توسط : 
وقتی وارد نتفلیکس میشوید، احتمالاً با مجموعهای از فیلمها و سریالها مواجه میشوید که به شکل عجیبی با سلیقه شما هماهنگ هستند. فیلمی که همین امروز تماشا کردهاید میتواند پیشنهادهای بعدی شما را تغییر دهد، تصویر یک فیلم ممکن است برای شما با کاربر دیگری متفاوت باشد و حتی ترتیب نمایش محتواها در صفحه اصلی نیز برای همه یکسان نیست.
پشت این تجربه شخصیسازیشده، مجموعهای از فناوریها از جمله هوش مصنوعی، یادگیری ماشین و علم داده قرار دارد. نتفلیکس یکی از نمونههای شناختهشده استفاده گسترده از این فناوریها در صنعت سرگرمی است. این شرکت از دادههای مربوط به رفتار کاربران برای بهبود سیستم پیشنهاد محتوا، انتخاب تصاویر، بهینهسازی تجربه تماشا و حتی برخی فرایندهای مرتبط با تولید محتوا استفاده میکند. اما این سیستم دقیقاً چگونه کار میکند؟
در ادامه این مقاله از سایت هوش نیوز با ما باشید تا به جزئیات این موضوع بپردازیم:
هوش مصنوعی در نتفلیکس چه نقشی دارد؟
برای درک بهتر کاربرد هوش مصنوعی در نتفلیکس، ابتدا باید سه مفهوم را از هم جدا کنیم.
هوش مصنوعی (AI) مفهوم گستردهتری است که به سیستمهایی مربوط میشود که میتوانند وظایفی را انجام دهند که معمولاً به نوعی توانایی شناختی نیاز دارند.
یادگیری ماشین (Machine Learning) یکی از شاخههای هوش مصنوعی است که در آن الگوریتمها با استفاده از دادهها الگوها را یاد میگیرند و بر اساس آنها پیشبینی یا تصمیمگیری میکنند.
علم داده (Data Science) نیز مجموعهای از روشها برای جمعآوری، پردازش و تحلیل داده و استخراج اطلاعات قابل استفاده از آن است.
نتفلیکس از ترکیب این فناوریها برای تحلیل حجم زیادی از اطلاعات مربوط به محتوای موجود و نحوه تعامل کاربران با پلتفرم استفاده میکند.
یکی از مهمترین کاربردهای این فناوریها، سیستم پیشنهاد محتواست.
۱. پیشنهاد فیلم و سریال بهصورت شخصیسازیشده
یکی از شناختهشدهترین قابلیتهای نتفلیکس، پیشنهاد فیلم و سریال متناسب با هر کاربر است. اما نتفلیکس صرفاً بر اساس ژانری که انتخاب کردهاید تصمیم نمیگیرد.
رفتار شما در پلتفرم اطلاعات بسیار بیشتری در اختیار سیستم قرار میدهد. برای مثال، اینکه چه محتوایی را تماشا کردهاید، چه چیزی را انتخاب کردهاید، چه چیزی را رها کردهاید و چه نوع محتواهایی معمولاً مورد توجه شما قرار میگیرند، میتواند بخشی از داده مورد استفاده سیستم باشد.
سپس الگوریتمهای یادگیری ماشین تلاش میکنند میان این الگوها ارتباط پیدا کنند. برای مثال، اگر رفتار تماشای شما شباهت زیادی به گروهی از کاربران داشته باشد، محتوایی که برای آن گروه جذاب بوده است میتواند در پیشنهادهای شما نیز مورد توجه قرار بگیرد.
نتیجه این فرایند، یک فهرست ثابت از فیلمهای محبوب نیست؛ بلکه صفحهای است که تلاش میکند برای هر کاربر تا حد امکان متفاوت باشد.
Netflix Technology Blog توضیح میدهد که مسئله فقط انتخاب چند فیلم نیست؛ بلکه سیستم باید از میان حجم بزرگی از محتوا، صفحهای متناسب با علایق هر کاربر ایجاد کند. حتی انتخاب و ترتیب ردیفهای مختلف محتوا نیز میتواند بخشی از فرایند شخصیسازی باشد.
۲. شخصیسازی صفحه اصلی نتفلیکس
شاید تصور کنیم الگوریتم فقط مشخص میکند «کدام فیلم را به کاربر پیشنهاد دهد». اما در نتفلیکس، مسئله پیچیدهتر است. صفحه اصلی از چندین ردیف تشکیل شده است؛ مثلاً ردیفهایی برای ادامه تماشای یک سریال، پیشنهادهای شخصی، ژانرهای مختلف یا مجموعهای از عناوین مرتبط. سیستم باید تصمیم بگیرد:
- چه ردیفهایی نمایش داده شوند؟
- ترتیب این ردیفها چگونه باشد؟
- چه فیلمهایی در هر ردیف قرار بگیرند؟
- کدام فیلم در ابتدای یک ردیف نمایش داده شود؟
- چگونه تنوع محتوا حفظ شود؟
این یعنی الگوریتم در واقع در حال ساختن یک صفحه شخصیسازیشده برای هر کاربر است. نتفلیکس در توضیحات فنی خود اشاره کرده که سیستمهای یادگیری ماشین میتوانند با استفاده از اطلاعات مربوط به تعاملات قبلی کاربران، محتوای مشاهدهشده و رفتار آنها، کیفیت احتمالی گزینههای مختلف را ارزیابی کنند.
۳. انتخاب تصویر مناسب برای هر فیلم
یکی دیگر از کاربردهای جالب هوش مصنوعی در نتفلیکس، انتخاب تصویر یا Thumbnail برای نمایش فیلم و سریال است. وقتی یک فیلم را در نتفلیکس میبینید، تصویری که کنار عنوان آن نمایش داده میشود میتواند تأثیر زیادی در تصمیم شما برای کلیک کردن داشته باشد.
نتفلیکس میتواند فریمهای مختلف موجود در یک فیلم یا سریال را بررسی کند و از میان آنها تصاویری را که احتمالاً برای مخاطبان جذابتر هستند، شناسایی کند. اما نکته جالبتر این است که یک تصویر لزوماً برای همه کاربران بهترین گزینه نیست.
فرض کنید یک فیلم دو شخصیت اصلی دارد. کاربری که به فیلمهای اکشن علاقه بیشتری دارد ممکن است با تصویری که شخصیت اصلی در یک صحنه هیجانی در آن حضور دارد بیشتر جذب شود؛ در حالی که برای کاربر دیگری تصویر متفاوتی عملکرد بهتری داشته باشد.
به همین دلیل، نتفلیکس از دادههای رفتاری کاربران برای بررسی واکنش آنها به تصاویر مختلف استفاده میکند.
تغییر تصویر یک فیلم در نتفلیکس نیز میتواند بخشی از همین فرایند آزمایش و بهینهسازی باشد. در نتیجه، هوش مصنوعی فقط انتخاب نمیکند که چه چیزی به کاربر نشان داده شود؛ بلکه میتواند در تصمیمگیری درباره چگونگی نمایش آن محتوا نیز نقش داشته باشد.
۴. استفاده از داده برای انتخاب و برنامهریزی محل فیلمبرداری
کاربرد یادگیری ماشین در نتفلیکس به صفحه نمایش کاربر محدود نمیشود. تولید یک فیلم یا سریال فرایندی پیچیده است و انتخاب محل مناسب برای فیلمبرداری میتواند به عوامل مختلفی وابسته باشد. نتفلیکس میتواند از داده و مدلهای تحلیلی برای بررسی گزینههای مختلف در مرحله پیشتولید استفاده کند.
برای مثال، عواملی مانند محل فیلمبرداری، برنامه زمانی عوامل، هزینهها، شرایط آبوهوایی و احتمال دریافت مجوز میتوانند در تصمیمگیری مورد بررسی قرار بگیرند.
ترکیب این اطلاعات به تیمهای تولید کمک میکند تا گزینههای مختلف را با دقت بیشتری ارزیابی کنند. منبع مورد بررسی نیز استفاده از یادگیری ماشین و علم داده در این بخش را یکی از کاربردهای نتفلیکس معرفی میکند.
بنابراین نقش هوش مصنوعی در نتفلیکس تنها در چیزی که کاربر روی صفحه خود میبیند خلاصه نمیشود؛ بخشی از کاربرد آن در فرایندهای پشت صحنه قرار دارد.
۵. هوش مصنوعی برای بهبود کیفیت پخش محتوا
یک فیلم یا سریال هرچقدر جذاب باشد، اگر هنگام پخش دائماً متوقف شود یا کیفیت تصویر کاهش پیدا کند، تجربه کاربر تحت تأثیر قرار میگیرد. نتفلیکس برای مدیریت این مسئله از دادههای مربوط به الگوهای استفاده کاربران کمک میگیرد. سیستم میتواند الگوهای مصرف محتوا و میزان استفاده از پهنای باند را بررسی کند و بر اساس آن، زمانها و مناطق پرترافیک را بهتر پیشبینی کند.
یکی از کاربردهای این دادهها، کمک به تصمیمگیری درباره ذخیره یا Cache کردن محتوا در سرورهای نزدیکتر به کاربران است. هدف این است که محتوای مورد نیاز کاربر با سرعت بیشتری در دسترس قرار بگیرد و احتمال Buffering کاهش پیدا کند.
در اینجا نیز یادگیری ماشین به جای آنکه صرفاً یک قابلیت قابل مشاهده برای کاربر باشد، در زیرساختی فعالیت میکند که تجربه تماشای محتوا را شکل میدهد.
۶. نتفلیکس چگونه از حجم بالای داده استفاده میکند؟
تمام این قابلیتها به یک عنصر مشترک وابسته هستند: داده.
نتفلیکس با حجم بسیار زیادی از اطلاعات درباره محتوا و نحوه تعامل کاربران با آن مواجه است. اما داشتن داده بهتنهایی کافی نیست. سیستم باید بتواند از این دادهها الگو استخراج کند.
برای مثال، فرض کنید میلیونها کاربر رفتارهای متفاوتی در برابر یک مجموعه فیلم و سریال دارند. الگوریتمهای یادگیری ماشین میتوانند به دنبال روابط و الگوهایی در این رفتارها باشند.
در سیستم پیشنهاد محتوا، این الگوها میتوانند برای پیشبینی علاقه احتمالی یک کاربر به محتوای خاص استفاده شوند. به همین دلیل، هر تعامل کاربر با پلتفرم میتواند بخشی از اطلاعات مورد استفاده سیستمهای هوشمند باشد.
۷. چرا سیستم پیشنهاد نتفلیکس فقط به «محبوبترین فیلمها» متکی نیست؟
اگر قرار بود نتفلیکس فقط محبوبترین فیلمها و سریالها را به همه کاربران نمایش دهد، تجربه کاربران بسیار شبیه به یکدیگر میشد. اما یکی از اهداف سیستم شخصیسازی، کمک به کاربران برای پیدا کردن محتوایی است که با علایق آنها ارتباط بیشتری دارد.
در توضیحات فنی Netflix Technology Blog، یکی از چالشهای اصلی سیستم پیشنهاد محتوا، ایجاد تعادل میان ارتباط، تنوع و کشف محتوای جدید عنوان شده است. یعنی سیستم نباید فقط مجموعهای از گزینههای بسیار مشابه را نمایش دهد؛ بلکه باید فرصت کشف محتواهای دیگر را نیز فراهم کند.
به همین دلیل ممکن است صفحه اصلی یک کاربر پر از فیلمهای یک ژانر خاص باشد، اما در کنار آن محتوایی از حوزهای متفاوت نیز نمایش داده شود. این موضوع به سیستم اجازه میدهد علاوه بر پاسخ به علایق فعلی کاربر، احتمال کشف علاقههای جدید را نیز در نظر بگیرد.
۸. یادگیری ماشین در نتفلیکس یک سیستم ثابت نیست
یکی از ویژگیهای مهم سیستمهای یادگیری ماشین این است که میتوانند با دادههای جدید تغییر کنند. اگر رفتار کاربر تغییر کند، پیشنهادهای او نیز میتوانند تغییر کنند. برای مثال، ممکن است کاربری که تا چند ماه فقط مستند تماشا میکرد، ناگهان شروع به تماشای فیلمهای علمیتخیلی کند. این تغییر در رفتار میتواند در پیشنهادهای بعدی او نیز منعکس شود.
نتفلیکس در طراحی سیستمهای شخصیسازی خود تلاش میکند صفحه اصلی نسبت به رفتارهای جدید کاربر واکنش نشان دهد، در حالی که همزمان ثبات کافی را نیز حفظ کند تا تجربه کاربر کاملاً غیرقابل پیشبینی نشود. بنابراین شخصیسازی یک اتفاق یکباره نیست. یک فرایند مداوم است که با هر تعامل جدید میتواند اطلاعات بیشتری برای سیستم فراهم کند.
جمعبندی
نتفلیکس یکی از نمونههای قابل توجه استفاده از هوش مصنوعی، یادگیری ماشین و علم داده در یک پلتفرم دیجیتال است. این فناوریها در بخشهای مختلفی از اکوسیستم نتفلیکس مورد استفاده قرار میگیرند؛ از پیشنهاد شخصیسازیشده فیلم و سریال و ساخت صفحه اصلی متناسب با هر کاربر گرفته تا انتخاب تصاویر مناسب برای محتوا، کمک به برنامهریزی تولید و بهینهسازی زیرساخت پخش.
نکته مهم این است که هوش مصنوعی در نتفلیکس یک قابلیت جدا از محصول نیست. بخش قابل توجهی از تجربهای که کاربر در هنگام استفاده از این پلتفرم دریافت میکند، تحت تأثیر سیستمهایی قرار دارد که با داده و یادگیری ماشین کار میکنند.
به همین دلیل، وقتی نتفلیکس یک فیلم را به شما پیشنهاد میدهد، تصویر خاصی را برای آن انتخاب میکند یا تلاش میکند محتوای موردنظر شما بدون وقفه پخش شود، پشت این تجربه ساده مجموعهای از مدلها، دادهها و الگوریتمهای هوشمند در حال فعالیت هستند.
