Steam 互動式推薦專員透過 AI 技術取代標籤與評價,試圖為玩家推薦更有興趣的遊戲

2019.07.12 02:08PM
119
Computer program, Computer Software, Multimedia, Desktop Wallpaper, Computer, Video Games, Screenshot, Game, , PC game, screenshot, Text, Screenshot, Software, Multimedia, Technology, Electronic device, Computer program, Font, Computer icon, Multimedia software

AI 技術在近年廣泛被像是隨選串流影片、串流音樂服務商等活用,不過當前 PC 最大的遊戲入口 Steam 還是以標籤與評價為玩家推薦遊戲,然而這樣的方式很可能讓玩家錯過一些小眾但很合他們胃口的內容, Steam 稍早公布全新的實驗功能,稱為 STEAM 互動式推薦專員實驗,即擁抱 AI 技術,強調透過 AI 方式為玩家挑選出他們感興趣的內容。

這項功能主打以玩家偏好的遊玩模式,搭配即時調整推薦結果的控制選項,為玩家選出更符合他們胃口的遊戲;這樣功能是以 Steam 訓練的神經網路模型作為基礎,強調使用上百萬位使用者與數十億遊玩階段的資料進行訓練,使 AI 模型可捕捉遊戲目錄當中不同遊玩模式的差異,同時可將輸出的結果限制在特定時間範圍內所推出的遊戲內容,讓消費者可選擇只看新遊戲,或是找尋可能相見恨晚的舊作品,同時還可設定只推薦熱門遊戲,或是小眾遊戲內容。

為了避免人類的行為影響到 AI 判斷, Steam 特別強調它們並未刻意向模型提供遊戲相關資訊,也不包括標籤、評論等,僅提供如推出日期等基本資料作為規範遊戲推出時間範圍的資訊, Steam 也發現將推出日期納入訓練資訊,能夠較僅依照時間篩選的結果更佳,同時在取消標籤與評論資訊,也更能以中立的方式為玩家選出內容,不過 Steam 也開放讓玩家可透過標籤篩選推薦結果,讓玩家可從中挑選有興趣的類型。

Online advertising, Advertising, Display advertising, Font, Brand, Microsoft Azure, Computer program, Computer, Online and offline, Meter, online advertising, Text, Website, Font, Design, Sky, Technology, Screenshot, Web page, Software engineering, Display advertising

▲互動式推薦專員不會把標籤與評論納入推薦內容的參考

Steam 也呼籲開發者不必為了互動式推薦專員而費盡心思,不管怎麼試圖自遊戲的標籤等因素修改,都不會影響互動式推薦專員推薦內容的方式,因為標籤並不在模型培育的條件當中。

Steam 認為,其中一種內容推薦方式是以蒐集特定遊戲的所有資訊,並以此推測那些遊戲類型與其相近,在進行內容推薦,不過這樣會產生推薦的內容因為這些資訊過於繁瑣,導致推薦的內容受到侷限, Steam 希望推薦內容的方式,更像是找尋與玩家有類似遊玩習慣的消費者其他喜好的內容,而 Steam 的 AI 模型就協助使用者找到與他遊玩習慣類似的玩家所喜歡的其他遊戲。

當前互動式推薦專員還不會全面取代既有的推薦模式,仍是以實驗方式讓有興趣的使用者嘗鮮,並給予 Steam 更有效的使用資料,同時也避免直接改變推薦模式讓消費者有種措手不及的感覺。另一個原因是當前 Steam 的互動式推薦專員還無法推薦剛上市的內容,但強調在有充裕的玩家遊玩資訊後,很快就可將新內容放上列表,然而傳統的內容推薦方式可不經過這樣的階段就把推薦新內容, Steam 目前仍視互動式推薦專員為既有推薦方式的補遺,並非取代。

新聞來源: Steam

0 則回應