איך אלגוריתמי ההמלצות עובדים: ה-AI שמעצב את הפיד שלך

בכל פעם שמישהו פותח YouTube, TikTok, או אפליקציה דומה, תוכנה מדרגת אלפי סרטוני וידאו, שירים או פוסטים אפשריים בשבריר של שנייה ומחליטה איזה קומץ מהם להציג ראשון. זהו מערכת המלצות: קבוצה של אלגוריתמים שנועדה לחזות אילו פריטים משתמש מסוים רוצה ביותר, מתוך קטלוג גדול מדי עבור כל אדם לדפדף בו באופן ידני.

שתי הרעיונות הבסיסיים מאחורי כל מוגדר

לפי קוד הג'רגון הטכני של NVIDIA על מערכות המלצות, רוב המנועים משלבים שתי גישות בסיסיות. סינון שיתופי מניח שאם אנשים עשו בחירות דומות בעבר, הם כנראה יסכימו על אחדים עתידיים גם כן, אז המערכת מחפשת משתמשים עם דפוסי התנהגות תואמים וממליצה על מה שהמשתמשים הדומים האלה אהבו. סינון מבוסס-תוכן במקום זאת מסתכל על תכונות של הפריטים עצמם — ז'אנר, שחקנים, תכונות אודיו, תגים — ומציע פריטים דומים לאלה שמשתמש כבר התמודד איתם.

קוד הג'רגון של NVIDIA מוסיף שכבה שלישית המשמשת חלק מהפלטפורמות: סינון הקשר, שלוקח בחשבון פרטים סיטואטיביים כמו סוג מכשיר, שעה ביום או מקום. כדוגמה, הוא מצטט את הנוהג של Netflix בשקלול המדינה, המכשיר, התאריך והשעה בה צופפה כותרת, לצד הצפייה עצמה.

מערכות מודרניות יותר ויותר מחליפות או משלימות גישות אלה בלמידה עמוקה. NVIDIA מתארת שיטות כמו סינון שיתופי עצבי, המשלב פקטוריזציה של מטריצה עם רשתות עצביות רב-שכבתיות כדי ללכוד קשרים לא-ליניאריים בין משתמשים ופריטים, ודגמים המבוססים על רצף באמצעות רשתות חוזרות או Transformers כדי ללמוד דפוסים בסדר שמשתמש צופה או מאזין לדברים.

מה פלטפורמות אומרות שהאלגוריתמים שלהם משפרים

חברות רק בנדיר מפרסמות את קוד הדירוג המלא שלהן, אבל חלקן מתארות את היעדים והאותות שמאחוריו. חדר החדשות של TikTok מציין שהפיד "For You" שלה מדרג סרטונים באמצעות שלוש קטגוריות אותות: אינטראקציות של משתמשים (לייקים, שיתופים, עוקבים, הערות, ומה שאדם יוצר), מידע ווידאו (כתוביות, קול, האשטאגים) והגדרות מכשיר או חשבון (שפה, מדינה, סוג מכשיר). TikTok אומרת שאותות אלה משוקללים בדרכים שונות — אות חזק, כמו צפייה בווידאו ארוך יותר עד הסוף, מחשוב עבור יותר מאות חלוש, כמו שיתוף גיאוגרפיה כללית עם צופים אחרים.

TikTok מצהירה בבירור שמספר העוקבים ותיאור יוצר של סרטונים בעלי ביצועים גבוהים אינם גורמים ישירים בשאלה אם סרטון מסוים יקבל המלצה. החברה גם אומרת שהיא בצורה מכוונת מערבבת תוכן מחוץ להתעניינות המוצהרות של משתמש ונמנעת מהצגת סרטוני וידאו עוקבים מאותו היוצר או משתמשים באותו קול, תוך התאור זה כדרך לתת לאנשים "הזדמנויות נוספות להתקל על קטגוריות תוכן חדשות" במקום להיות מוגבל בפיד צר.

האתר הרשמי של YouTube "איך YouTube עובד" מסגר את מטרת מערכת ההמלצות שלו כהבנה של מה צופה צריך והעמדת חוויית צפייה שמשאירה אותם מרוצים, ולא פשוט עיצום זמן צפייה. הוא מפרט את התשומות הזנות המלצות כהתנהגות צפייה וטריכוריית צפייה, התמודדות מובהקת כמו לייקים וחוסר לייק, מנויים וחוות דעת ישירה, המוניטין של ערוץ וגיבור, ומגמות רחבות יותר בקרב הקהל הרחב, לא רק היסטוריית אדם אחד. YouTube אומרת שהיא משלימה נתונים התנהגותיים עם סקרי שביעות רצון ועם צוותי מדרגים חיצוניים לבדוק אם התוכן המומלץ הוא בעל אמת איכות גבוהה, וכי לנושאים רגישים כמו חדשות, כספים, בריאות או מדע היא שמה משקל נוסף על מקורות בעלי סמכות.

למה שני אנשים לעולם לא רואים את אותו הפיד

מכיוון שסינון שיתופי משווה התנהגות של משתמש למשתמשים אחרים, וסינון תוכן משווה פריטים להיסטוריית האדם שלו, שום שני חשבונות נושאים תערובת זהה של אותות — היסטוריית צפייה שונה, עוקבים שונים, מכשירים ומקומות שונים. TikTok מצהירה ישירות שאף שני משתמשים לא יראו את אותה הצירוף של סרטונים בפיד "For You" שלהם. YouTube ו-TikTok גם אומרות שהמערכת ממשיכה לעדכן עם כל אינטראקציה חדשה, כך שפיד הנצפה בבוקר כבר יכול להיראות שונה בערב בהתבסס על מה שנצפה, דלג או סומן "לא מעוניין" בתוך הזמן שבין.

כמה מדויקים אנשים חושבים שהמערכות האלה?

מחקר בעניין האופן בו אנשים למעשה תופסים אישיות חד־משמעתית אלגוריתמית מוגבל יותר מספרות הנדסית. סקר של מרכז המחקר של Pew שפורסם ב-16 בינואר 2019 שאל משתמשי Facebook על קטגוריות הענייניות והתכונות שהפלטפורמה הקצתה להם לתכליות הכוונת פרסומות. זה גילה שלא 74% ממשתמשים לא ידעו שרשימת התכונות הזאת קיימת עד שהסקר הצביע עליה, וכמעט 12% היו מודעים לזה מראש. כשהוראו על הקטגוריות שלהם, 59% אמרו שהתוויות שיקפו את תחומי העניין בחיים האמתיים שלהם בסביר או מדויק מאוד, בעוד 27% לא הסכימו; 51% אמרו שהם הרגישו אי-נוחות עם הפלטפורמה שהרכיבה רשימות כאלה גם כשהם התחשבו בהן מדויקות. הסקר כיסה 963 משתמשי Facebook בארה"ב, בגילי 18 ומעלה, שנשאלו מ-4 בספטמבר ל-1 באוקטובר 2018.

האם משתמשים יכולים להשפיע על האלגוריתם או להגביל אותו?

שתי החברות מתארות פקדים הקדמיים למשתמש. העמוד הרשמי של YouTube מציין שמשתמשים מחוברים יכולים להשהות, לערוך או למחוק את הסקר וההיסטוריה שלהם בכל עת, המזינים ישירות מה מערכת ההמלצות לומדת. TikTok אומרת שלייקים, עוקבים, הערות, חקר האשטאגים והקלקות המפורשות "Not Interested" כולן מתאימות המלצות עתידיות, בנוסף לקטגוריות הענייניות שאדם יכול לבחור כשהוא מתחיל חשבון בפעם הראשונה.