ای آئی سفارش الگورتھم یہ کیسے فیصلہ کرتے ہیں کہ آپ آن لائن کیا دیکھیں اور خریدیں

تقریباً ہر بڑا آن لائن پلیٹ فارم اب اپنے ہر صارف کو کیا دکھانا ہے یہ ای آئی سے چلنے والے سفارش کے نظام سے فیصلہ کرتا ہے۔ یہ نظام Netflix کے ہوم پیج کی ترتیب، YouTube پر اگلی ویڈیو قطار میں، اور Amazon پر "گاہکوں نے بھی خریدا" کے تحت درج شدہ مصنوعات کا تعین کرتے ہیں۔ کمپنیاں اپنے یندرونیات کو مختلف طریقوں سے بیان کرتی ہیں، لیکن بنیادی نقطہ نظر ایک ملتی جلتی ترتیب پر چلتا ہے: رویے کا ڈیٹا جمع کریں، اسے دوسرے صارفین کے ڈیٹا سے موازنہ کریں، اور مواد یا مصنوعات کو پیشن گوئی شدہ متعلقیت کے لحاظ سے درجہ بندی کریں۔

نظام کیسے کام کرتے ہیں، پلیٹ فارمز کے اپنے بیان کے مطابق

Netflix کا مدد کا مرکز کہتا ہے کہ اس کا سفارش کا نظام کسی رکن کی دیکھنے کی تاریخ، انہوں نے دوسری فلموں کو کیسے درجہ بندی کی، اور دوسرے ارکان کے نمونوں کا جائزہ لیتا ہے جن کے ذوق ملتے ہیں — یہ طریقہ تعاون سے فلٹرنگ کے نام سے جانا جاتا ہے۔ یہ مواد کی میٹا ڈیٹا جیسے صنف، اداکار اور رہائی کا سال، اور سیاق و سباق کے اشارے جیسے دن کا وقت، ڈیوائس کی قسم اور پسند کی زبان کو بھی شمار کرتا ہے۔ Netflix واضح طور پر کہتا ہے کہ نظام آبادیاتی معلومات جیسے عمر یا لنگ کو شمار نہیں کرتا۔

YouTube کی سرکاری "YouTube کیسے کام کرتا ہے" سائٹ اور اس کا بلاگ کہتے ہیں کہ سفارش کا نظام 80 ارب سے زیادہ اشارے پر منحصر ہے، جس میں دیکھنے کی تاریخ، تلاش کی تاریخ، رکنیتیں، پسندیں، اور اطمینان کے سروے کے جوابات شامل ہیں جہاں صارفین ویڈیوز کو ایک سے پانچ تاروں سے درجہ بندی کرتے ہیں۔ صرف چار اور پانچ تاروں کے جوابات یوٹیوب کے نام نہاد "قیمتی دیکھنے کے وقت" میں شمار ہوتے ہیں۔ کمپنی کہتی ہے کہ سفارشیں بنیادی طور پر ہوم پیج اور "آگے کیا ہے" پینل میں دکھائی دیتی ہیں، اور خبروں اور معلوماتی موضوعات کے لیے یہ اختیار کرتی ہے کہ جو ویڈیوز سے سفارش دے جنہیں یہ مستند ذرائع کے طور پر بیان کرتا ہے جبکہ سرحدی مواد کی نمائش کو کم کرتا ہے، یہاں تک کہ جب وہ مواد شاید دوسری صورت میں زیادہ کلکس حاصل کر سکتا۔

Amazon کی سرکاری طور پر دستاویز شدہ سفارش کی ٹیکنالوجی، Amazon Personalize، بنیادی طور پر "چیز کے تعامل کے ڈیٹا" سے سفارشیں تیار کرتی ہے، یعنی صارفین کے کیٹلاگ میں چیزوں کو کلک کرنے، دیکھنے یا خریدنے کے ریکارڈز۔ AWS دستاویزات کے مطابق، یہ خدمت چیز یا صارف کی خصوصیات جیسے صنف یا قیمت کو بھی شامل کر سکتی ہے، اور اس میں "جو صارفین نے X کو دیکھا وہ بھی دیکھے"، ذاتی نوعیت سے تلاش کی درجہ بندی، اور نشانہ بندی والے مارکیٹنگ حصے جیسے استعمال کی صورتیں شامل ہیں۔

یہ ریگولیٹری توجہ کیوں حاصل کر رہا ہے

یورپی یونین میں، ڈیجیٹل سروسز کا قانون سفارش کے نظاموں پر مخصوص ذمہ داریاں نافذ کرتا ہے۔ آرٹیکل 27 پلیٹ فارمز کو یہ فرض کرتا ہے کہ وہ واضح الفاظ میں بتائیں کہ ان کے سفارش کے نظام سب سے بڑے پیرامیٹرز کیا ہیں اور صارفین کو وہ ترتیبات ڈھونڈنے دیں جب متعدد اختیارات موجود ہوں، DSA آبزرویٹری کی قانونی تجزیہ کے مطابق، جو قانون کے نفاذ کو ٹریک کرتے ہوئے ایک تحقیقی نیٹ ورک ہے۔ آرٹیکل 38 سب سے بڑے پلیٹ فارمز کے لیے مزید آگے بڑھتا ہے، کم از کم ایک سفارش کا اختیار درکار کرتے ہوئے جو پروفائلنگ پر منحصر نہیں۔ DSA آبزرویٹری نوٹ کرتا ہے کہ تفصیلی ریگولیٹری رہنمائی کی کمی میں پلیٹ فارمز نے انکشاف کے اصول کو غیر مطابق طریقے سے سمجھا ہے، اور وہ نظام جو بنیادی طور پر مشغولیت کے لیے بہتر بنائے گئے ہیں — کلکس، پسندیں، شیئرز اور دیکھنے کا وقت — سادہ صارف کی پریشانی سے آگے جانے والے خطرات پیدا کر سکتے ہیں۔

ریاستہائے متحدہ میں، فیڈرل ٹریڈ کمیشن نے ستمبر 2024 میں ایک عملی رپورٹ شائع کی نو سوشل میڈیا اور ویڈیو سٹریمنگ کمپنیوں میں کثیر سالہ تحقیق کے بعد۔ رپورٹ نے خلاصہ کیا کہ ان کمپنیوں نے صارف اور غیر صارف کی ذاتی معلومات کو خودکار نظاموں میں ڈالا، الگورتھم اور ای آئی سمیت، جبکہ لوگوں کو ان کے ڈیٹا کے استعمال سے باہر نکلنے کی تھوڑی یا کوئی صلاحیت نہ دی۔ ایجنسی نے یہ بھی پایا کہ ان نظاموں کی غیر مطابق اندرونی جانچ کمپنیوں میں۔ تب FTC کی چیئر لینا خان نے کہا کہ بنیادی ڈیٹا کے طریقے "لوگوں کی رازداری کو خطرے میں ڈال سکتے ہیں، ان کی آزادیوں کو دھمکی دے سکتے ہیں، اور انہیں نقصان کے ہوسٹ کے سامنے کر سکتے ہیں، شناخت کی چوری سے لے کر سٹاکنگ تک۔" رپورٹ نے سفارش دی کہ کانگریس جامع رازداری کی قانون سازی منظور کرے۔

پلیٹ فارمز ڈیٹا اور حدود کے بارے میں کیا کہتے ہیں

کھلے سوالات

پلیٹ فارمز عام طور پر مشغولیت کی بنیاد پر ذاتی نوعیت کاری کو ایک سہولت کے طور پر پیش کرتے ہیں جو صارفین کو متعلق مواد تیزی سے تلاش کرنے میں مدد کرتی ہے۔ ریگولیٹرز جو FTC رپورٹ اور EU کی DSA پر توجہ مرکوز کرتے ہیں انہوں نے ایک جیسے یندرونیات کو شفافیت اور ڈیٹا کے حکمرانی کے مسئلہ کے طور پر بیان کیا ہے، رویے کے ڈیٹا کو جمع کرنے اور دوبارہ استعمال کرنے پر صارف کے محدود کنٹرول، اور شامل خودکار نظاموں کی غیر مطابق نگرانی کی طرف اشارہ کرتے ہوئے۔ وضاحت کی دونوں لائنیں ایک ہی بنیادی حقیقت پر منحصر ہیں: سفارش کے انجن مواد اور مصنوعات کو بڑی صارفین کی آبادی میں درجہ بندی کرتے ہیں، نئے تعاملات ہوتے ہی مسلسل بہتر ہوتے ہیں۔