Tổng quan
Hệ thống đề xuất là công cụ AI quyết định nội dung bạn xem tiếp theo: bộ phim Netflix xuất hiện, sản phẩm Amazon gợi ý, video tiếp theo trên YouTube. Họ biến các danh mục khổng lồ thành một danh sách rút gọn được cá nhân hóa và thu hút phần lớn những gì mọi người thực sự xem, mua và nhấp vào.
Hệ thống khuyến nghị AI tập trung vào việc triển khai thực tế: biến khả năng của mô hình thành quy trình công việc hàng ngày đáng tin cậy mang lại giá trị có thể đo lường được.
Lặn sâu
Người giới thiệu dự đoán mức độ bạn thích một món đồ mà bạn chưa xem, sau đó xếp hạng những món đồ phù hợp nhất. Hai cách tiếp cận cổ điển chiếm ưu thế. Lọc cộng tác tìm ra các mẫu của người dùng: 'những người thích những gì bạn thích cũng thích X.' Tính năng lọc dựa trên nội dung sẽ khớp các tính năng của mục với sở thích trước đây của bạn (bạn đã xem phim khoa học viễn tưởng, đây là phim khoa học viễn tưởng khác). Các hệ thống hiện đại kết hợp cả hai thành các mô hình lai và ngày càng sử dụng deep learning để nắm bắt hành vi tinh vi. Giải thưởng Netflix nổi tiếng (2006-2009) đã trao 1 triệu đô la để cải thiện 10% đề xuất và theo báo cáo, hơn 75% nội dung mọi người xem trên Netflix đến từ người giới thiệu. Nguồn cấp dữ liệu YouTube và TikTok là hệ thống đề xuất chạy trong thời gian thực.
Hiểu biết kỹ thuật
Nhiều người giới thiệu sử dụng hệ số hóa ma trận: một bảng xếp hạng khổng lồ theo từng mục của người dùng (hầu hết trống) được phân tích thành hai ma trận nhỏ hơn chứa 'các yếu tố tiềm ẩn'. Mỗi người dùng và vật phẩm trở thành một vectơ số; sản phẩm dấu chấm của họ dự đoán xếp hạng. Hệ thống học sâu mở rộng điều này bằng các phần nhúng và mạng lưới thần kinh (như mô hình truy xuất hai tháp) xử lý bối cảnh, trình tự và hàng triệu mục, xếp hạng các ứng viên theo mức độ tương tác được dự đoán tính bằng mili giây.
Làm chủ hệ thống đề xuất AI
Hệ thống đề xuất là công cụ AI quyết định nội dung bạn xem tiếp theo: bộ phim Netflix xuất hiện, sản phẩm Amazon gợi ý, video tiếp theo trên YouTube. Họ biến các danh mục khổng lồ thành một danh sách rút gọn được cá nhân hóa và thu hút phần lớn những gì mọi người thực sự xem, mua và nhấp vào. Hệ thống khuyến nghị AI tập trung vào việc triển khai thực tế: biến khả năng của mô hình thành quy trình công việc hàng ngày đáng tin cậy mang lại giá trị có thể đo lường được. Để xây dựng sự hiểu biết sâu sắc, hãy coi Hệ thống khuyến nghị AI như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Hệ thống đề xuất AI tập trung vào kết quả của quy trình làm việc chứ không phải các bản trình diễn mô hình và xác định sớm các điểm kiểm tra của con người. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không. Đồng thời, Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Các hàng trên trang chủ của Netflix và các đề xuất "Vì bạn đã xem", được cho là thúc đẩy lượt xem nhiều nhất
'Khách hàng đã mua cái này cũng đã mua' và nguồn cấp dữ liệu sản phẩm được cá nhân hóa của Amazon
Danh sách phát Discover Weekly của Spotify, tạo danh sách kết hợp 30 bài hát tùy chỉnh vào thứ Hai hàng tuần
Nguồn cấp dữ liệu For You của TikTok, xếp hạng các video ngắn trong thời gian thực dựa trên tín hiệu tương tác
Các mẫu triển khai
Hệ thống khuyến nghị AI trong thực tế
Các hàng trên trang chủ của Netflix và các đề xuất "Vì bạn đã xem", được cho là đã thu hút nhiều lượt xem nhất.
Các hàng trên trang chủ của Netflix và các đề xuất "Vì bạn đã xem", được cho là thúc đẩy hầu hết lượt xem. Các Nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Hệ thống khuyến nghị AI trong thực tế
'Khách hàng đã mua sản phẩm này cũng đã mua' và nguồn cấp dữ liệu sản phẩm được cá nhân hóa của Amazon.
'Khách hàng đã mua sản phẩm này cũng đã mua' và nguồn cấp dữ liệu sản phẩm được cá nhân hóa của Amazon thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Hệ thống khuyến nghị AI trong thực tế
Danh sách phát Discover Weekly của Spotify, tạo danh sách kết hợp 30 bài hát tùy chỉnh vào thứ Hai hàng tuần.
Danh sách phát Discover Weekly của Spotify, tạo danh sách kết hợp 30 bài hát tùy chỉnh vào mỗi thứ Hai. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Hệ thống khuyến nghị AI trong thực tế
Nguồn cấp dữ liệu For You của TikTok, xếp hạng các video ngắn trong thời gian thực dựa trên các tín hiệu tương tác.
Nguồn cấp dữ liệu For You của TikTok, xếp hạng các video ngắn trong thời gian thực từ tín hiệu tương tác. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.
Lộ trình thực hiện
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.