كيف تعمل خوارزميات التوصيات: الذكاء الاصطناعي الذي يشكل موجزك

في كل مرة يفتح شخص ما YouTube أو TikTok أو تطبيق مشابه، يصنّف البرنامج آلاف مقاطع الفيديو أو الأغاني أو المنشورات الممكنة في جزء من الثانية ويقرر أي منها سيُعرض أولاً. هذا نظام توصيات: مجموعة من الخوارزميات مصممة للتنبؤ بأي العناصر يريد مستخدم معين رؤيتها، من بين كتالوج كبير جداً لأي شخص لتصفحه يدويًا.

الفكرتان الأساسيتان وراء كل موصي

وفقاً لقاموس NVIDIA التقني حول أنظمة التوصيات، تجمع معظم المحركات بين نهجين أساسيين. التصفية التعاونية تفترض أنه إذا أدلى الأشخاص بخيارات متشابهة في الماضي، فمن المحتمل أن يتفقوا على الخيارات المستقبلية أيضاً، لذلك يبحث النظام عن مستخدمين لديهم أنماط سلوك متطابقة ويوصي بما أعجب به هؤلاء المستخدمون المشابهون. التصفية القائمة على المحتوى بدلاً من ذلك تنظر إلى خصائص العناصر نفسها — النوع والممثلون وميزات الصوت والعلامات — وتقترح عناصر مشابهة لما تفاعل معه المستخدم بالفعل.

يضيف قاموس NVIDIA طبقة ثالثة يستخدمها بعض المنصات: تصفية السياق، التي تأخذ في الاعتبار التفاصيل الموقفية مثل نوع الجهاز أو الوقت من اليوم أو الموقع. كمثال، يستشهد بممارسة Netflix في الأخذ في الاعتبار الدولة والجهاز والتاريخ والوقت الذي تمت مشاهدة العنوان فيه، إلى جانب المشاهدة نفسها.

تحل الأنظمة الحديثة بشكل متزايد محل أو تكمل هذه الأساليب بالتعلم العميق. يصف NVIDIA طرقاً مثل التصفية التعاونية العصبية، التي تجمع بين تحليل المصفوفة والشبكات العصبية متعددة الطبقات لالتقاط العلاقات غير الخطية بين المستخدمين والعناصر، والنماذج القائمة على التسلسل باستخدام الشبكات المتكررة أو Transformers لتعلم الأنماط في الترتيب الذي يشاهده المستخدم أو يستمع إليه.

ما الذي تقول المنصات أن خوارزمياتها الخاصة تحسّنه

نادراً ما تنشر الشركات رمز التصنيف الكامل الخاص بها، لكن البعض يصف الأهداف والإشارات وراءه. تنص غرفة أخبار TikTok على أن موجز "For You" الخاص بها يصنف مقاطع الفيديو باستخدام ثلاث فئات من الإشارات: تفاعلات المستخدم (الإعجابات والمشاركات والمتابعات والتعليقات وما ينشئه الشخص)، معلومات الفيديو (التعليقات والأصوات والهاشتاجات) وإعدادات الجهاز أو الحساب (اللغة والدولة ونوع الجهاز). تقول TikTok إن هذه الإشارات لها أوزان مختلفة — الإشارة القوية، مثل مشاهدة الفيديو الأطول حتى النهاية، تحسب أكثر من الإشارة الضعيفة، مثل مشاركة الجغرافيا العامة مع المشاهدين الآخرين.

تصرح TikTok صراحةً بأن عدد المتابعين وسجل المبدع للفيديوهات ذات الأداء العالي ليسا عوامل مباشرة في ما إذا كان فيديو معين سيتم التوصية به. تقول الشركة أيضاً إنها تخلط عن قصد المحتوى الذي يقع خارج الاهتمامات المعلنة للمستخدم وتتجنب عرض فيديوهات متتالية من نفس المبدع أو استخدام نفس الصوت، واصفة ذلك بأنها طريقة لإعطاء الناس "فرصاً إضافية للعثور على فئات محتوى جديدة" بدلاً من أن يكونوا محصورين في موجز ضيق.

يؤطر موقع YouTube الرسمي "How YouTube Works" الهدف من نظام التوصيات الخاص به على أنه فهم احتياجات المشاهد وتقديم تجربة مشاهدة تتركهم راضين، بدلاً من مجرد تعظيم وقت المشاهدة. يسرد المدخلات التي تغذي التوصيات على أنها سلوك المشاهدة وسجل المشاهدة والتفاعل الصريح مثل الإعجابات والعدم إعجاب والاشتراكات والتعليقات المباشرة وسمعة القناة والجودة والاتجاهات الأوسع بين الجمهور الأكبر وليس فقط سجل شخص واحد. تقول YouTube إنها تكمل البيانات السلوكية باستطلاعات الرضا وفريق المقيمين الخارجيين للتحقق من أن المحتوى الموصى به عالي الجودة بحق، وأنه بالنسبة للمواضيع الحساسة مثل الأخبار والمالية والصحة أو العلوم فإنها تضع وزناً إضافياً على المصادر الموثوقة.

لماذا لا يرى شخصان نفس الموجز

لأن التصفية التعاونية تقارن سلوك المستخدم بمستخدمين آخرين، والتصفية على المحتوى تقارن العناصر بسجل الشخص الخاص به، لا توجد حسابان يحملان مزيجاً متطابقاً من الإشارات — سجل مشاهدة مختلف، متابعات مختلفة، أجهزة وأماكن مختلفة. تصرح TikTok مباشرة بأنه لا يوجد مستخدمان سيريان نفس مجموعة الفيديوهات على موجز "For You" الخاص بهما. تقول YouTube و TikTok أيضاً أن النظام يستمر في التحديث مع كل تفاعل جديد، لذلك يمكن أن يبدو الموجز الملاحظ في الصباح مختلفاً بالفعل بحلول المساء بناءً على ما تمت مشاهدته أو تخطيه أو تم وضع علامة "غير مهتم" عليه في الفترة الفاصلة.

ما مدى دقة اعتقاد الناس بأن هذه الأنظمة فعالة؟

البحث في كيفية إدراك الناس للشخصنة الخوارزمية بالفعل محدود أكثر من الأدب الهندسي. استطلاع مركز بيو للأبحاث نُشر في 16 يناير 2019، سأل مستخدمي Facebook حول فئات الاهتمام والسمات التي أسندتها المنصة لهم لاستهداف الإعلانات. اكتشف أن 74% من المستخدمين لم يعرفوا أن هذه القائمة من الخصائص موجودة حتى أشار الاستطلاع إليها، وكان 12% فقط على علم بها مسبقاً. بمجرد عرض فئاتهم الخاصة عليهم، قال 59% إن العلامات عكست اهتماماتهم الحقيقية بشكل معقول أو دقيق جداً، بينما اختلف 27% معها؛ قال 51% إنهم شعروا بعدم ارتياح من المنصة في تجميع مثل هذه القوائم حتى عندما اعتبروها دقيقة. غطى الاستطلاع 963 مستخدم Facebook أمريكي، أعمارهم 18 سنة فأكثر، تم استطلاع آراؤهم من 4 سبتمبر إلى 1 أكتوبر 2018.

هل يمكن للمستخدمين التأثير على الخوارزمية أو الحد منها؟

تصف كلا الشركتين عناصر التحكم المتاحة للمستخدم. تلاحظ صفحة YouTube الرسمية أن المستخدمين المسجلين يمكنهم إيقاف أو تحرير أو حذف سجل البحث والمشاهدة الخاص بهم في أي وقت، والذي يغذي مباشرة ما يتعلمه نظام التوصيات. تقول TikTok إن الإعجابات والمتابعات والتعليقات واستكشاف الهاشتاج والنقرات الصريحة "Not Interested" كلها تضبط التوصيات المستقبلية، بالإضافة إلى فئات الاهتمام التي يمكن لأي شخص اختيارها عند إعداد الحساب في البداية.