造出一台新的Switch類型的可攜式主機,能夠在低耗功率輸出的同時,提供高解析度圖像。Digital Foundry(DF)之前在2020年就曾經仔細探討過這樣的可能性(文末有連結參考)。 歐洲任天堂研究開發部的共同創辦人Alexandre Delattre的名字出現在此專利中,讓明顯地是在任天堂的內部進行探究的這項專利申請變得相當有趣。在引言中也得以知道,這項專利是業界一直都在探究的領域。 「機器學習(人工智慧AI的一個分支)得以讓電腦有能力,在不特意編程讓電腦去做那項任務的情況下,去學習一項特定的任務。一種機器學習系統叫做卷積神經網路(CNNs),為深度學習神經網路的其中一類。如此網路(和其他形式的機器學習)可以被用在協助,例如自動辨認一隻貓是否在一張相片中。這個學習的產生藉由數以千萬或數以百萬計的相片去訓練該模組,在一隻貓出現在一張相片中時能夠將其辨認出來。儘管這可能會是一個強大的工具,當配置在即時環境下時,導致處理使用一個訓練過的模組(和訓練此模組)在計算