Steam互动式推荐专员透过AI技术取代标签与评价，试图为玩家推荐更有兴趣的游戏

AI技术在近年广泛被像是随选串流影片、串流音乐服务商等活用，不过当前PC最大的游戏入口Steam还是以标签与评价为玩家推荐游戏，然而这样的方式很可能让玩家错过一些小众但很合他们胃口的内容， Steam稍早公布全新的实验功能，称为STEAM互动式推荐专员实验，即拥抱AI技术，强调透过AI方式为玩家挑选出他们感兴趣的内容。

这项功能主打以玩家偏好的游玩模式，搭配即时调整推荐结果的控制选项，为玩家选出更符合他们胃口的游戏；这样功能是以Steam 训练的神经网路模型作为基础，强调使用上百万位使用者与数十亿游玩阶段的资料进行训练，使AI 模型可捕捉游戏目录当中不同游玩模式的差异，同时可将输出的结果限制在特定时间范围内所推出的游戏内容，让消费者可选择只看新游戏，或是找寻可能相见恨晚的旧作品，同时还可设定只推荐热门游戏，或是小众游戏内容。

为了避免人类的行为影响到AI 判断， Steam 特别强调它们并未刻意向模型提供游戏相关资讯，也不包括标签、评论等，仅提供如推出日期等基本资料作为规范游戏推出时间范围的资讯， Steam也发现将推出日期纳入训练资讯，能够较仅依照时间筛选的结果更佳，同时在取消标签与评论资讯，也更能以中立的方式为玩家选出内容，不过Steam 也开放让玩家可透过标签筛选推荐结果，让玩家可从中挑选有兴趣的类型。

Steam 也呼吁开发者不必为了互动式推荐专员而费尽心思，不管怎么试图自游戏的标签等因素修改，都不会影响互动式推荐专员推荐内容的方式，因为标签并不在模型培育的条件当中。

Steam 认为，其中一种内容推荐方式是以搜集特定游戏的所有资讯，并以此推测那些游戏类型与其相近，在进行内容推荐，不过这样会产生推荐的内容因为这些资讯过于繁琐，导致推荐的内容受到局限， Steam 希望推荐内容的方式，更像是找寻与玩家有类似游玩习惯的消费者其他喜好的内容，而Steam 的AI 模型就协助使用者找到与他游玩习惯类似的玩家所喜欢的其他游戏。

当前互动式推荐专员还不会全面取代既有的推荐模式，仍是以实验方式让有兴趣的使用者尝鲜，并给予Steam 更有效的使用资料，同时也避免直接改变推荐模式让消费者有种措手不及的感觉。另一个原因是当前Steam 的互动式推荐专员还无法推荐刚上市的内容，但强调在有充裕的玩家游玩资讯后，很快就可将新内容放上列表，然而传统的内容推荐方式可不经过这样的阶段就把推荐新内容， Steam 目前仍视互动式推荐专员为既有推荐方式的补遗，并非取代。