Ruszyło Steam Labs, a w nim rekomendacje z uczeniem maszynowym
Studio Valve udostępniło Steam Labs, dzięki któremu możemy przetestować m.in. system automatycznego rekomendowania gier, bazujący na analizie naszych preferencji.
- mikrozwiastuny,
- interaktywny system rekomendacji,
- automatycznie generowany filmik z ciekawymi grami.
Firma Valve uruchomiła Steam Labs, czyli inicjatywę, która pozwala przetestować nowe rozwiązania, przy których eksperymentują pracownicy studia. Obecnie możemy wypróbować trzy takie projekty. Zdecydowanie najciekawszym jest Interactive Recommender. To system, który analizuje naszą Bibliotekę Steam, sprawdzając, ile czasu poświęciliśmy na granie w dane pozycje, a następnie na tej podstawie rekomenduje nam nowe tytuły.
Dotychczasowe rekomendacje na Steamie oparte były na prostych tagach. Interactive Recommender jest bardziej zaawansowanym rozwiązaniem, gdyż bazuje na uczeniu maszynowym poznającym nasze preferencje. Do tego gracze mają możliwość dodatkowego konfigurowania generowanych w ten sposób list. Możemy wskazać np. czy szukamy produkcji popularnych czy też niszowych, starych lub nowych, jak również wykorzystać tagi do zawężenia zestawień.
Steam Labs oferuje jeszcze dwa inne eksperymenty. Jednym z nich są tzw. mikrozwiastuny. Filmiki te trwają sześć sekund i mają pozwolić na szybkie zaznajamianie się z dużym wyborem gier. Testowane są różne warianty tego rozwiązania. Niektóre z nich wymagają nakierowania kursora na okno z wideo, podczas gdy inne wyświetlają wiele minitrailerów równocześnie.
Ostatnim eksperymentem dostępnym w ramach Laboratorium Steama jest tzw. Automatic Show, czyli kilkudziesięciominutowy materiał prezentujący najciekawsze nowe premiery i popularne starsze produkcje. Zgodnie z tytułem, film generowany jest automatycznie.
Te nowe rozwiązania są czymś, czego Steam bardzo potrzebuje. Obecnie serwis zalewany jest grami każdego dnia. Deweloperzy, zwłaszcza ci bardziej niszowi, mają więc coraz większy problem z dotarciem do potencjalnych klientów. Zwłaszcza Interactive Recommender już teraz spisuje się całkiem nieźle podczas dostarczania rekomendacji, więc mamy nadzieję, że system będzie ulepszany i stanie się stałą częścią serwisu.