نگاهی به هوش مصنوعی اینستاگرام در پیشنهادهای بخش اکسپلور

هوش مصنوعی اینستاگرام عملکردی پیچیده دارد و محتوای جدید و جذابی را برای هر کاربر بسته به علایق و تجربه اش نمایش می دهد.

اینستاگرام یک مقاله جامع در مورد جزئیات هوش مصنوعی خود منتشر کرده است که وظیفه نمایش محتوای جالب و جدید در قسمت Explore (نماد ذره بین معروف در برنامه) را بر عهده دارد. مقاله غول رسانه های اجتماعی دارای پیچیدگی ها و جزئیات فنی زیادی است که علاقه مندان می توانند با مراجعه به لینک منبع آن را مطالعه کنند. با این حال ، در ادامه این مقاله ، پنج ویژگی اصلی هوش مصنوعی اینستاگرام را در نمایش محتوا شرح می دهیم.

منابع محدود اینستاگرام و فیسبوک

فید خبری فیس بوک یکی از جالب ترین بخشهای تجربه کاربر است. بسیاری از کاربران ترجیح می دهند محتوا را به ترتیب زمانی مشاهده کنند. در مقابل ، برگه Explore در اینستاگرام نیاز به پیچیدگی بیشتری دارد که با استفاده از الگوریتم های هوش مصنوعی به دست می آید. درک نحوه عملکرد یک شبکه اجتماعی مبتنی بر تصویر و پیشنهاد محتوای جدید بسیار دشوار است و ممکن است حتی ساده تر از ایجاد یک الگوریتم پیشنهاد نباشد.

اگر اینستاگرام و فیس بوک و دیگر غول های فناوری منابع و زمان پردازش نامحدودی داشتند ، ممکن بود رویکرد متفاوتی برای توسعه برگه کاوش داشته باشند. البته ، آنها در حال حاضر منابع پردازشی محدودی (هرچند بزرگ) دارند و می توانند در مدت زمان کوتاهی به صدها میلیون کاربر خدمت کنند. با این حال ، این موضوع در ابتدای پست وبلاگ اینستاگرام ذکر شده است تا کاربران نگران و س lessال کمتری در مورد صرفه جویی در منابع داشته باشند. در بخش دیگری از مقاله گفته شده است که تغییر سریع ساختارها و مشاهده سریع نتایج ، روند ساده تری برای توسعه دهندگان اینستاگرام است.

اهمیت حساب کاربری در برابر پست

محتواهای زیادی در اینستاگرام منتشر می شود و قطعاً در ردیابی و بررسی هر تصویر به تنهایی برای ارائه بهتر آن به کاربران ، مشکلات زیادی وجود دارد. در مقابل ، ردیابی حساب های کاربری کارآمدتر و ساده تر است. با این حال ، حساب های کاربری دارای موضوع خاصی هستند و روی موضوعات طبقه بندی شده کار می کنند. به عنوان مثال ، حساب ها را می توان در دسته هایی مانند “سفر” ، که یک موضوع کلی است ، با جزئیات بیشتر طبقه بندی کرد.

مانند تصویر در یک حساب به این معنی نیست که به کل محتوای آن حساب علاقه دارید. از طرف دیگر ، این نشان می دهد که شما حداقل به موضوع و موضوع حساب علاقه دارید. برای مثال ، فرض کنید از یک گربه در یک حساب خاص خوشتان می آید. اگر حساب حاوی تصاویر بیشتری از گربه ها است ، به این معنی است که شما به عنوان یک کاربر به این موضوع علاقه دارید.

رفتارهای پیچیده، منابع اطلاعاتی الگوریتم

اینستاگرام برای شناسایی ارتباط موضوعی حساب های کاربری فقط به پروفایل های ویدئویی محدود نمی شود. با این حال ، چنین موردی نیز می تواند به راحتی توسط الگوریتم تشخیص داده شود. با این حال ، برای درک بهتر رابطه ، رفتار کاربر نیز مورد بررسی قرار می گیرد. به عنوان مثال ، وقتی چندین پست را در یک ردیف دوست دارید ، آنها احتمالاً مرتبط هستند ، هر چند الگوریتم اینستاگرام ممکن است آن را درک نکند. در بخشی از مقاله شرکت می خوانیم:

اگر یک کاربر در یک بار استفاده از برنامه با چندین حساب ارتباط برقرار کند ، به احتمال زیاد از نظر موضوع مرتبط هستند. در مقابل ، رویکردی وجود دارد که در آن کاربر دنباله ای تصادفی از محتوای حساب کاربری را در دسته های مختلف حساب اینستاگرام مشاهده می کند. با استفاده از رفتار مشابه ، ما حساب های کاربری مشابه موضوعی را شناسایی می کنیم.

کاربران به طور کلی عملکردی مشابه عملکرد فوق دارند. آنها از یک حساب متمرکز بر سفر ، به عنوان مثال ، به یک حساب مشابه می روند ، و همین امر در مورد موضوعات دیگر نیز صدق می کند. همه رفتارها توسط الگوریتم ضبط و بررسی می شوند تا در تصمیمات کاربر مشابهت پیدا شود. البته فعالیت هایی مانند انتخاب گزینه “مشاهده پست های کمتر مانند این” یا مسدود کردن حساب ، تأثیر زیادی بر عملکرد الگوریتم برای هر کاربر دارد.

قابلیت seed accounts

انتخاب و نمایش ده ها تصویر از میلیاردها تصویر منتشر شده در اینستاگرام بسیار مشکل است. برای کاهش پیچیدگی ، الگوریتم برگه کاوش را به حسابها و حسابهای کاربری مشابهی محدود می کند که کاربر اخیراً پستها را دوست داشته یا آنها را ذخیره کرده است. این گونه حساب های کاربری به عنوان حساب های seed شناخته می شوند. معنی دانه برای این حساب ها درست به نظر می رسد ، زیرا سایر توابع الگوریتم از آنها رشد می کنند.

نحوه نمایش حساب های کاربری و موضوعات آنها در الگوریتم هوش مصنوعی ، یافتن صدها حساب کاربری را آسان می کند. برای یک لحظه تصور کنید که به دنیای کارلی رانده شده ارل منتقل شده اید. اگر می خواهید نمونه ای مشابه برای او بیابید ، جستجوی کمدی پارچه ای نامرتب بی فایده خواهد بود. حتی اگر آنها را روی زمین بیندازید ، باز هم زمان زیادی طول می کشد تا طرح مورد نظر خود را پیدا کنید. از طرف دیگر ، اگر پارچه ها را قبلاً به ترتیب رنگ چیده اید ، پارچه قرمز را با سرعت بالا پیدا خواهید کرد.

الگوریتم یادگیری ماشین فرایندی مشابه مثال بالا را برای یافتن نمونه های مشابه انجام می دهد. هر حساب کاربری دارای مکانی در یک فضای مجازی است و هرچه در آن فضا به یکدیگر نزدیکتر باشند ، بیشتر مرتبط هستند. با توجه به توضیحات ارائه شده ، می دانیم که حساب های کاربری با طبقه بندی صحیح از میلیاردها عنوان برای مرور به چند صد عنوان کاهش یافته است. در نتیجه ، ما در یافتن موارد مشابه مشکل کمتری داریم. پس از دسته بندی ، اینستاگرام از یک شبکه عصبی برای انجام سه مرحله برای رسیدن به تصاویر نهایی استفاده می کند:

لایک کردن حساب‌های کاربری مشابه، داده‌ی مناسبی را نسبت به رفتار کاربر ایجاد می‌کند

اولین مرحله را می توان یک مرحله ساده تر و ترکیبی از دو مرحله بعدی دانست که 500 حساب کاربری را به 150 حساب کاهش می دهد. چنین رویکردی ممکن است کمی عجیب به نظر برسد ، اما برای درک بهتر آن ، می توانید آن را به این شکل تصور کنید: شبکه عصبی چندین بار وقوع مراحل دوم و سوم را مشاهده کرده است و دید خوبی از عملکرد و پیامدهای آنها دارد. برای یک لحظه تصور کنید که به دنیای کارلی رانده شده ارل منتقل شده اید. حدس زدن کمی دقیق به نظر می رسد ، اما مطمئناً منجر به انتشار برآوردی توسط شما نمی شود. در واقع ، ما فقط در اولین قدم به اطلاعات کلی و واضح دست می یابیم.

مرحله دوم شامل یک شبکه عصبی نسبتاً ساده از نظر پردازش است. شبکه از سیگنال های بسیار بیشتری نسبت به مرحله قبل استفاده می کند. در این مرحله ، تک تک کاربرها و داده های عمیق تری در مورد حساب های کاربری نقش دارند. به عنوان مثال ، بر اساس سابقه دوست داشتن ها ، به موضوع سفر و دسته بندی دقیق تری مانند سفرهای خانوادگی علاقه دارید. پارامترهای دیگر ، مانند محبوبیت کلی یک پست یا تفاوت قابل توجه آن با سایر پست های این دسته ، نقش مهمی در نمایش دارند. مرحله دوم 100 پیشنهاد دیگر را حذف می کند و فقط 50 پیشنهاد باقی می ماند.

مرحله سوم شامل شبکه عصبی با نیاز به پردازش بیشتر و پیچیده تر است. در این مرحله ، 50 مورد باقی مانده بررسی می شود و نیمی از آنها حذف می شوند. با نگاه دقیق به محتوا و بررسی هزاران نقطه داده به جای صدها ، امکان انتخاب دقیق تر در مرحله سوم وجود دارد.

حذف محتوای نامناسب

در قسمتی از پست وبلاگ اینستاگرام می خوانیم:

ما باید مطمئن شویم که محتوای ارائه شده در بخش کاوش ایمن و مرتبط با جامعه جهانی گسترده است. ما از سیگنال های متنوعی برای فیلتر کردن محتوا به نحوی که پیشنهاد آن مناسب نیست ، استفاده می کنیم.

توضیحات بالا عملکرد Instagram را برای حذف محتوای نامناسب از قسمت Explore نشان می دهد.