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
