top of page

Itch.io AI 篩選器將披露資訊帶入搜尋,為 Steam 設下更高標準

4 分鐘前
讀畢需時 11 分鐘

Itch.io 已將其生成式 AI 篩選功能擴展至搜尋,讓玩家獲得單靠披露標籤無法提供的選擇。itch.io AI 篩選器讓使用者可按創作者對 AI 使用情況的聲明縮窄探索範圍。這令有關製作方式的資訊,轉化為影響曝光度的決定。

生成式 AI,即根據訓練資料中學習到的模式產生內容的軟件,為遊戲商店帶來一項特別挑戰。玩家可能在關心某款特定作品之前,已在意當中是否涉及此類技術。在打開產品頁面後才看到披露資訊,對這項決定而言已經太遲。

Steam 是顯而易見的比較對象,因為 Valve 已向開發者收集 AI 披露資訊。現時的壓力在於,顧客可以如何運用這些資訊。Itch.io 的舉措為這場討論提供了具體介面,但有關準確性、不完整聲明及執行方式的棘手問題仍未解決。

itch.io AI 篩選器實際改變了甚麼

這項具影響力的改變,令創作者的聲明更接近玩家決定甚麼值得留意的時刻。

這項擴展於 11 月 3 日被報道,而搜尋正是新涵蓋的範圍之一。這個時間點很重要,因為底層披露系統早於這次公告已經存在。若把更新形容為 AI 標籤的發明,便會錯過真正改變的地方。

Itch.io 於 2024 年 11 月推出其披露欄位。其原有的 AI 披露系統將回答連結至自動分類,包括用於標示聲明未使用生成式 AI 的項目。申報使用 AI 的創作者可識別所涉的圖像、聲音、文字及對話,或程式碼。

最新發展令這些聲明在探索作品時更有用。尋找遊戲來玩的使用者,可在查看個別項目前先套用偏好。即使底層資訊維持不變,這也改變了瀏覽過程。

試想像列表內的標籤,與搜尋結果旁的篩選器有何分別。標籤有助使用者評估已經找到的項目;篩選器則有助決定他們首先會遇到哪些項目。

這個分別也解釋了為何更新毋須引入新偵測技術仍然重要。商店可以收集準確資料,卻仍讓顧客重複完成大量工作。讓既有資訊可供採取行動,毋須改變蒐集方式也能改善體驗。

現有分類亦反映,並非每種與 AI 相關的偏好都必須相同。有人可能反對使用生成插畫,卻接受生成程式碼;另一人則可能偏好完全聲明未涉及生成式 AI 的項目。

介面只能在其分類容許的精確程度內迎合這些偏好。廣泛的選項仍有用,但無法傳達開發流程之間的每項差異。描述製作方法的分類,始終將複雜的創作歷程壓縮成簡化資訊。

對創作者而言,這種壓縮帶來實際影響。以往由有興趣的訪客才會看到的聲明,現時可影響這些訪客會否到訪。完成欄位申報,成為準確呈現項目於整個商店中的一部分。

因此,itch.io AI 篩選器改變了披露資訊的角色。它仍是描述性資訊,但也成為受眾按自身偏好組合商店體驗的一環。這令聲明更具實際價值,也令其局限帶來更大影響。

玩家選擇現時影響誰能被發現

將披露資訊帶入搜尋,會為開發者帶來壓力,因為作品的曝光度部分取決於其分類方式。

商店在促成下載或購買之前,已先分配注意力。搜尋結果、瀏覽分類及推薦內容,決定哪些項目會獲得考慮。改變這些入口點,便改變創作者爭取受眾時的競爭條件。

對希望避開生成圖像的玩家而言,好處很直接。他們可在探索階段一次過表達偏好,而毋須逐一查核每個看似吸引的列表。商店承擔了部分以往留給顧客的工作。

對使用生成資產的開發者而言,後果則較為複雜。準確的聲明可能令項目不會出現在某類受眾所選擇的結果中;同一聲明亦可讓其他玩家在更清晰的預期下接觸該作品。

兩種結果都不能證明遊戲的質素。製作分類不會衡量寫作、反應速度、無障礙程度或設計。它只是提供資訊,讓顧客可與這些質素一併衡量。

這種區分對小型項目尤其重要。一款短篇實驗遊戲與一款精心開發的商業作品,可能同屬相同的廣泛分類。篩選器回答的是已申報的 AI 參與情況,卻無法解決兩者在野心或執行上的差異。

避免使用生成式 AI 的開發者同樣有理由留意。他們的作品可受惠於特別尋找這項分別的受眾。然而,這項好處取決於是否完成相關申報,以及是否了解商店如何詮釋該申報。

這裏存在不對稱情況。創作者可以完全清楚一款遊戲是如何製作,但平台仍可能沒有相應答案。未完成的披露資料,令商店無法有信心地將該項目放入肯定性的分類。

這項改變也影響為自身項目購買素材的人。資產購買者可能因客戶要求或合作夥伴的偏好而在意製作方法。及早找到合適素材,可避免浪費評估時間及替換工作的成本。

這只是一個說明性使用情境,並非證明某位特定買家已採用此功能。它的相關性源於開發素材如何在不同項目之間流轉。上游重要的資訊,可影響製作流程中較後階段的決定。

眼前壓力主要落在維護列表的創作者,以及設計探索功能的商店身上。隨着時間推移,它也會延伸至決定這些分類是否值得信任的顧客。篩選器只有在使用者明白通過它代表甚麼時,才能節省工夫。

這正是為何更新的分量不止於表面選單改動。它將已申報的製作方法連結至受眾選擇。一旦建立這種連結,準確性便成為商店實用性的一部分,而不再只是背景行政工作。

Steam AI 披露面對可用性問題

Steam 現有的披露要求,令比較焦點落在顧客控制權,而非 Valve 是否承認 AI 生成內容。

Valve 的 AI 內容問卷聚焦隨遊戲推出、並由玩家使用的生成內容。其文件區分開發期間製作的素材,與遊戲運行時生成的內容;同時亦將這項關注與開發工具的一般效率提升分開處理。

這個範圍很重要。Steam AI 披露不應被描述為要求列舉每次接觸具 AI 功能應用程式的經歷。其所述重點在於會到達玩家手上的內容。

Itch.io 的披露分類包括程式碼,令直接比較不如逐一對照各商店標籤般整齊。相似的措辭可以涵蓋不同界線。開發者不應假設各平台的答案可互換,而應先閱讀每個平台的定義。

這些差異並不會抹去核心的可用性問題。商店一旦收集有關生成內容的資訊,應如何讓玩家在探索時使用?產品頁上的說明,與控制結果的偏好設定,服務的是不同目的。

itch.io AI 篩選器讓這個分別變得可見。其意義不在於聲稱 Steam 完全沒有任何與 AI 相關的探索功能。更有力的比較,在於各商店讓顧客表達偏好的方式是否清晰而一致。

Valve 可以面對這個問題,而毋須複製 itch.io 的用語。商店可根據既有聲明提供詳細內容分類、廣泛偏好設定,或其他控制方式。設計必須清楚說明該選擇包括甚麼、不包括甚麼。

因此,這項壓力很具體。希望避開已披露生成內容的玩家,已有一個例子可見這種偏好直接出現在搜尋中。他們可以合理地追問,另一間商店收集的披露資訊,是否同樣支援容易理解的瀏覽決定。

這仍屬分析判斷,而非 Valve 已宣布回應的證據。Itch.io 的更新並不能證實 Steam 的發展路線圖,也不能證實有多少 Steam 用戶希望有相若的控制選項。

當中確有合理的設計難題。一項一刀切的偏好,可能隱藏以截然不同方式使用生成素材的項目。更詳細的選項提供彈性,卻需要顧客毋須研究開發實務也能理解的定義。

商店亦須決定偏好如何與不完整資訊互動。排除作出正面 AI 聲明的項目,與選取明確作出否定聲明的項目,會令未回答項目處於不同位置。即使標籤聽來相似,這些做法也可產生不同結果。

Steam AI 披露已為 Valve 傳達製作資訊提供基礎。itch.io 的更新令下一個問題更尖銳:顧客應透過這些資訊控制多少探索決定?

競爭問題屬實際層面,而非象徵層面。明白商店控制方式的玩家,可以花更多時間評估遊戲,減少核對資格的時間。無論商店對生成式 AI 的整體立場為何,這都是它可提供的服務。

「無 AI」結果是聲明,而非審核

最重要的限制在於,披露篩選器是整理聲稱,而非獨立核實項目的製作歷史。

Itch.io 的 No AI 分類描述明確表示在創作過程中未使用生成式 AI 的項目。「明確」一詞相當重要。是否歸入此分類反映的是一項聲明,而非根據缺乏資訊所得出的結論。

這令肯定性的分類,有別於僅移除已知披露使用生成內容的項目。沒有完成回答的項目,可能不會歸入肯定性群組;其缺席並不能證明創作者使用了生成式 AI。

讀者應以此區分理解結果數量。較小的篩選目錄,無法顯示整個商店中使用 AI 製作的比例。缺失的聲明、較舊的列表及分類規則,都令這種推論變得複雜。

同樣的審慎原則亦適用於個別遊戲。類別以外的項目不應自動成為被指控的對象。篩選功能提供的是探索界線,而非對每位被排除創作者作出的判斷。

不誠實的申報是另一個問題。若開發者有意歪曲製作方法,便可能提交不準確的答案。在搜尋期間顯示答案可提升其實用性,但不能令欺瞞變得不可能。

即使創作者嘗試遵守規則,模糊個案仍可能造成錯誤。一個項目或會混合委託插畫、購入音訊、生成素材,以及多名貢獻者編寫的程式碼。填寫表格的人需要掌握足夠資料,才能準確分類最終作品。

購入素材令問題尤其具體。開發者可能收到素材賣家的保證,卻未曾看見素材的製作方式。這形成的是一連串申報,而非直接了解每個創作步驟。

較合理的回應是提供更完善的文件紀錄及更清晰的平台指引。不能只因一張圖像看來不尋常,或一句對白感覺普通,便推斷存在不誠實行為。單憑視覺上的懷疑,無法證實一個項目是如何製作。

當準確披露要付出曝光代價時,亦會出現公平問題。誠實的創作者可能從客戶所選結果中消失,而不準確的申報卻能避開同樣後果。執法相當重要,因為它有助避免這種失衡反而獎勵失實陳述。

不過,現有證據未能確立此篩選功能的錯誤率。它沒有量化失實申報,也未證明舉報有多常促成修正。這些空白應維持為空白,而非被編造成成功或失敗的衡量指標。

最好把 itch.io 的 AI 篩選功能理解為瀏覽已申報資訊的工具。它可以尊重客戶偏好,同時讓核實問題仍未解決。兩者並不矛盾,評估這次更新時都應納入考慮。

篩選與垃圾內容執法解決的是不同問題

客戶偏好不能取代內容審核,而內容審核亦無法決定每位客戶可接受的 AI 參與程度。

Itch.io 的內容品質指引將過度自動化發布與披露分開處理。指引警告大量生產頁面及缺乏編輯整理的生成素材,亦要求準確申報;其中對素材、原聲帶、實體遊戲、漫畫及書籍列明嚴格執法。

這個區分有助理解平台的做法。有些問題關乎內容是否根本適合出現在探索結果中;另一些則關乎個別客戶是否想看到原本符合資格的作品。

玩家可以拒絕生成藝術,卻不必宣稱每個包含它的項目都是垃圾內容。反過來,一個項目即使沒有使用生成式 AI,仍可能帶來不佳的瀏覽體驗。不論採用何種製作工具,重複刊登及誤導性呈現依然是問題。

披露制度亦須保留生成式 AI 與常見遊戲系統之間的區別。敵人導航及以規則為本的程序生成關卡,並不會自動與生成插畫或對白歸入同一類。若將每個運算過程都視為等同,分類的實用性便會下降。

對讀者而言,實際含意是篩選功能不會認證品質。一個申報沒有使用生成式 AI 的項目仍可能令人失望;一個披露使用生成素材的項目,仍可能吸引了解並接受其製作選擇的玩家。

內容審核的作用更廣,是保障探索體驗免受濫用影響。若商店容許重複或誤導性刊登主導版面,客戶在考慮製作偏好之前,已須付出額外工夫。披露控制只處理了當中部分負擔。

若把執法公告視為整體問題已獲解決的證據,亦存在相應風險。移除內容描述的是針對特定素材所採取的行動,並不能衡量仍有多少問題內容存在,或新內容湧現得有多快。

更有用的評估,是觀察一般瀏覽會否隨時間變得更容易。相關訊號包括反覆出現的誤導性刊登、不一致的分類,以及修正後的結果是否仍反映於探索功能中。即使沒有整體問題的公開估算,這些都是可觀察的問題。

對開發者而言,這種組合式做法帶來不同責任。一個項目既需要準確的製作資訊,也需要一個值得評估的刊登頁面。完成披露並不能為誤導內容或重複發布開脫。

對平台而言,挑戰在於一致性。客戶需要相信類別名副其實;創作者則需要足夠清晰的指引,以便分類作品,而毋須猜測不明確規則將如何影響曝光。

這次更新的重要之處,在於它向客戶提供直接的偏好選項,同時保留平台判斷的獨立角色。這種分工容許人們對 AI 使用存在分歧,而毋須將每次分歧都化為移除決定。其成效取決於能否讓這些功能保持易於理解。

接下來留意披露覆蓋率、修正機制及 Steam 的回應

下一批有意義的證據,將關乎披露覆蓋率、修正做法,以及競爭商店是否讓客戶更容易表達類似偏好。

先觀察未來數月的覆蓋率。更多完成申報可讓客戶瀏覽更多已分類作品,從而加強披露能否支援成熟目錄中有效探索的理據。

解讀時需要審慎。肯定類別的增長,可能只是創作者補完既有刊登的申報,而非新遊戲製作方式出現改變。目錄分類與開發行為是不同的衡量方式。

有用的問題是商店能否令這個區別易於理解。客戶應能辨識結果何時只是已申報的子集;否則,供應量表面上的變化可能令人對目錄其他部分得出缺乏支持的結論。

接著,留意修正機制如何運作。若平台為有爭議的分類提供更清晰指引,將有助加強對制度的信心。若類別界線持續令人困惑,則會削弱篩選功能有助客戶作出知情選擇的說法。

修正做法對認為分類有誤的創作者亦很重要。一個易於理解的程序應讓他們明白問題所在,並提供相關資料。當分類影響作品會否出現在某人的搜尋結果時,這一點便更為重要。

應尋找具體證據,例如更清晰的定義、已記錄的申報更改,或對如何處理被舉報不準確資料的說明。單靠公開爭論,無法證明底層分類程序是否有所改善。

最後,留意 Valve 的產品改動及文件說明。若圍繞已披露生成內容提供更清晰的客戶偏好,便顯示披露正成為更直接的探索工具。即使介面不像 itch.io,只要釐清適用範圍亦同樣重要。

不要把每項 Steam 更新都當作對這次公告的回應。要確立因果關係,需要有文件化的連結。真正有意義的比較,是最終客戶體驗,不論哪個平台影響了另一方。

對跨商店營運的開發者而言,這些訊號有助判斷製作紀錄應如何支援準確申報。素材來源紀錄,即記錄創作素材的來源,在協作者及平台提出不同問題時會變得有用。

已整理這些資料的團隊,可將其視為可搜尋知識庫的一部分。將授權、供應商聲明及開發備註集中保存,可令日後審核更容易。這些紀錄有助作出說明,但不會自動證明每個供應商的聲稱。

對玩家而言,下一步是按控制項實際代表的意思作判斷。留意偏好設定是選取明確申報,還是排除已知披露;檢查類別有否區分對你重要的 AI 參與形式。把缺失資訊視為不確定因素,並將遊戲本身與其製作標籤分開評估。itch.io 的 AI 篩選功能為這個過程提供了更清晰的起點,但更廣泛的標準仍應是由準確資訊支持、易於理解的選擇。比較不同商店時,提出一個具體問題:在開啟每個刊登頁面前,你能否表達自己的偏好,並清楚知道所得選擇代表甚麼?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page