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
93
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

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。

▲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

回應 6