但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
自動秀就比較有意思了。這個功能會抓取Steam商城上的數據和素材,自動整合、剪輯成視頻,配上簡單的說明和遊戲鏈接,有點類似之前我們發的“Steam吸金周榜”。
但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
自動秀就比較有意思了。這個功能會抓取Steam商城上的數據和素材,自動整合、剪輯成視頻,配上簡單的說明和遊戲鏈接,有點類似之前我們發的“Steam吸金周榜”。
第一期“自動秀”長達25分鐘,囊括了幾乎你能想到的所有排行榜類型。最高銷量、最新熱門、最佳獨立遊戲……而這還不是“自動秀”的完全體。根據Valve的介紹,日後這種整合類的視頻還會有自動編寫的遊戲介紹文案,並會自動生成旁白配音。文案生成機制已經比較理想了,只是現在的配音系統還比較機械生硬,所以尚未實裝,但也只是一個時間問題。
但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
自動秀就比較有意思了。這個功能會抓取Steam商城上的數據和素材,自動整合、剪輯成視頻,配上簡單的說明和遊戲鏈接,有點類似之前我們發的“Steam吸金周榜”。
第一期“自動秀”長達25分鐘,囊括了幾乎你能想到的所有排行榜類型。最高銷量、最新熱門、最佳獨立遊戲……而這還不是“自動秀”的完全體。根據Valve的介紹,日後這種整合類的視頻還會有自動編寫的遊戲介紹文案,並會自動生成旁白配音。文案生成機制已經比較理想了,只是現在的配音系統還比較機械生硬,所以尚未實裝,但也只是一個時間問題。
三個新功能裡目前評價最高的還是互動推薦。根據Valve的說法,這個推薦背後的算法非常特殊,沒有采用傳統的標籤或者分類方式。他們只是給AI各種玩家行為數據,讓AI自己通過這些數據來學習和判斷不同遊戲之間的相關性,從而推測玩家可能的口味。
但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
自動秀就比較有意思了。這個功能會抓取Steam商城上的數據和素材,自動整合、剪輯成視頻,配上簡單的說明和遊戲鏈接,有點類似之前我們發的“Steam吸金周榜”。
第一期“自動秀”長達25分鐘,囊括了幾乎你能想到的所有排行榜類型。最高銷量、最新熱門、最佳獨立遊戲……而這還不是“自動秀”的完全體。根據Valve的介紹,日後這種整合類的視頻還會有自動編寫的遊戲介紹文案,並會自動生成旁白配音。文案生成機制已經比較理想了,只是現在的配音系統還比較機械生硬,所以尚未實裝,但也只是一個時間問題。
三個新功能裡目前評價最高的還是互動推薦。根據Valve的說法,這個推薦背後的算法非常特殊,沒有采用傳統的標籤或者分類方式。他們只是給AI各種玩家行為數據,讓AI自己通過這些數據來學習和判斷不同遊戲之間的相關性,從而推測玩家可能的口味。
所有這些複雜的運算,最後就變成了兩個滑塊:一個控制你想要的推薦遊戲是熱門還是小眾,一個控制你希望搜索的年代。
這種交互方式看似簡單,但卻抓住了遊戲推薦的本質。平常聊天的時候,我們肯定會問“有沒有老一點的冷門RPG,最好帶點《博德之門》的味道”,而不是去問“Steam RPG銷量榜前三頁有沒有適合我的遊戲”。在使用這個功能的時候,我不覺得我是在單方面地去“找遊戲”,而是在和一個很懂遊戲的朋友在對話。
但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
自動秀就比較有意思了。這個功能會抓取Steam商城上的數據和素材,自動整合、剪輯成視頻,配上簡單的說明和遊戲鏈接,有點類似之前我們發的“Steam吸金周榜”。
第一期“自動秀”長達25分鐘,囊括了幾乎你能想到的所有排行榜類型。最高銷量、最新熱門、最佳獨立遊戲……而這還不是“自動秀”的完全體。根據Valve的介紹,日後這種整合類的視頻還會有自動編寫的遊戲介紹文案,並會自動生成旁白配音。文案生成機制已經比較理想了,只是現在的配音系統還比較機械生硬,所以尚未實裝,但也只是一個時間問題。
三個新功能裡目前評價最高的還是互動推薦。根據Valve的說法,這個推薦背後的算法非常特殊,沒有采用傳統的標籤或者分類方式。他們只是給AI各種玩家行為數據,讓AI自己通過這些數據來學習和判斷不同遊戲之間的相關性,從而推測玩家可能的口味。
所有這些複雜的運算,最後就變成了兩個滑塊:一個控制你想要的推薦遊戲是熱門還是小眾,一個控制你希望搜索的年代。
這種交互方式看似簡單,但卻抓住了遊戲推薦的本質。平常聊天的時候,我們肯定會問“有沒有老一點的冷門RPG,最好帶點《博德之門》的味道”,而不是去問“Steam RPG銷量榜前三頁有沒有適合我的遊戲”。在使用這個功能的時候,我不覺得我是在單方面地去“找遊戲”,而是在和一個很懂遊戲的朋友在對話。
這位AI朋友確實很懂。他給我推薦了一款叫做《自由人:游擊戰爭》的遊戲,是一個現代戰爭題材的《騎馬與砍殺》。我印象中這遊戲應該有點小名氣,但我確實一直都沒有玩過,也一直沒想起來買。現在我已經下單,感覺很好。AI朋友是個合格的帶貨大哥。
當然,這個AI功能還是有很多不足的地方。儘管這個新工具有一部分初衷是為了防止一些無良廠商利用老推薦機制的漏洞來讓自己的垃圾遊戲獲得曝光,不過從目前的推薦結果來看,新工具的算法邏輯被破解也是早晚的事。
但我總覺得他是想要搶我社的飯碗。
昨天,Steam正式上線了之前傳言許久的“實驗室”(Steam Labs)版塊。在這裡,V社會測試各種實驗性比較強的新功能,為日後優化Steam體驗做準備。
第一批登場的測試功能一共有三種:微型預告片(Micro Trailer),自動秀(Automatic Show)和Steam互動推薦(Interactive Recommender)。三種新功能都有同一個目的:通過算法和AI神經學習,更有效率地向玩家推薦他們可能喜歡的好遊戲。
微型預告片相對來說比較簡單,就是用遊戲商店頁面的宣傳視頻自動生成一個6秒的預告片,把這些預告片集中陳列在一起,方便玩家更有效率地瀏覽。
自動秀就比較有意思了。這個功能會抓取Steam商城上的數據和素材,自動整合、剪輯成視頻,配上簡單的說明和遊戲鏈接,有點類似之前我們發的“Steam吸金周榜”。
第一期“自動秀”長達25分鐘,囊括了幾乎你能想到的所有排行榜類型。最高銷量、最新熱門、最佳獨立遊戲……而這還不是“自動秀”的完全體。根據Valve的介紹,日後這種整合類的視頻還會有自動編寫的遊戲介紹文案,並會自動生成旁白配音。文案生成機制已經比較理想了,只是現在的配音系統還比較機械生硬,所以尚未實裝,但也只是一個時間問題。
三個新功能裡目前評價最高的還是互動推薦。根據Valve的說法,這個推薦背後的算法非常特殊,沒有采用傳統的標籤或者分類方式。他們只是給AI各種玩家行為數據,讓AI自己通過這些數據來學習和判斷不同遊戲之間的相關性,從而推測玩家可能的口味。
所有這些複雜的運算,最後就變成了兩個滑塊:一個控制你想要的推薦遊戲是熱門還是小眾,一個控制你希望搜索的年代。
這種交互方式看似簡單,但卻抓住了遊戲推薦的本質。平常聊天的時候,我們肯定會問“有沒有老一點的冷門RPG,最好帶點《博德之門》的味道”,而不是去問“Steam RPG銷量榜前三頁有沒有適合我的遊戲”。在使用這個功能的時候,我不覺得我是在單方面地去“找遊戲”,而是在和一個很懂遊戲的朋友在對話。
這位AI朋友確實很懂。他給我推薦了一款叫做《自由人:游擊戰爭》的遊戲,是一個現代戰爭題材的《騎馬與砍殺》。我印象中這遊戲應該有點小名氣,但我確實一直都沒有玩過,也一直沒想起來買。現在我已經下單,感覺很好。AI朋友是個合格的帶貨大哥。
當然,這個AI功能還是有很多不足的地方。儘管這個新工具有一部分初衷是為了防止一些無良廠商利用老推薦機制的漏洞來讓自己的垃圾遊戲獲得曝光,不過從目前的推薦結果來看,新工具的算法邏輯被破解也是早晚的事。
這次Steam Lab推出的三個功能,有兩個都非常有意思,也展現了在AI支持下人機交互進化的前景。我玩得很開心,但是心裡也有點慼慼:作為遊戲媒體,我們寫了那麼多關於AI搶人類飯碗的文章,想不到這麼快就要輪到我們自己了。