Steam Sekarang Akan Menggunakan Pembelajaran Mesin Untuk Meningkatkan Rekomendasi Game
Salah satu masalah terbesar yang datang dengan memiliki akses mudah ke toko game digital besar adalah mencari tahu apa yang harus dimainkan. Steam, yang saat ini merupakan klien game PC terbesar, memberikan rekomendasi kepada pengguna tentang apa yang harus dimainkan selanjutnya. Ini dilakukan dengan mempertimbangkan banyak faktor, seperti peringkat, dan jenis game yang menurutnya Anda sukai. Sekarang, Valve telah memutuskan untuk mengambil satu langkah lebih jauh dengan memanfaatkan pembelajaran mesin untuk menyarankan pengguna game yang lebih sesuai dengan selera mereka.
Rekomendasi Interaktif
Rekomendasi interaktif adalah fitur eksperimental baru untuk Steam. Sederhananya, alat ini dapat digunakan oleh semua pengguna Steam untuk mengetahui game mana yang akan dimainkan selanjutnya. Ini adalah sistem yang sangat intuitif, memungkinkan pengguna untuk mengurutkan berdasarkan genre, memfilter berdasarkan tag, dan menyesuaikan jendela waktu hasil.
Valve menjelaskan fungsi pemberi rekomendasi interaktif dalam posting blog. Berdasarkan model jaringan neural, pemberi rekomendasi memanfaatkan riwayat waktu bermain Anda bersama dengan "data penting lainnya" untuk memberikan hasil yang dipersonalisasi.
“Kami melatih model berdasarkan data dari jutaan pengguna Steam dan miliaran sesi permainan, memberi kami hasil yang kuat yang menangkap nuansa pola permainan yang berbeda dan mencakup katalog kami. Model ini diparameterisasi sehingga kami dapat membatasi keluaran untuk game yang dirilis dalam jangka waktu tertentu, dan dapat disesuaikan untuk memilih game dengan popularitas dasar yang lebih tinggi atau lebih rendah. ”
Permainan baru
Ini memunculkan pertanyaan tentang bagaimana pemberi rekomendasi menangani game baru? Judul yang baru dirilis, terutama yang menargetkan pasar khusus, cenderung memiliki basis bermain yang lebih lemah. Akibatnya, jaringan neural tidak dapat merekomendasikan game yang tidak ada datanya. Karena itu, Valve mengatakan bahwa pemberi rekomendasi melakukan pendekatan "start dingin" ini secara berbeda.
“Ini dapat bereaksi cukup cepat, dan ketika dilatih ulang, ia mengambil rilis baru hanya dengan data beberapa hari. Namun, itu tidak dapat mengisi peran yang dimainkan oleh Antrean Penemuan dalam memunculkan konten baru, jadi kami melihat alat ini sebagai tambahan untuk mekanisme yang ada daripada sebagai penggantinya.”
Topik kontroversial lainnya adalah "Algoritma". Banyak yang percaya bahwa agar game dilihat oleh banyak pengguna, game perlu "dioptimalkan" untuk model tertentu. Seperti Steam lainnya, ini bukanlah cara kerja pemberi rekomendasi interaktif yang baru.
“Kami merancang pemberi rekomendasi untuk didorong oleh apa yang pemain lakukan, bukan oleh elemen ekstrinsik seperti tag atau ulasan. Cara terbaik bagi pengembang untuk mengoptimalkan model ini adalah dengan membuat game yang disukai orang-orang. Meskipun penting untuk memberi pengguna informasi yang berguna tentang game Anda di laman tokonya, Anda tidak boleh bersusah payah tentang apakah tag atau metadata lain akan memengaruhi cara model rekomendasi melihat game Anda. ”
Meskipun masih dalam proses, Anda dapat menguji pemberi rekomendasi interaktif baru untuk Anda sendiri sekarang.