추천 시스템의 AI
추천 시스템은 AI가 사용자가 보고, 구매하고, 다음에 스크롤할 항목을 조용히 선택하는 것입니다.
개요
They drive a huge share of engagement and revenue at companies like Netflix, Amazon, YouTube, and Spotify.
심층 분석
추천인의 임무는 방대한 카탈로그에서 사용자가 원하는 것이 무엇인지 예측하는 것입니다. 두 가지 고전적인 접근 방식은 사용자 전체의 패턴('당신과 같은 사람들도 이것을 좋아했습니다')을 찾는 협업 필터링과 항목 기능을 과거 선호도에 일치시키는 콘텐츠 기반 필터링입니다. 최신 시스템은 이를 결합하고 딥 러닝을 추가합니다. 신경망은 사용자와 항목에 대한 조밀한 임베딩을 학습하므로 유사한 취향이 벡터 공간에서 서로 가까이 위치합니다. Netflix는 100만 달러의 상금으로 이 분야를 대중화했으며 오늘날 이러한 시스템은 YouTube의 피드, Amazon의 제품 제안, Spotify의 Discover Weekly 및 TikTok의 For You 페이지를 지원합니다. 순전히 참여만을 위한 최적화는 필터 버블을 생성하고 중독성 또는 양극화 콘텐츠를 증폭시킬 수 있기 때문에 우려의 대상이기도 합니다.
기술적 통찰력
행렬 분해는 획기적인 것이었습니다. 희소 사용자 항목 평가 행렬을 두 개의 작은 잠재 요인 행렬의 곱으로 나타내므로 각 사용자와 항목이 짧은 벡터가 됩니다. 사용자와 항목 벡터의 내적은 평점을 예측합니다. 심층 모델은 후보자를 신속하게 검색한 다음 순위 모델이 점수를 매기는 신경 협업 필터링 및 2타워 아키텍처를 통해 이를 확장합니다. 새로운 사용자나 항목에 대해 권장하는 콜드 스타트는 여전히 완고한 과제로 남아 있습니다.
전략적 영향
빌드 선택
애플리케이션 수준 설계는 AI가 실제 결과를 개선하는지 여부를 결정합니다.
팀과 워크플로우
훌륭한 워크플로우 통합은 사용자가 신뢰할 수 있는 생산성 향상을 가져옵니다.
위험과 안전
범위가 적절한 사용 사례는 변경 피로도와 구현 위험을 줄여줍니다.
추천 시스템에서 AI의 미래
추천자는 더욱 상황에 맞게 대화할 수 있게 되었습니다. 대규모 언어 모델을 사용하면 자연어로 제안을 요청하고 항목이 선택된 이유를 설명할 수 있으며, 다중 모달 모델은 텍스트, 이미지, 오디오 및 비디오를 함께 추론할 수 있습니다. 원시 클릭보다 장기적인 만족도에 더 중점을 두고, 알고리즘에 대한 투명성과 사용자 제어를 추진하는 규제도 기대됩니다. 온디바이스 및 연합 추천과 같은 개인 정보 보호 기술도 성장하고 있습니다.
실제 구현
Netflix는 시청 기록을 기반으로 프로그램을 제안하고 썸네일 아트워크를 사용자 정의하기도 합니다.
Spotify의 Discover Weekly는 비슷한 취향을 가진 청취자들의 협업 필터링을 통해 개인화된 재생 목록을 구축합니다.
아마존 '이걸 구매한 고객도 구매했다'와 홈페이지 상품 추천이 매출에 큰 기여
TikTok의 For You 페이지는 시청 시간, 다시보기, 건너뛰기 등을 통해 선호도를 빠르게 학습하여 짧은 동영상 순위를 매깁니다.
위험 및 가드레일
손상된 프로세스를 자동화하면 기존 문제가 증폭될 수 있습니다.
팀은 필요한 인간 판단을 과도하게 자동화하고 제거할 수 있습니다.
출력을 지속적으로 평가하지 않으면 품질이 달라질 수 있습니다.
구현 로드맵
현재 워크플로를 매핑하고 마찰이 가장 큰 단계를 식별합니다.
완전 자동화 전에 휴먼 체크포인트를 정의하세요.
프롬프트, 에스컬레이션 경로, 품질 표준에 대해 사용자를 교육합니다.
작업 수준 결과를 추적하여 지속적인 가치를 확인하세요.
계속 탐색하세요
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
다음 가이드
AI 추천 시스템
자주 묻는 질문
What is AI in Recommendation Systems?
추천 시스템은 AI가 사용자가 보고, 구매하고, 다음에 스크롤할 항목을 조용히 선택하는 것입니다. 그들은 Netflix, Amazon, YouTube, Spotify와 같은 회사에서 막대한 참여와 수익을 창출합니다.
협업 필터링은 무엇을 기반으로 합니까?
협업 필터링은 취향이 비슷한 사용자를 찾아 그들이 좋아하는 것을 추천하는 '당신 같은 사람도 좋아했다'는 아이디어입니다.
콘텐츠 기반 필터링은 추천을 위해 무엇을 사용합니까?
콘텐츠 기반 필터링은 항목 속성을 이전에 좋아했던 항목의 특징과 일치시킵니다.
추천기에서 행렬 분해는 어떤 문제를 해결합니까?
행렬 분해는 평가 행렬을 내적이 평가를 예측하는 작은 사용자 및 항목 벡터로 분해합니다.
'콜드 스타트' 문제란 무엇입니까?
콜드 스타트는 새로운 사용자나 항목에 대한 데이터가 거의 또는 전혀 없을 때 좋은 추천을 제공하는 과제입니다.
추천 연구를 대중화하는 데 어떤 경쟁이 도움이 되었나요?
100만 달러 규모의 Netflix 상금은 팀들에게 등급 예측을 개선하도록 도전했고 해당 분야의 주요 발전을 촉진했습니다.