एआई अनुशंसा प्रणाली
सिफ़ारिश प्रणालियाँ एआई इंजन हैं जो तय करती हैं कि आप आगे क्या देखेंगे: फ़िल्म नेटफ्लिक्स पर प्रदर्शित होती है, अमेज़ॅन द्वारा सुझाया गया उत्पाद, यूट्यूब पर अगला वीडियो।
सिंहावलोकन
They turn massive catalogs into a personalized shortlist, and they drive a huge share of what people actually watch, buy, and click.
गहरा गोता
एक अनुशंसाकर्ता भविष्यवाणी करता है कि आप उस आइटम को कितना पसंद करेंगे जिसे आपने अभी तक नहीं देखा है, फिर सर्वोत्तम मिलानों को रैंक करता है। दो क्लासिक दृष्टिकोण हावी हैं। सहयोगात्मक फ़िल्टरिंग उपयोगकर्ताओं के बीच पैटर्न ढूंढती है: 'जिन लोगों को वह पसंद आया जो आपको पसंद आया, उन्हें भी X पसंद आया।' सामग्री-आधारित फ़िल्टरिंग आपकी पिछली प्राथमिकताओं से आइटम सुविधाओं का मिलान करती है (आपने विज्ञान-फाई देखी, यहां अधिक विज्ञान-फाई है)। आधुनिक प्रणालियाँ दोनों को हाइब्रिड मॉडल में मिश्रित करती हैं और सूक्ष्म व्यवहार को पकड़ने के लिए गहन शिक्षण का तेजी से उपयोग करती हैं। प्रसिद्ध नेटफ्लिक्स पुरस्कार (2006-2009) ने सिफारिशों में 10 प्रतिशत सुधार करने के लिए $1 मिलियन की पेशकश की, और कथित तौर पर लोग नेटफ्लिक्स पर जो भी देखते हैं उसका 75 प्रतिशत से अधिक इसके अनुशंसाकर्ता से आता है। YouTube और टिकटॉक फ़ीड वास्तविक समय में चलने वाली अनुशंसा प्रणालियाँ हैं।
तकनीकी अंतर्दृष्टि
कई अनुशंसाकर्ता मैट्रिक्स फैक्टराइजेशन का उपयोग करते हैं: एक विशाल उपयोगकर्ता-दर-आइटम रेटिंग तालिका (ज्यादातर खाली) को छिपे हुए 'अव्यक्त कारकों' के दो छोटे मैट्रिक्स में विभाजित किया जाता है। प्रत्येक उपयोगकर्ता और आइटम संख्याओं का एक वेक्टर बन जाता है; उनका डॉट उत्पाद रेटिंग की भविष्यवाणी करता है। डीप लर्निंग सिस्टम इसे एम्बेडिंग और न्यूरल नेटवर्क (जैसे दो-टावर पुनर्प्राप्ति मॉडल) के साथ विस्तारित करते हैं जो संदर्भ, अनुक्रम और लाखों वस्तुओं को संभालते हैं, मिलीसेकंड में अनुमानित जुड़ाव के आधार पर उम्मीदवारों की रैंकिंग करते हैं।
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।
एआई अनुशंसा प्रणाली का भविष्य
अनुशंसाकर्ता वास्तविक समय, संदर्भ-जागरूक वैयक्तिकरण और संवादी खोज की ओर बढ़ रहे हैं, जहां आप चैटबॉट से पूछ सकते हैं 'मेरे लिए एक्स जैसा लेकिन हल्का कुछ ढूंढो।' सुझावों को समझाने और इरादे को समझने के लिए बड़े भाषा मॉडल को क्लासिक अनुशंसाकर्ताओं के साथ जोड़ा जा रहा है। साथ ही, नियामक और उपयोगकर्ता पारदर्शिता, एल्गोरिदम पर नियंत्रण, और फ़िल्टर बुलबुले, लत-शैली सगाई लूप और पक्षपाती या जोड़-तोड़ वाली सिफारिशों के खिलाफ सुरक्षा पर जोर दे रहे हैं।
वास्तविक विश्व कार्यान्वयन
नेटफ्लिक्स की होमपेज पंक्तियाँ और 'क्योंकि आपने देखा' सुझाव, जो कथित तौर पर सबसे अधिक देखने को प्रेरित करते हैं
अमेज़ॅन की 'इसे खरीदने वाले ग्राहकों ने भी खरीदा' और वैयक्तिकृत उत्पाद फ़ीड
Spotify की डिस्कवर वीकली प्लेलिस्ट, हर सोमवार को एक कस्टम 30-गाने का मिश्रण तैयार करती है
टिकटॉक का फॉर यू फ़ीड, सहभागिता संकेतों से वास्तविक समय में लघु वीडियो की रैंकिंग करता 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 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
संगीत अनुशंसा प्रणाली में एआई
अक्सर पूछे जाने वाले प्रश्नों
What is AI Recommendation Systems?
सिफ़ारिश प्रणालियाँ एआई इंजन हैं जो तय करती हैं कि आप आगे क्या देखेंगे: फ़िल्म नेटफ्लिक्स पर प्रदर्शित होती है, अमेज़ॅन द्वारा सुझाया गया उत्पाद, यूट्यूब पर अगला वीडियो। वे विशाल कैटलॉग को वैयक्तिकृत शॉर्टलिस्ट में बदल देते हैं, और वे लोग वास्तव में जो देखते हैं, खरीदते हैं और क्लिक करते हैं उसका एक बड़ा हिस्सा चलाते हैं।
सिफ़ारिशें करने के लिए 'सहयोगात्मक फ़िल्टरिंग' किस पर निर्भर करती है?
सहयोगात्मक फ़िल्टरिंग समान व्यवहार वाले उपयोगकर्ताओं को ढूंढकर आइटम की अनुशंसा करती है, उदाहरण के लिए, 'जिन लोगों ने आपको जो पसंद किया, उन्हें भी यह पसंद आया।'
नेटफ्लिक्स पुरस्कार प्रतियोगिता (2006-2009) ने क्या करने के लिए $1 मिलियन की पेशकश की?
नेटफ्लिक्स ने किसी भी टीम को $1 मिलियन की पेशकश की जो उसकी रेटिंग-भविष्यवाणी सटीकता में 10 प्रतिशत सुधार कर सकती है, जिससे अनुशंसाकर्ताओं में बड़ी प्रगति हुई है।
सहभागिता-अनुकूलित अनुशंसाकर्ताओं द्वारा उत्पन्न वास्तविक जोखिम कौन सा है?
पूरी तरह से जुड़ाव के लिए अनुकूलन उपयोगकर्ताओं को फ़िल्टर बुलबुले और व्यसनी लूप में फंसा सकता है, जो पारदर्शिता और उपयोगकर्ता नियंत्रण के लिए कॉल का एक प्रमुख कारण है।