Valve 一天前公開了全新來自 Steam 的功能：互動式推薦專員，儘管這個玩意聽起來相對標準化，但其實只要知道這是利用經過訓練的神經網路模型學習機器來為你推薦遊戲，忽然就顯得有意思啦。
此項功能衍生自玩家回饋意見，這些使用者們希望能夠有更好的工具協助他們尋找遊戲，這也是為什麼機器學習此刻登場，能給玩家們「個人化的推薦」，再搭配能即時調整推薦結果的控制選項。意即，該機器會根據玩家的遊玩時間紀錄，配合其它明顯的資料來推薦遊戲。
「Steam 利用上百萬 Steam 使用者及數十億遊玩階段的資料訓練模型，得出了相當有力的結果，得以捕捉我們整個遊戲目錄中，不同遊玩模式的細微差異。 這項模型經過參數化處理，可以將輸出結果限制於特定時間範圍內推出的遊戲，並可根據其熱門程度調整遊戲的優先順序。 使用者可利用這些參數，選擇只檢視最近推出的新品，或包含十年之久以前推出的舊作。 同樣地，您也可以選擇瀏覽主流的熱門遊戲，或深入挖掘不同的作品。 無論滑桿如何調整，都會為個別使用者提供個人化的推薦結果。」
標籤和評論分數不會用作資訊來源，因此這些部分不會影響結果，但模型會根據用戶的行為來了解遊戲。這項模型無視遊戲最一般的資料，如類型或價位， 而會參考玩家和其他人玩的遊戲，然後根據其他人在 Steam 玩遊戲的決策，做出有根據的建議。 這之中的構想是，如果有玩家的遊戲習慣與你非常相似，而他很常玩一款您未試過的遊戲，那麼那款遊戲便應該適合推薦給你。
這是一項實驗性的工具，玩家們可以按照自己的意願使用，該工具尚未標準化。Valve 將之視為多種探索元素中的其中一種，也期待推出更多讓顧客與有趣內容和開發者連結的方式。 「我們希望聽到顧客和開發者雙方的意見回饋，歡迎試用 互動式推薦專員並加入討論，讓我們了解您的想法。 我們在收集關於推薦專員實用性的資料的同時，也會與您分享相關進展情況。 」
你對於這項新工具有興趣嗎？
