सिफ़ारिश प्रणालियों में ए.आई
अनुशंसा प्रणालियाँ AI हैं जो चुपचाप चुनती हैं कि आप क्या देखते हैं, खरीदते हैं और आगे स्क्रॉल करते हैं।
सिंहावलोकन
They drive a huge share of engagement and revenue at companies like Netflix, Amazon, YouTube, and Spotify.
गहरा गोता
एक अनुशंसाकर्ता का काम यह अनुमान लगाना है कि एक उपयोगकर्ता एक विशाल कैटलॉग से क्या चाहता है। दो क्लासिक दृष्टिकोण सहयोगात्मक फ़िल्टरिंग हैं, जो उपयोगकर्ताओं के बीच पैटर्न ढूंढता है ('आप जैसे लोगों को भी यह पसंद आया'), और सामग्री-आधारित फ़िल्टरिंग, जो आइटम सुविधाओं को आपकी पिछली प्राथमिकताओं से मेल खाता है। आधुनिक सिस्टम इन्हें जोड़ते हैं और गहन शिक्षण जोड़ते हैं: तंत्रिका नेटवर्क उपयोगकर्ताओं और वस्तुओं के लिए सघन एम्बेडिंग सीखते हैं, इसलिए समान स्वाद वेक्टर स्पेस में एक दूसरे के पास बैठते हैं। नेटफ्लिक्स ने अपने $1M पुरस्कार के साथ इस क्षेत्र को लोकप्रिय बनाया, और आज ये सिस्टम YouTube के फ़ीड, अमेज़ॅन के उत्पाद सुझाव, Spotify के डिस्कवर वीकली और टिकटॉक के फॉर यू पेज को शक्ति प्रदान करते हैं। वे भी चिंता का एक स्रोत हैं, क्योंकि पूरी तरह से सहभागिता के लिए अनुकूलन करने से फ़िल्टर बुलबुले बन सकते हैं और व्यसनी या ध्रुवीकरण सामग्री बढ़ सकती है।
तकनीकी अंतर्दृष्टि
मैट्रिक्स गुणनखंडन एक सफलता थी: अव्यक्त कारकों के दो छोटे मैट्रिक्स के उत्पाद के रूप में विरल उपयोगकर्ता-आइटम रेटिंग मैट्रिक्स का प्रतिनिधित्व करें, इसलिए प्रत्येक उपयोगकर्ता और आइटम एक छोटा वेक्टर बन जाता है। उपयोगकर्ता और आइटम वेक्टर का डॉट उत्पाद रेटिंग की भविष्यवाणी करता है। डीप मॉडल इसे तंत्रिका सहयोगी फ़िल्टरिंग और दो-टावर आर्किटेक्चर के साथ विस्तारित करते हैं जो उम्मीदवारों को जल्दी से पुनर्प्राप्त करते हैं, फिर एक रैंकिंग मॉडल उन्हें स्कोर करता है। बिल्कुल नए उपयोगकर्ताओं या वस्तुओं के लिए अनुशंसा करना, ठंडी शुरुआत एक कठिन चुनौती बनी हुई है।
सामरिक प्रभाव
विकल्प बनाएं
एप्लिकेशन-स्तरीय डिज़ाइन यह निर्धारित करता है कि AI वास्तविक परिणामों में सुधार करता है या नहीं।
टीम और वर्कफ़्लो
अच्छा वर्कफ़्लो एकीकरण उत्पादकता लाभ पैदा करता है जिस पर उपयोगकर्ता भरोसा कर सकते हैं।
जोखिम और सुरक्षा
अच्छी तरह से उपयोग के मामले परिवर्तन की थकान और कार्यान्वयन जोखिम को कम करते हैं।
सिफ़ारिश प्रणालियों में एआई का भविष्य
अनुशंसाकर्ता अधिक प्रासंगिक और संवादात्मक होते जा रहे हैं। बड़े भाषा मॉडल आपको प्राकृतिक भाषा में सुझाव मांगने और यह समझाने की सुविधा देते हैं कि कुछ क्यों चुना गया, जबकि मल्टीमॉडल मॉडल टेक्स्ट, छवियों, ऑडियो और वीडियो पर एक साथ विचार करते हैं। कच्चे क्लिकों पर दीर्घकालिक संतुष्टि पर अधिक जोर देने की अपेक्षा करें, साथ ही पारदर्शिता के लिए विनियमन और एल्गोरिदम पर उपयोगकर्ता नियंत्रण की अपेक्षा करें। ऑन-डिवाइस और फ़ेडरेटेड अनुशंसा जैसी गोपनीयता-संरक्षण तकनीकें भी बढ़ रही हैं।
वास्तविक विश्व कार्यान्वयन
नेटफ्लिक्स आपके देखने के इतिहास के आधार पर शो का सुझाव दे रहा है और यहां तक कि थंबनेल कलाकृति को भी अनुकूलित कर रहा है
Spotify का डिस्कवर वीकली समान रुचि वाले श्रोताओं के बीच सहयोगात्मक फ़िल्टरिंग से एक वैयक्तिकृत प्लेलिस्ट बना रहा है
अमेज़न के 'इसे खरीदने वाले ग्राहकों ने भी खरीदा' और होमपेज उत्पाद अनुशंसाओं के कारण बिक्री में बड़ी हिस्सेदारी रही
टिकटॉक का फॉर यू पेज छोटे वीडियो को रैंक करने के लिए देखे जाने के समय, रीप्ले और स्किप से तेजी से प्राथमिकताएं सीख रहा है
जोखिम और रेलिंग
किसी टूटी हुई प्रक्रिया को स्वचालित करने से मौजूदा समस्याएँ बढ़ सकती हैं।
टीमें अति-स्वचालित हो सकती हैं और आवश्यक मानवीय निर्णय को हटा सकती हैं।
यदि आउटपुट का लगातार मूल्यांकन नहीं किया गया तो गुणवत्ता में गिरावट आ सकती है।
कार्यान्वयन रोडमैप
वर्तमान वर्कफ़्लो को मैप करें और उच्चतम-घर्षण चरण की पहचान करें।
पूर्ण स्वचालन से पहले मानव चौकियों को परिभाषित करें।
उपयोगकर्ताओं को संकेतों, वृद्धि पथों और गुणवत्ता मानकों पर प्रशिक्षित करें।
निरंतर मूल्य की पुष्टि के लिए कार्य-स्तर के परिणामों को ट्रैक करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Recommendation Systems quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
एआई अनुशंसा प्रणाली
अक्सर पूछे जाने वाले प्रश्नों
What is AI in Recommendation Systems?
अनुशंसा प्रणालियाँ AI हैं जो चुपचाप चुनती हैं कि आप क्या देखते हैं, खरीदते हैं और आगे स्क्रॉल करते हैं। वे Netflix, Amazon, YouTube और Spotify जैसी कंपनियों में जुड़ाव और राजस्व का एक बड़ा हिस्सा चलाते हैं।
सहयोगी फ़िल्टरिंग किस पर आधारित है?
सहयोगात्मक फ़िल्टरिंग समान रुचि वाले उपयोगकर्ताओं को ढूंढती है और उन्हें जो पसंद आया, 'आपके जैसे लोगों को भी पसंद आया' विचार की अनुशंसा करती है।
अनुशंसाएँ करने के लिए सामग्री-आधारित फ़िल्टरिंग किसका उपयोग करती है?
सामग्री-आधारित फ़िल्टरिंग आपके द्वारा पहले पसंद की गई चीज़ों की विशेषताओं से आइटम विशेषताओं का मिलान करती है।
अनुशंसाकर्ताओं में मैट्रिक्स फ़ैक्टराइज़ेशन किस समस्या का समाधान करता है?
मैट्रिक्स फ़ैक्टराइज़ेशन रेटिंग मैट्रिक्स को छोटे उपयोगकर्ता और आइटम वैक्टर में विघटित करता है जिसका डॉट उत्पाद रेटिंग की भविष्यवाणी करता है।
'कोल्ड स्टार्ट' समस्या क्या है?
जब किसी नए उपयोगकर्ता या आइटम के बारे में बहुत कम या कोई डेटा नहीं होता है तो कोल्ड स्टार्ट अच्छी सिफारिशें करने की चुनौती होती है।
किस प्रतियोगिता ने अनुशंसा अनुसंधान को लोकप्रिय बनाने में मदद की?
$1M नेटफ्लिक्स पुरस्कार ने टीमों को अपनी रेटिंग भविष्यवाणियों में सुधार करने के लिए चुनौती दी और क्षेत्र में प्रमुख प्रगति को प्रेरित किया।