Socialinis tinklas „Facebook“ diegia naują duomenų, kuriuos jo vartotojai reguliariai skelbia savo paskyrose, analizavimo sistemą, praneša „Technology Review“.
Bendrovės vadovai mano, kad ji padės nuspėti žmonių elgesį, rodyti jiems svarbiausias naujienas ir, suprantama, siūlyti dar tikslesnę reklamą, sakoma pranešime. Šiek tiek informacijos apie šią sistemą, padėsiančią „Facebook“ geriau suprasti savo vartotojus, pateikė už technologijų plėtrą atsakingas bendrovės vadovas Mike'as Schroepferis.
Naujasis projektas yra slaptas, tad jis leidiniui atskleidė tik esminę informaciją. Pasak M. Schroepferio, naujoji „Facebook“ vartotojų elgsenos prognozavimo technologija remiasi giliu mašininiu mokymusi (deep machine learning). Duomenims apdoroti naudojamas dirbtinis neuroninis tinklas. Gilaus mašininio mokymosi technologija geba atpažinti objektus įvairiose nuotraukose, o taip pat emocijas ir įvykius net tais atvejais, kai „Facebook“ vartotojai apie juos nepraneša atviru tekstu.
„Facebook“ tikisi, kad dirbtinio neuroninio tinklo naudojimas padės prognozuoti šiuo socialiniu tinklu besinaudojančių žmonių, kurie nuolat jame skelbia informaciją apie savo gyvenimą, elgesį. Tai pravers kuriant naujas „Facebook“ funkcijas ir kokybiškiau pateikiant tikslinę reklamą, sakoma pranešime.
Šiuo metu kas mėnesį „Facebook“ naudojasi apie 1,15 mlrd. žmonių visame pasaulyje. „Facebook“ jau naudoja mašininio mokymosi technologiją atrenkant labiausiai tinkamas naujienas, kurios rodomos pranešimų juostoje. Užuot rodžiusi pusantro tūkstančio naujienų, kurias galėtų pamatyti vartotojas, dabartinė sistema išrenka 30–60 jam svarbiausių.
Tačiau, pasak M. Schroepferio, tokios sistemos efektyvumas mažėja didėjant informacijos kiekiams.
„Duomenų apimtys nesulaikomai didėja. Žmonės kuria vis daugiau tarpusavio ryšių, o dėl mobiliųjų įrenginių plitimo jie vis daugiau persikelia į internetą. Aš naujienas skaitau ne vieną kartą per dieną. Kai laukiu draugo ar būnu kavinėje, kartkartėmis išsitraukiu savo mobilųjį telefoną. Mes turime ne daugiau nei 5 minutes, kad pradžiugintume jus“, – sakė M. Schroepferis. Jo teigimu, gilus mašininis mokymasis taip pat gali praversti rūšiuojant nuotraukas, kurias vartotojai skelbia savo paskyrose.
Paieška archyve
