'Steam商店上線“實驗室”板塊，用AI算法和短視頻推薦遊戲'
記者 | 彭新
編輯 |
在囊括成千上萬款遊戲的Steam商店，開發者讓自己的遊戲能夠脫穎而出是一件非常難的事情，現在Steam上線的“實驗室”板塊帶來了一些變化。
Steam正式上線了一個“實驗室”（Steam Labs）版塊。在公告中，Steam的擁有者Valve公司表示，他們將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，首批包括三個項目。
"記者 | 彭新
編輯 |
在囊括成千上萬款遊戲的Steam商店，開發者讓自己的遊戲能夠脫穎而出是一件非常難的事情，現在Steam上線的“實驗室”板塊帶來了一些變化。
Steam正式上線了一個“實驗室”（Steam Labs）版塊。在公告中，Steam的擁有者Valve公司表示，他們將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，首批包括三個項目。
首先是“微型宣傳片”（Micro Trailers）：每款遊戲都有時長6秒的宣傳片，類似時下流行的短視頻，每部微型宣傳片由遊戲原始宣傳片的小片段剪輯而成，來幫助開發者的遊戲項目在商店中脫穎而出。如下圖：
"記者 | 彭新
編輯 |
在囊括成千上萬款遊戲的Steam商店，開發者讓自己的遊戲能夠脫穎而出是一件非常難的事情，現在Steam上線的“實驗室”板塊帶來了一些變化。
Steam正式上線了一個“實驗室”（Steam Labs）版塊。在公告中，Steam的擁有者Valve公司表示，他們將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，首批包括三個項目。
首先是“微型宣傳片”（Micro Trailers）：每款遊戲都有時長6秒的宣傳片，類似時下流行的短視頻，每部微型宣傳片由遊戲原始宣傳片的小片段剪輯而成，來幫助開發者的遊戲項目在商店中脫穎而出。如下圖：
其次是“交互推薦”（Interactive Recommender）：作為一款機器學習工具，它能根據玩家的遊戲庫和遊戲習慣預測他可能喜歡的遊戲。通過”熱門”和“小眾”，以及遊戲發售年代兩個維度，再進行遊戲篩選。
以及一個名為 “自動展示”（Automatic Show）的功能：類似我們平時常見的電視購物欄目，長達25分鐘，展示各種各樣值得推薦的遊戲。Valve表示，未來機器算法會自動編寫遊戲介紹文案，並會自動生成旁白配音。目前的“自動展示”還是由真人配音。
這些功能被Valve形容為“未經雕琢的短期實驗”，這些實驗有的也許會非常成功，有的則可能被放棄。Valve表示，他們希望通過測試後廣泛吸取意見，最後實際應用在Steam商店中。”
在通過首頁的標籤功能、排行榜、以及鑑賞家推薦等展示方進行遊戲曝光式後，Steam未來將引來短視頻和AI算法時代。
其中最令人好奇的是“交互推薦”，AI是如何為玩家挑選出他們感興趣的內容？
"記者 | 彭新
編輯 |
在囊括成千上萬款遊戲的Steam商店，開發者讓自己的遊戲能夠脫穎而出是一件非常難的事情，現在Steam上線的“實驗室”板塊帶來了一些變化。
Steam正式上線了一個“實驗室”（Steam Labs）版塊。在公告中，Steam的擁有者Valve公司表示，他們將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，首批包括三個項目。
首先是“微型宣傳片”（Micro Trailers）：每款遊戲都有時長6秒的宣傳片，類似時下流行的短視頻，每部微型宣傳片由遊戲原始宣傳片的小片段剪輯而成，來幫助開發者的遊戲項目在商店中脫穎而出。如下圖：
其次是“交互推薦”（Interactive Recommender）：作為一款機器學習工具，它能根據玩家的遊戲庫和遊戲習慣預測他可能喜歡的遊戲。通過”熱門”和“小眾”，以及遊戲發售年代兩個維度，再進行遊戲篩選。
以及一個名為 “自動展示”（Automatic Show）的功能：類似我們平時常見的電視購物欄目，長達25分鐘，展示各種各樣值得推薦的遊戲。Valve表示，未來機器算法會自動編寫遊戲介紹文案，並會自動生成旁白配音。目前的“自動展示”還是由真人配音。
這些功能被Valve形容為“未經雕琢的短期實驗”，這些實驗有的也許會非常成功，有的則可能被放棄。Valve表示，他們希望通過測試後廣泛吸取意見，最後實際應用在Steam商店中。”
在通過首頁的標籤功能、排行榜、以及鑑賞家推薦等展示方進行遊戲曝光式後，Steam未來將引來短視頻和AI算法時代。
其中最令人好奇的是“交互推薦”，AI是如何為玩家挑選出他們感興趣的內容？
Valve解釋，通過“數十億”項遊戲時段訓練的神經網絡，並基於玩家的遊玩歷史和其他“顯著”數據，Steam來了解玩家的遊戲偏好，分析玩家的遊戲規律，進行推薦。
為了避免人類行為影響到AI判斷，Valve特別強調它們並未刻意向模型提供遊戲相關信息進行訓練，也不包括類別、評論等。所以並不是代表玩了《絕地求生》之後就會推薦一大堆大逃殺遊戲——Steam 是分析玩家的規律，而非類別。Valve在一篇博文中詳細解釋了“交互推薦”的算法機制。
觀察算法生成的遊戲推薦列表是一個有趣的事情，在掃描了我的遊戲記錄後，這位AI推薦了動作遊戲《只狼：影逝二度》和《生化危機2重製版》以及二次元的《東方天空璋》，可能因為我最近在玩《刺客信條：奧德賽》和《命運石之門》。
"記者 | 彭新
編輯 |
在囊括成千上萬款遊戲的Steam商店，開發者讓自己的遊戲能夠脫穎而出是一件非常難的事情，現在Steam上線的“實驗室”板塊帶來了一些變化。
Steam正式上線了一個“實驗室”（Steam Labs）版塊。在公告中，Steam的擁有者Valve公司表示，他們將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，首批包括三個項目。
首先是“微型宣傳片”（Micro Trailers）：每款遊戲都有時長6秒的宣傳片，類似時下流行的短視頻，每部微型宣傳片由遊戲原始宣傳片的小片段剪輯而成，來幫助開發者的遊戲項目在商店中脫穎而出。如下圖：
其次是“交互推薦”（Interactive Recommender）：作為一款機器學習工具，它能根據玩家的遊戲庫和遊戲習慣預測他可能喜歡的遊戲。通過”熱門”和“小眾”，以及遊戲發售年代兩個維度，再進行遊戲篩選。
以及一個名為 “自動展示”（Automatic Show）的功能：類似我們平時常見的電視購物欄目，長達25分鐘，展示各種各樣值得推薦的遊戲。Valve表示，未來機器算法會自動編寫遊戲介紹文案，並會自動生成旁白配音。目前的“自動展示”還是由真人配音。
這些功能被Valve形容為“未經雕琢的短期實驗”，這些實驗有的也許會非常成功，有的則可能被放棄。Valve表示，他們希望通過測試後廣泛吸取意見，最後實際應用在Steam商店中。”
在通過首頁的標籤功能、排行榜、以及鑑賞家推薦等展示方進行遊戲曝光式後，Steam未來將引來短視頻和AI算法時代。
其中最令人好奇的是“交互推薦”，AI是如何為玩家挑選出他們感興趣的內容？
Valve解釋，通過“數十億”項遊戲時段訓練的神經網絡，並基於玩家的遊玩歷史和其他“顯著”數據，Steam來了解玩家的遊戲偏好，分析玩家的遊戲規律，進行推薦。
為了避免人類行為影響到AI判斷，Valve特別強調它們並未刻意向模型提供遊戲相關信息進行訓練，也不包括類別、評論等。所以並不是代表玩了《絕地求生》之後就會推薦一大堆大逃殺遊戲——Steam 是分析玩家的規律，而非類別。Valve在一篇博文中詳細解釋了“交互推薦”的算法機制。
觀察算法生成的遊戲推薦列表是一個有趣的事情，在掃描了我的遊戲記錄後，這位AI推薦了動作遊戲《只狼：影逝二度》和《生化危機2重製版》以及二次元的《東方天空璋》，可能因為我最近在玩《刺客信條：奧德賽》和《命運石之門》。
值得注意的是，太新的遊戲並不會出現在AI推薦列表中，這被稱為“雞生蛋還是蛋生雞”效應，由於沒有玩家數據，算法無法推薦尚未擁有玩家的遊戲。但在幾天後，經過玩家遊戲數據積累，新遊戲就可得到推薦。
在Epic不斷簽下獨家遊戲，展現咄咄逼人氣勢時，Steam想起了自己的優勢——數據。Steam太過龐大，它的統治地位難以撼動，在很長一段時間裡仍將是玩家和開發者不會放棄的平臺，它面對的問題和蘋果App Store也並無太多不同，都充斥著大量難以被發現的新內容。
不過，蘋果的App Store通過加強人工推薦機制，試圖在首頁利用精美的文案介紹和體驗式文字帶來更好的應用商店展示方案。而Steam轉向Youtube、今日頭條式的算法推薦手段，以及類似短視頻的遊戲展示方案，看起來是一個不錯的補充方案。
"相關推薦
