Itch.io AI 筛选器将披露信息纳入搜索，对 Steam 提出更高要求
Itch.io 已将其生成式 AI 筛选功能扩展至搜索，让玩家获得仅靠披露标签无法提供的选择。itch.io AI 筛选器允许用户围绕创作者对 AI 使用情况的声明缩小发现范围。这让有关制作过程的信息转化为影响可见度的决策。
生成式 AI 是一种根据训练数据中学到的模式生成内容的软件，它给游戏商店带来了独特挑战。玩家可能在关注某一具体作品之前，就在意 AI 是否参与其中。在打开产品页面后才看到的披露信息，对这种决策而言来得太晚。
Steam 是显而易见的比较对象，因为 Valve 已经收集开发者的 AI 披露信息。如今的压力在于，用户能如何利用这些信息。Itch.io 的举措为这场讨论提供了具体界面，但有关准确性、声明不完整以及执行机制的棘手问题仍未解决。
itch.io AI 筛选器实际改变了什么
这一关键变化让创作者的声明更接近玩家决定什么值得关注的时刻。
这项扩展于 11 月 3 日被报道，搜索是新覆盖的领域之一。这个时间点很重要，因为底层披露系统早于此次公告。若将这次更新描述为 AI 标签的发明，就会错过真正发生变化的部分。
Itch.io 于 2024 年 11 月引入披露字段。其最初的 AI 披露系统将回答与自动分类关联起来，其中包括供声明未使用生成式 AI 的项目使用的分类。报告使用 AI 的创作者可标明其用途涉及图形、声音、文本与对话，或代码。
最新进展让这些声明在发现作品时更有用。寻找可玩内容的人可以在查看单个项目之前应用偏好。即使底层信息保持不变，这也改变了浏览过程。
想想列表内的标签与搜索结果旁的筛选器之间的差异。标签帮助用户评估已经发现的项目；筛选器则帮助决定用户首先会遇到哪些项目。
这一差别也解释了为何此次更新重要，却无需引入新检测技术。商店可以收集准确的信息，同时仍让用户重复进行大量工作。让已有信息可直接用于决策，能够改善体验，而无需改变信息的收集方式。
现有类别也反驳了这样一种观点：所有与 AI 相关的偏好都必须完全相同。有人可能反对生成的插画，却接受生成的代码；另一些人可能更偏好声明完全未涉及生成式 AI 的项目。
界面只能以其分类所允许的精度容纳这些偏好。宽泛的选择仍有用，但无法传达开发流程之间的每一项差异。描述制作方法的类别，仍会压缩复杂的创作历程。
对于创作者而言，这种压缩具有实际后果。此前由感兴趣的访客看到的声明，现在可能会影响这些访客是否会到来。完成该字段成为在整个商店中准确呈现项目的一部分。
因此，itch.io AI 筛选器改变了披露信息的角色。它仍是描述性信息，但也成为受众构建自己版本店面的一部分。这让声明具有更实际的价值，也让其局限性变得更重要。
玩家选择如今会影响谁被发现
将披露信息纳入搜索会给开发者带来压力，因为可见度在一定程度上取决于其作品如何被分类。
店面会在促成下载或购买之前分配注意力。搜索结果、浏览类别和推荐决定哪些项目会得到考虑。改变这些入口，就会改变创作者争取受众的竞争条件。
对于希望避开生成式美术的玩家，益处很直接。他们可以在发现作品时一次表达偏好，而无需调查每一个看起来有前景的列表。商店承担了此前留给用户的一部分工作。
对于使用生成式素材的开发者，后果则更复杂。准确的声明可能让项目不出现在特定受众所选择的结果中；同一份声明也能帮助其他玩家带着更清晰的预期接触作品。
这两种结果都不能证明游戏的质量。制作类别并不衡量写作、响应性、无障碍性或设计。它为用户提供可与这些品质一同权衡的信息。
这种区分对小型项目尤其重要。一款短小的实验性游戏和一款精心开发的商业作品，可能共享同一宽泛分类。筛选器回答的是有关已声明 AI 参与情况的问题，却无法解决它们在野心或执行上的差异。
避免使用生成式 AI 的开发者同样值得关注。他们的作品可受益于专门寻找这种区别的受众。不过，这种益处取决于是否完成相关声明，以及是否理解商店如何解读它。
这里存在不对称性。创作者可能完全清楚一款游戏是如何制作的，但平台仍缺少相应答案。未完成的披露会让商店无法自信地将该项目置于肯定类别中。
这一变化也会影响为自己项目购买素材的人。素材购买者可能因客户要求或合作者偏好而在意制作方法。及早找到合适素材，可以避免浪费评估与替换工作。
这是一个说明性用例，并非证明某位特定买家已经采用该功能的证据。其相关性源于开发素材如何在项目之间流动。上游重要的信息，可能影响生产流程中很晚才作出的决定。
直接压力落在维护列表的创作者和设计发现机制的店面身上。随着时间推移，它也会延伸至决定这些分类是否值得信任的用户。只有当人们理解通过筛选器意味着什么时，筛选器才能节省时间。
这正是为何此次更新比一次外观菜单改动更具分量。它将一种已声明的制作方法与受众选择联系起来。一旦这种联系存在，准确性就成为商店实用性的一部分，而不再只是后台行政工作。
Steam AI 披露面临可用性问题
Steam 现有的披露要求意味着，比较的重点在于用户控制权，而不是 Valve 是否承认 AI 生成内容。
Valve 的 AI 内容问卷聚焦于随游戏发布并由玩家消费的生成内容。其文档区分开发期间创建的材料与游戏运行时生成的内容，也将这一问题与开发工具带来的一般效率提升区分开来。
这一范围很重要。不应将 Steam AI 披露描述为要求列举每一次接触 AI 赋能应用的情况。其明确重点是会触达玩家的内容。
Itch.io 的披露类别包括代码，因此直接比较并不像在不同商店之间匹配一个标签那样整齐。相似的措辞可能覆盖不同边界。开发者在假定各平台的回答可互换之前，需要阅读每个平台的定义。
这些差异并未消除核心可用性问题。一旦商店收集了生成内容的信息，玩家应如何在发现作品时使用它？产品页面上的描述与控制结果的偏好，服务于不同目的。
itch.io AI 筛选器让这一区别变得可见。其意义并不需要宣称 Steam 完全没有任何与 AI 相关的发现功能。更有力的比较在于，每个商店让用户表达偏好的方式有多清晰且一致。
Valve 可以在不复制 itch.io 术语的情况下应对这个问题。店面可以提供详细内容类别、宽泛偏好，或基于既有声明的其他控制方式。设计需要说明该选择包含和排除什么。
因此，这种压力是具体的。希望避开已披露生成内容的玩家，已经看到这种偏好直接出现在搜索中。他们有理由询问，另一家商店所收集的披露信息是否支持同样易于理解的浏览决策。
这仍属于分析判断，而非 Valve 已宣布回应的证据。Itch.io 的更新并不能证明 Steam 的路线图，也不能证明有多少 Steam 用户希望获得类似控制功能。
其中存在合理的设计复杂性。一项笼统偏好可能隐藏以截然不同方式使用生成内容的项目。更细致的选项提供灵活性，但需要用户无需研究开发实践就能理解的定义。
商店还需要决定偏好如何与不完整信息互动。排除有肯定 AI 声明的项目，与选择明确的否定声明相比，会让未回答的项目处于不同位置。即使标签听起来相似，这些方法也可能产生不同结果。
Steam AI 披露已为 Valve 传达制作信息提供了基础。Itch.io 的更新让下一个问题更加清晰：用户应通过这些信息控制多大程度的发现决策？
竞争问题是实际的，而非象征性的。理解商店控制机制的玩家可以将更多时间用于评估游戏，更少时间用于核查是否符合条件。无论店面对生成式 AI 的更广泛立场为何，这都是可以提供的服务。
“无 AI”结果是一项声明，而非审计
最主要的限制在于，披露筛选器整理的是声明，而不会独立核实项目的制作历史。
Itch.io 的 No AI 类别描述明确表示其创作过程中未使用生成式 AI 的项目。“明确”一词至关重要。成员资格反映的是一项声明，而非从缺失信息中得出的结论。
这使肯定类别不同于仅仅移除已知披露使用生成内容的项目。未完成回答的项目可能不属于肯定组。它的缺席不能证明其创作者使用了生成式 AI。
这一差异应当指导读者如何解读结果数量。较小的筛选后目录无法揭示整个店面中由 AI 制作的作品比例。缺失的声明、较早的列表和分类规则都会令这种推断变得复杂。
同样的谨慎原则也适用于个别游戏。一个项目不属于某个类别，并不意味着它就应自动成为指责对象。该筛选器提供的是发现边界，而非对每位被排除创作者的定论。
不实申报带来了另一项问题。有意歪曲制作方式的开发者可以提交不准确的回答。在搜索时展示该回答会提高其实用性，但无法杜绝欺骗。
即使创作者试图遵守要求，模糊情形仍可能造成错误。一个项目可能混合了委托创作的插画、购买的音频、生成内容，以及多位贡献者编写的代码。填写表单的人需要掌握足够的信息，才能准确归类最终作品。
购买的资产尤其使这一问题变得具体。开发者可能得到资产卖家的保证，却未亲眼了解这些素材是如何制作的。这形成的是一条申报链，而非对每个创作环节的直接了解。
更合理的应对方式是完善文档并提供更清晰的平台指引。不能仅因一张图片看起来不同寻常，或一句对白显得泛泛，就推断存在不诚实行为。单凭视觉上的怀疑，无法证明一个项目是如何制作的。
当准确披露会带来曝光成本时，还存在公平性问题。诚实的创作者可能从客户筛选出的结果中消失，而不准确的申报却逃过同样的后果。执行机制很重要，因为它有助于防止这种失衡反而奖励虚假陈述。
不过，现有证据尚不足以确定该筛选器的错误率。它没有量化虚假申报，也无法证明举报多频繁会促成更正。这些空白应当仍是空白，而不应被编造成成功或失败的衡量指标。
最好将 itch.io 的 AI 筛选器理解为浏览已申报信息的工具。它可以尊重客户偏好，同时让验证问题保持未解决状态。这两个结论并不矛盾，任何对这次更新的评估都应包含二者。
筛选与垃圾内容执法解决的是不同问题
客户偏好不能替代内容审核，而内容审核也无法决定每位客户可接受的 AI 参与程度。
Itch.io 的内容质量指南将过度自动化发布与披露要求分开处理。指南警告不要发布批量生产的页面和最低限度整理的生成内容，也要求准确申报；其中明确对资产、原声带、实体游戏、漫画和书籍采取严格执法。
这种区分有助于解释平台的做法。有些问题关乎内容是否本应进入发现机制；另一些则关乎个别客户是否愿意看到原本符合条件的作品。
玩家可以拒绝生成式美术作品，而无需宣称所有包含此类内容的项目都是垃圾内容。反过来，一个项目即使未使用生成式 AI，也可能带来糟糕的浏览体验。重复刊登和误导性呈现仍是问题，无论其使用何种制作工具。
披露系统还需保留生成式 AI 与常见游戏系统之间的区分。敌人导航和基于规则的程序化关卡，并不会自动与生成的插画或对白归入同一类别。若将每一种计算过程都视为等同，分类的实用性将会降低。
对读者而言，实际含义是：筛选器并不认证质量。一个申报未使用生成式 AI 的项目仍可能令人失望。一个披露使用了生成内容的项目，仍可能吸引理解并接受其制作选择的玩家。
内容审核的作用更为广泛：保护发现体验免受滥用。如果商店允许重复或误导性的刊登占据主导，客户甚至在考虑制作偏好之前，就得付出额外精力。披露控制只能解决其中一部分负担。
同样存在一种风险，即把执法公告视为整体问题已获解决的证据。下架描述的是针对特定素材采取的行动，并不能衡量仍有多少问题内容存在，也不能说明新内容涌现的速度。
更有用的评估是，观察普通浏览是否会随着时间推移变得更容易。相关信号包括重复的误导性刊登、分类不一致，以及更正是否持续反映在发现结果中。即使没有对整体问题的公开估算，这些仍是可观察的问题。
对开发者而言，结合这种做法会产生不同的责任。项目既需要准确的制作信息，也需要一个值得评估的刊登页面。完成披露不能成为误导性内容或重复发布的借口。
对平台而言，挑战在于一致性。客户需要相信类别名副其实。创作者需要足够清晰的规则，以便无需猜测模糊规则会如何影响曝光度，就能对作品进行分类。
这次更新之所以重要，是因为它赋予客户直接表达偏好的方式，同时保留平台判断的独立角色。这种分工允许人们就 AI 使用产生分歧，而不必把每一种分歧都转化为下架决定。其成功取决于能否让这些功能保持易于理解。
接下来关注覆盖率、更正情况以及 Steam 的回应
下一批有意义的证据将涉及披露覆盖率、更正做法，以及竞争性商店是否让类似偏好更容易表达。
先关注未来数月的覆盖率。更多完成的申报将为客户提供更大范围的已分类作品可供浏览。这将强化这样一种观点：披露能够在既有目录中支持有效的发现体验。
对此的解读需要谨慎。肯定类别的增长，可能反映的是创作者完成了既有刊登的申报，而不是新游戏制作方式发生了变化。目录分类和开发行为是不同的衡量指标。
有用的问题在于，商店是否让这种区别易于理解。客户应能识别结果是否代表已申报的一个子集。否则，看似可用性发生的变化，可能会诱导人们对目录其余部分得出缺乏依据的结论。
接着，观察更正如何运作。针对存在争议的分类提供更清晰的指引，会增强人们对系统的信心。若类别边界持续令人困惑，则会削弱“该筛选器帮助客户做出知情选择”的说法。
更正做法对认为分类有误的创作者同样重要。一个易于理解的流程应让他们了解问题所在，并提供相关信息。当分类会影响其作品是否出现在他人的结果中时，这一点就更为重要。
需要寻找的是具体证据：经过澄清的定义、已记录的申报变更，或对如何处理举报不准确信息的说明。仅有公开争论，并不能证明底层分类流程是否得到改善。
最后，关注 Valve 的产品变更和文档。围绕已披露的生成内容提供更清晰的客户偏好，将表明披露正成为更直接的发现工具。即使没有类似 itch.io 的界面，对适用范围作出澄清也同样重要。
不要将每一次 Steam 更新都视为对这项公告的回应。要证明因果关系，需要有文档化的关联。无论哪个平台影响了另一个平台，有意义的比较都是最终形成的客户体验。
对于跨多个商店开展业务的开发者而言，这些信号将有助于确定制作记录应如何支持准确申报。资产来源，即对创作素材来源的记录，在合作方和平台提出不同问题时会很有价值。
已在整理这些信息的团队，可以将其视为可搜索知识库的一部分。将许可证、供应商声明和开发笔记集中保存，可以让之后的审查更容易。这些记录能够支持说明，但不会自动证明每位供应商的全部说法。
对玩家而言，下一步是依据该控制项的实际含义来评估它。查看某项偏好是选择明确申报，还是排除已知披露。检查这些类别是否区分了对你重要的 AI 参与形式。将缺失信息视为不确定性，并将游戏本身与其制作标签分开评估。itch.io 的 AI 筛选器为这一过程提供了更清晰的起点，但更广泛的标准仍应是：由准确信息支持、且易于理解的选择。在比较不同商店时，提出一个具体问题：你能否在打开每个刊登页面之前表达自己的偏好，并且准确了解所得筛选结果代表什么？
