Как работают алгоритмы Тик Ток

  • Автор темы Altaran
  • Дата начала

Выкуп купонов GainStorm в любых объемах

Altaran

Altaran

Модератор
Команда форума
algoritmy-tik-tok-jpg.753


В моем предыдущем посте в TikTok я обсуждал, почему его алгоритм For You Page - это соединительная ткань, которая заставляет TikTok работать. Это шина на материнской плате, которая соединяет и замыкает все контуры обратной связи.

Но в захватывающем дух стремлении понять, почему компании могут захотеть приобрести TikTok, если ByteDance будет вынужден отказаться от популярного приложения для коротких видео, шумиха вокруг его алгоритма приобрела некоторую экзотичность, что часто характеризует западный анализ китайских технологий сцена в наши дни.

В этом посте я хочу обсудить, как именно дизайн TikTok помогает его алгоритму работать так же хорошо, как и он. В прошлый раз я обсуждал, почему алгоритм FYP лежит в основе маховика TikTok, но если алгоритм окажется неэффективным, весь цикл обратной связи рухнет. Понимание того, как алгоритм достигает своей точности, имеет значение, даже если вас не интересует TikTok или короткое видео-пространство, потому что все больше и больше компаний во всех отраслях будут сталкиваться с конкурентом, преимущество которого сосредоточено вокруг алгоритма машинного обучения.

Я хочу обсудить, как дизайн TikTok помогает его алгоритму «видеть».

«Видеть как государство » Джеймса С. Скотта - одна из тех книг, которые превращают вас в одного из тех типов Кремниевой долины, которые используют (злоупотребляют?) Термином разборчивость. Я впервые услышал об этом после того, как прочитал краткое изложение основных тем Венкатеша Рао , и этот отрывок остается хорошим учебным пособием по книге, если вы не планируете читать текст ( обзор книги Скоттом Александером тоже хорош, хотя и достаточно длинный. что это могло почти оправдать собственный TLDR). Однако я рекомендую вам это сделать.

Подзаголовок книги Скотта: «Как не удалось добиться успеха в определенных схемах улучшения условий жизни человека». В частности, Скотт анализирует состояние отказа, которое повторяется во многих областях, в которых руководящий орган, такой как национальное государство, обращается к тому, что Скотт называет высоким модернизмом, в попытке повысить четкость того, что они пытаются контролировать. , будь то для целей налогообложения, призыва или любого количества целей. Поступая так, они навязывают ложное чувство порядка более сложной реальности, чем они могут представить.

Это книга, повышающая осведомленность о всевозможных примерах непредвиденных последствий в повседневной жизни. Мы все могли бы использовать более здоровые проявления смирения, когда мы слишком увлечены высокомерием человека. Мир богаче и сложнее, чем мы думаем.

Например, многое из того, что обсуждает Скотт, имеет отношение к гордыне наших современных гигантов социальных сетей. Эти доминирующие приложения разработаны для повышения читабельности баз пользователей, среди прочего, для стимулирования взаимодействия, предотвращения оттока пользователей и, в конечном итоге, для обслуживания целевой рекламы. Это, в свою очередь, привело их материнские компании в чащу проблем, с которыми они сейчас постоянно борются.

Но это тема для другого поста, в другой день. В то время как Скотт сосредотачивается на том, как национальное государство использует упрощающие абстракции, чтобы «видеть» своих граждан на синоптическом уровне, я хочу обсудить, как дизайн приложения TikTok позволяет его алгоритму «видеть» все детали, необходимые для эффективного выполнения своей работы по подбору игроков. и точно. Если Seeing Like a State посвящен общему состоянию отказа, этот пост посвящен новой модели, позволяющей максимально эффективно использовать алгоритмы машинного обучения при разработке приложений и сервисов.

В последние годы одна из реализаций машинного обучения, по крайней мере для стороннего наблюдателя, такого как я, заключается в том, насколько большой прогресс стал возможен только за счет увеличения объема обучающих данных на несколько порядков. То есть, даже если сами алгоритмы не сильно отличаются от тех, что были несколько лет назад, просто обучая их на гораздо более крупных наборах данных, исследователи ИИ достигли таких прорывов, как GPT-3 (который временно довел технический Twitter до тантрического оргазма). .

Когда люди говорят, что алгоритмы TikTok являются ключом к его успеху, многие представляют некий волшебный блок кода как секретный соус компании. Современный русский писатель-постмодернист Виктор Пелевин сказал, что главный герой всего современного кино - это портфель, полный денег. От кейса с радиоактивным материалом (я думаю, что это было?) В Kiss Me Deadly до портфеля с таким же сиянием, кто знает что (душа Марцелла Уоллеса?) В Криминальном чтиве , от уравнения Генезиса в Формуле до секретного финансового процесса в " Испанском пленнике" Дэвида МаметаМы давно в кино были одержимы волшебным МакГаффином. В последние недели обсуждение алгоритма TikTok подняло его до уровня чего-то похожего, сродни одному из тех мистических археологических артефактов в одном из фильмов об Индиане Джонсе, таких как Ковчег Завета, Святой Грааль или лингам Шивлинг.

Но большинство экспертов в этой области сомневаются, что TikTok добился ранее неизвестного прогресса в алгоритмах рекомендаций машинного обучения. Фактически, большинство из них сказали бы, что TikTok, вероятно, строит те же стандартные подходы к проблеме, что и другие.

Но помните, что эффективность алгоритма машинного обучения зависит не только от самого алгоритма, но и от алгоритма после обучения на некотором наборе данных . GPT-3, возможно, и не новинка, но он обучен на огромном объеме данных и с огромным количеством параметров, его результаты часто удивительны.

Точно так же алгоритм TikTok FYP, обученный на его наборе данных, удивительно точен и эффективен в сопоставлении видео с теми, кто находит их интересными (и, что не менее важно, в подавлении распространения видео среди тех, кто не считает их интересными). .
 
Altaran

Altaran

Модератор
Команда форума
Для некоторых областей, таких как текст, хорошие данные для обучения легко доступны в больших объемах. Например, чтобы обучить модель искусственного интеллекта, такую как GPT-3, вы можете обратиться к огромному массиву текста, уже доступному в Интернете, в книгах и т. Д. Если вы хотите обучить визуальный ИИ, вы можете обратиться к огромному количеству фотографий в Интернете и в различных базах данных. Обучение по-прежнему стоит дорого , но, по крайней мере, обширный обучающий материал всегда под рукой.

Но для TikTok (или Douyin, его китайский клон), которому нужен был алгоритм, который бы превосходно рекомендовал короткие видеоролики для зрителей, не существовало такого массового общедоступного набора обучающих данных. Где можно найти короткие видеоролики с мемами, детскими танцами и синхронизацией губ, очаровательно выглядящими домашними животными, влиятельными людьми, продвигающими бренды, солдатами, бегущими через полосы препятствий, детьми, выдающими себя за бренды, и так далее? Даже если бы у вас были такие видео, где бы вы могли найти сопоставимые данные о том, как население в целом думает о таких видео? Вне набора данных Musical.ly, который состоял в основном из девочек-подростков из США, синхронизировавших губы друг с другом, таких данных не существовало.

В уникальном виде проблемы с курицей и яйцом, те самые типы видео, на которых должен был обучаться алгоритм TikTok, было непросто создать без инструментов и фильтров камеры, лицензионных музыкальных клипов и т. Д.

В этом и заключается магия дизайна TikTok: это замкнутый цикл обратной связи, который вдохновляет и позволяет создавать и просматривать видео, на которых можно обучить его алгоритм.

Чтобы его алгоритм стал столь же эффективным, TikTok стал собственным источником обучающих данных .

Чтобы понять, как TikTok создал такой мощный маховик обучения, нам нужно углубиться в его дизайн.

Доминирующая школа мысли, когда дело доходит до дизайна пользовательского интерфейса в технологиях, по крайней мере, на которой я вырос за последние два десятилетия, сосредоточена на устранении трений для пользователей при выполнении того, что они пытаются сделать, и при этом доставляя им удовольствие. процесс. Целью было создание элегантного во всех смыслах этого слова: интуитивно понятного, оригинального и даже стильного.

Возможно, ни одна компания не воплотила эту школу дизайна в большей степени, чем Apple. В лучшем случае Apple производит аппаратное и программное обеспечение, которое приятно элегантно - «оно просто работает», но в то же время привлекательно, чтобы пользователи чувствовали себя со вкусом.Есть ли причина показывать видео о том, как новый корпус MacBook Pro изготовлен из цельного куска алюминия (помимо того факта, что Джони Айв воркнул «а-л-мин-эээ-эм» для фанатов Apple - это ASMR) при представлении это на программной презентации Apple? А как насчет того, чтобы увидеть, как промышленные лазеры вырезают цельный корпус из цельного куска алюминия, это сексуально? А позже, когда вы пишете электронное письмо в кафе на указанном ноутбуке, какая-то остаточная память об этом видео в вашем бессознательном даст вам лишь малейший выброс дофамина?

Есть причина, по которой эта ориентированная на пользователя модель дизайна так долго доминировала, особенно в сфере потребительских технологий. Во-первых, это работает. По последним данным, рыночная капитализация Apple превысила 2 триллиона долларов.Более того, мы живем в эпоху массовых сетевых эффектов, когда технологические гиганты, применяющие теорию агрегации Бена Томпсона и приобретающие огромную базу пользователей, могут оказывать невероятное влияние на рынки, на которых они участвуют. Один из лучших способов добиться этого - разработать продукты и услуги, которые делают то, что хотят пользователи, лучше, чем ваши конкуренты.

Эта школа дизайна так долго доминировала, что мне почти удалось забыть о некоторых жестоких разработках программного обеспечения, которые были нормой в былые времена.

Но что, если ключ к лучшему обслуживанию ваших пользователей во многом зависит от обучения алгоритму машинного обучения? Что, если этому алгоритму машинного обучения требуется массивный набор обучающих данных? В эпоху, когда машинное обучение находится на подъеме, это становится все более важной задачей дизайна.

Все больше и больше, когда вы думаете о том, как разработать приложение, вы должны думать, как лучше всего помочь алгоритму «увидеть». Чтобы лучше обслуживать ваших пользователей, сначала обслужите алгоритм.

TikTok очаровывает меня, потому что это пример современного приложения, дизайн которого, будь то случайно или, э-э, дизайн, оптимизирован для подачи в его алгоритм как можно большего количества полезного сигнала. Это образец того, что я называю дружественным к алгоритмам дизайном .Это все еще можно рассматривать как вариант дизайна, ориентированного на пользователя, но тем командам, которые работают над продуктами с тяжелым компонентом алгоритма машинного обучения, может быть полезно явное признание. В конце концов, когда менеджер по продукту, дизайнер и инженер встречаются, чтобы разработать приложение, алгоритм не используется. Тем не менее, его потребности в обучении должны быть представлены.

Джеймс Скотт говорит о «видении как государство», о массовых сдвигах в таких областях, как городской дизайн, которые сделали такие количества, как участки земли и их владельцев, «понятными» сборщикам налогов. Дизайн TikTok делает его видео, пользователей и пользовательские предпочтения понятными для алгоритма For You Page. Дизайн приложения выполняет одну из его основных обязанностей: «видеть как алгоритм».

Давайте рассмотрим подробнее. TikTok открывается на странице «Для вас» и сразу переходит к видео.

Весь экран заполняется одним видео. Только один. Он отображается в полноэкранном режиме в вертикальной ориентации. Это не прокручиваемая лента. Это эффективно разбито на страницы. Видео воспроизводится автоматически почти сразу (а следующие несколько видео загружаются в фоновом режиме, чтобы они тоже могли быстро воспроизводиться, когда их очередь на сцене).

Такой дизайн сразу же ставит пользователя перед вопросом: как вы относитесь к этому короткому видео и только к этому короткому видео?

Все, что вы делаете с момента начала воспроизведения видео, является сигналом вашего отношения к этому видео. Вы переходите к следующему видео еще до того, как оно закончилось? Неявный (хотя и явно выраженный) сигнал отсутствия интереса.

Вы смотрели его больше одного раза, давая ему зацикливаться несколько раз? Кажется, что-то в этом вам понравилось. Вы поделились видео через встроенную панель обмена? Еще один сильный индикатор позитивных настроений. Если вы коснетесь вращающегося нижнего правого значка LP и посмотрите больше видео с тем же саундтреком, это станет дополнительным сигналом к вашим вкусам. Часто музыкальный сигнал является синонимом мема, и теперь у TikTok есть еще одна ось, по которой можно рекомендовать вам видео. Вы зашли на страницу профиля создателя видео? Вы смотрели другие их видео, а потом следили за ними? Возможно, вы не только наслаждаетесь просмотром видео, но и особенно их цените.
 
Altaran

Altaran

Модератор
Команда форума
Но давайте вернемся еще раньше, еще до того, как вы посмотрите видео, и поймем, как алгоритм TikTok «видит» само видео. Еще до того, как видео было отправлено на ваш телефон алгоритмом FYP, какой-то человек из операционной группы TikTok уже просмотрел видео и добавил множество соответствующих тегов или ярлыков.

Видео о танцах? Синхронизация губ? Видео игры? Котенок? Бурундук? Это комедийно? Подопытный мужчина или женщина? Какого возраста, примерно? Это групповое видео? Где это установлено? Какие фильтры или визуальные эффекты используются? Если есть еда, то какая? И так далее. Все эти метки становятся функциями, которые теперь может видеть алгоритм.

Vision AI также передает видео и, насколько это возможно, вносит свой вклад в то, что видит. Некоторые фильтры камеры TikTok предназначены для отслеживания человеческих лиц, рук или жестов, поэтому Vision AI часто вызывается еще раньше, в момент создания.

Алгоритм также может видеть то, что TikTok уже знает о вас. Какие типы видео вам нравились раньше? Какая демографическая или психографическая информация известна о вас? Где ты видео смотришь? Какой у вас тип устройства? И так далее. Помимо этого, какие еще пользователи похожи на вас?

Вернемся к тому моменту, когда вы смотрите это видео на своем телефоне в TikTok. Теперь алгоритм FYP может закрыть все петли обратной связи. Он берет на себя все действия, которые вы выполняете с видео, и может угадать, как вы со всеми своими вкусами относитесь к этому видео со всеми его атрибутами.

Ни один из этих отдельных шагов не звучит как ракетостроение, особенно для тех, кто сегодня работает над алгоритмической социальной лентой.Фактически, TikTok опубликовал сообщение в блоге, в котором по сути описывается, как работает их алгоритм FYP, и я сомневаюсь, что кто-то из технических специалистов сочтет это описание чем-то очевидным.

Но сравните то, что видит алгоритм FYP TikTok, с тем, что аналогичный алгоритм рекомендаций видит в большинстве других каналов социальных сетей.

img_5bc7fe8cee4e-1-jpeg.752


Пользовательский интерфейс по умолчанию наших крупнейших социальных сетей сегодня - это бесконечная вертикальная прокрутка ленты (например, я мог бы легко использовать снимок экрана Facebook выше). Вместо того, чтобы показывать вам одну историю за раз, эти приложения отображают на экране сразу несколько элементов. Когда вы прокручиваете вверх и мимо многих историй, алгоритм не может «увидеть», на какой истории вы остановились. Даже если бы это было возможно, если пользователь не нажимает ни одну из кнопок обратной связи, например, кнопку «Нравится», будет ли его отношение к этой истории положительным или отрицательным? Сигнал настроения пользователей не чистый.

Если вы согласны с идеей о том, что пользовательский интерфейс должен устранять трение, бесконечная прокрутка ленты идеальна. Это дает ощущение неограниченного контроля над темпами потребления. Смоделированная физика, которая возникает в результате щелчка по каналу большим пальцем и наблюдения за его прокруткой вверх, как барабан Большого колеса из Price is Right Showcase Showdown с точной скоростью вращения, подразумеваемой скоростью вашего первоначального жеста, постепенно наблюдая это программное колесо замедляться точно так же, как при постоянном физическом трении, это одно из самых приятных взаимодействий с пользователем в эпоху сенсорных экранов. Вы можете быстро просмотреть полдюжины твитов или элементов ленты Facebook. Уииеееее!
 
Altaran

Altaran

Модератор
Команда форума
Дизайн с разбивкой на страницы, в котором вы можете видеть только одну историю за раз, где каждое движение пальца будет продвигать ленту только по одному элементу за раз, будет буквальным и метафорическим перетаскиванием.

С другой стороны, возможно, вы не прочь бы читать по одному твиту за раз, если бы они были лучше ориентированы, и, возможно, они были бы лучше ориентированы, если бы Twitter знал больше о том, какие типы твитов действительно вас интересуют. И, возможно, Твиттер узнал бы больше о том, что вас действительно интересовало, если бы вам приходилось давать явные и неявные положительные или отрицательные сигналы в каждом твите.

Даже в истории, с которой пользователь взаимодействует, оценить настроение - проблема. Большинство приложений имеют только механизмы положительной обратной связи, чаще всего это какая-то форма кнопки «Нравится». Поскольку такие приложения, как Facebook, Instagram и Twitter, построены на социальных графиках, очевидно, почему они могут отказаться от использования кнопок «Не нравится».

Но, как писал Стивен Кинг в своей книге « О писательстве» , «если вы рассчитываете на успех как писатель, грубость должна быть второстепенной из ваших проблем. Меньше всего должно быть вежливое общество и то, чего оно ожидает. Если вы намерены пишите как можно правдивее, ваши дни в качестве члена приличного общества в любом случае сочтены ".

Полагаясь на длинную полосу прокрутки с в основном явными механизмами положительной обратной связи, социальные сети, такие как Facebook, Twitter и Instagram, пошли на компромисс в пользу сканирования с меньшим трением для пользователей за счет более точного считывания отрицательного сигнала.

Сети, построенные на графах интересов, такие как Reddit, имеют тенденцию включать механизмы отрицательного голосования, потому что их основная директива, позволяющая удерживать пользователей от оттока, заключается в предоставлении им наиболее интересного контента. Это означает, что нужно не только удалять неинтересный контент, но и привлекательный.

TikTok не имеет явной кнопки отрицательного голоса, но, обслуживая вас только по одному видео за раз, они могут сделать вывод о том, что вы не заинтересованы в любом отдельном видео, исходя из того, быстро ли вы отказываетесь от этого видео. и какими положительными действиями вы не предпринимаете .

Если вы нажмете на текстовое сообщение кого-то в Facebook, но не прокомментируете его или не поставите лайк, как Facebook сможет оценить ваше отношение к этому сообщению? Возможно, вы думали о резком несогласии в комментариях, но этот человек является коллегой или другом друга, и вы решили, что это лучше. Это негативное настроение трудно уловить; алгоритм не может «видеть» ваши чувства.

Медленно убивает контент, который скучный или вызывает легкое неудовольствие. В моем предыдущем посте я отмечал, что контент, полученный из социальной сети, может отклоняться от истинных интересов пользователя из-за несоответствия между вашими собственными интересами и интересами людей, которых вы знаете. Переход от хронологической к алгоритмической подаче часто является защитным ходом по умолчанию против такого смещения.

Но если алгоритм не «видит» сигналы о растущей незаинтересованности пользователя, если видно только положительное взаимодействие, некоторое расхождение неизбежно. Вы можете увидеть, что пользователь медленно теряет интерес, ему не нравится столько элементов, не так часто открывается ваше приложение, но может быть неясно, какие именно истории его отталкивают. К тому времени, когда они начинают проявлять признаки оттока, часто бывает слишком поздно обратить кровотечение.

Дизайн, дружественный к алгоритмам, не обязательно должен быть враждебным пользователю. Просто требуется другой подход к тому, как лучше всего служить интересам пользователя. Пагинация на страницы может создать некоторый уровень трения для пользователя, но при этом она может предоставить алгоритму более чистый сигнал, который в долгосрочной перспективе гарантирует качество подачи.

Сведение к минимуму трения - это всего лишь одно из средств улучшения пользовательского опыта. Цель любого дизайна - не минимизировать трение, а помочь пользователю достичь какой-то цели. Снижение трения часто соответствует этой цели, но не всегда. Вы можете сказать, что твит с цитатой уменьшает трение при ручном копировании чужого твита, но уменьшение трений при организации толпы, чтобы навалить на кого-то, может не быть основным механизмом, который вы хотите поощрять, если вашей целью является гражданский публичный дискурс. Некоторые формы трения хороши.

Вы услышите, как многие опытные пользователи Twitter советуют другим использовать отключение звука и блокировку как можно раньше и чаще.Пользователи с гордостью публикуют в Твиттере скриншоты со словами, которые они приглушили, в знак своего недовольства какой-либо популярной темой обсуждения (или своего интеллектуального превосходства над указанной темой). Не спортивные болельщики пишут в Твиттере о «спортивном мяче», другие - «Я укушу, что такое X?» где X - это то, что все обсуждают. Некоторые люди зашли так далеко, что отписались от всех и снова начали подписываться с нуля.

Иногда я сам думаю о том, чтобы принять некоторые или все из этих стратегий, но для Twitter необходимость в них сама по себе является провалом службы. Если бы алгоритм был более умным в отношении того, что вас интересовало, он должен был позаботиться о том, чтобы отключать темы или блокировать людей от вашего имени, без необходимости выполнять эту работу самостоятельно. Как я писал в прошлый раз, то, что вам нужно вообще следить за людьми в Твиттере, чтобы получать интересный контент, можно утверждать, это недостаток дизайна для того, что может быть мощным графом интересов.
 
Altaran

Altaran

Модератор
Команда форума
TikTok не только улавливает очень четкие сигналы настроений от своих пользователей, но и собирает их огромное количество за сеанс. Видео в TikTok настолько короткие, что даже за короткое время TikTok может собрать много отзывов о ваших вкусах.
К тому же процесс относительно безболезненный. В худшем случае несколько видеороликов могут утомить вас, но их удаление делает работу относительно безболезненной, а поскольку алгоритм внимательно прислушивается к вашим отзывам, вам может даже понравиться отклонять видеоролики, зная, что приложение зарегистрирует ваше недовольство и отреагирует на него.
Кстати, TikTok - не единственное приложение с интерфейсом, оптимизированным для задачи сопоставления, с интерфейсом, который показывает вам по одной сущности за раз, чтобы лучше понять, как вы себя чувствуете. До TikTok у нас была целая категория, в которой преобладал пользовательский интерфейс в стиле индивидуального прослушивания по одному.

Есть причина, по которой смахивание вправо и смахивание влево стало сокращенным сленгом для обозначения одобрения и неодобрения в целом. Tinder придумал что-то вроде примитива дизайна в пользовательском интерфейсе сенсорного экрана для бинарного голосования.

В эту эпоху программного обеспечения истинные конкурентные преимущества или рвы становятся все более иллюзорными. Большинство функций программного обеспечения или дизайна пользовательского интерфейса могут быть легко скопированы действующим лицом или конкурентом в одночасье. Все, что вам нужно сделать, это протестировать для них влияние дизайна.

Но если вы можете создать маховик, как у TikTok, конкурентам, таким как Reels или Triller, будет намного сложнее догнать их. Triller может заплатить некоторым влиятельным лицам из TikTok, чтобы они пришли и сняли там видео, Reels могут попытаться использовать существующий трафик Instagram, но то, что заставляет TikTok работать, - это весь цикл положительной обратной связи, соединяющий создателей, видео и зрителей через алгоритм FYP.

В сфере технологий, в которой Брайан Артур олицетворяет растущую доходность и зависимость экономики, возможно, больше, чем в любой другой отрасли, первый конкурент, который достигнет соответствия продукта рынку, может убежать от стаи. Если все больше и больше рынков чувствуют себя так, будто победитель получает все или победитель получает все, это происходит потому, что во все более взаимосвязанном мире так оно и есть.

Bytedance часто называют компанией по разработке алгоритмов, а в последние несколько недель TikTok описывается как основанная именно на такой алгоритмической черной магии. Многие зашли так далеко, что заявили, что TikTok не стоило бы покупать, если бы алгоритм не был включен.

На мой взгляд, это ошибка. Да, переобучение алгоритма рекомендаций FYP может занять так много времени, что некоторые пользователи откажутся от него. Я не хочу упрощать эту задачу. Но настоящая магия заключается в том, как каждый элемент дизайна и процессов TikTok соединяется друг с другом, чтобы создать набор данных, с помощью которого алгоритм тренируется до максимальной производительности. Ни один шаг в этом цикле не выходит за рамки возможностей любого из многих американских женихов. Все, что нужно, - это понимание того, как работает маховик, и стремление поддерживать в рабочем состоянии все его элементы и процессы.

Вокруг себя я сталкиваюсь с продуктами или услугами, которые, кажется, достигли потолка качества своих алгоритмических рекомендаций: Yelp, OpenTable, Amazon, Google, Netflix и т. Д. Не поймите меня неправильно, некоторые из них отдыхают в хорошем месте. Но я не могу не чувствовать, что в некоторых из них нужно сделать еще один скачок, и что, возможно, более дружественный к алгоритмам дизайн может быть одним из возможных решений.

Напомним, в первой части моей серии о TikTok я обсуждал, как алгоритм действует как механизм сопоставления, который делает TikTok такой масштабируемой развлекательной сетью. Для сравнения, социальные сети должны аппроксимировать граф интересов, используя социальный граф, со всеми вытекающими отсюда проблемами. Во второй части TikTok я сосредоточился на том, как его дизайн помогает алгоритму FYP машинного обучения «видеть» то, что ему нужно увидеть, чтобы так эффективно выполнять свою работу. Идеал проектирования, ориентированного на алгоритмы, может стать моделью того, как другие компании из других вертикалей могут добиться успеха в эпоху машинного обучения.
 
Верх