Os sistemas de recomendação das plataformas online materializam um dos usos mais comuns da tecnologia de aprendizagem online. Recentemente, investigadores do Google publicaram um artigo acadêmico (“Recommending what video to watch next: a multitask ranking system”), onde revelam alguns detalhes relevantes sobre o funcionamento do sistema de recomendação de vídeos do YouTube, um dos mais relevantes e avançados do mercado.
O destaque do estudo está nas ferramentas utilizadas pelo sistema para ser eficiente na hora de reter a atenção do usuário. Seu funcionamento é, de forma obrigatória, diferente das demais plataformas de streaming, já que a avaliação de dados e a geração de recomendações em tempo real contam com uma importância muito maior, uma vez que esta é uma plataforma onde os usuários enviam uma quantidade enorme de horas de vídeos por segundo.
Duas redes neuronais profundas
Até 2016, o YouTube usava algoritmos que recomendavam vídeos baseados em um conjunto de critérios como duração do vídeo, número de assinantes, numero de compartilhamentos, etc. Depois disso, a plataforma começou a adotar redes neuronais.
O atual sistema de recomendação de vídeos do YouTube funciona com uma estrutura de duas etapas, que é de responsabilidade de redes neuronais diferentes:
1) Geração de itens candidatos: ela reduz as opções recorrendo a dados extraídos do histórico dos usuários para oferecer uma lista de vídeos que consideram o filtro colaborativo;
2) Classificação: aqui, as opções se reduzem de milhares para dezenas, associando uma pontuação para cada vídeo, determinando a visibilidade que o mesmo terá na hora de mostrar as recomendações no YouTube.
Aspectos como similaridade do vídeo com conteúdos visualizados anteriormente aumentam as chances do vídeo ser recomendado nas primeiras posições. Se o vídeo já foi recomendado antes e o usuário passou por ele sem ver, as chances de uma nova recomendação caem.
Outro fator que influencia é a idade do vídeo. Para evitar um favorecimento de conteúdos mais antigos (com mais visitas e likes), o sistema estabelece a presença de conteúdos novos entre as recomendações.
Engajamento ainda é importante
Ainda considerando todos os fatores que o YouTube leva em consideração para gerar as suas recomendações, é impossível prever o que será exibido com exatidão, pois as redes neuronais profundas aprendem com o passar do tempo, alterando de forma discreta os seus resultados para cumprir com o objetivo básico de engajamento ou retenção do usuário diante da tela.
O YouTube foi obrigado a realizar mudanças na sua IA nos últimos tempos, por causa do incentivo nocivo que tal busca de engajamento estava provocando. Tal política fez com que muitos usuários se engajassem em conteúdos pseudocientíficos e conspiratórios, algo que a plataforma quer evitar a todo custo.
Via Towards Data Science (e II) e Vantage AI