Danish Nasir Shaikh, Machine Learning Engineer, Meta Danish Nasir Shaikh Machine Learning Engineer, Meta

วิธีการที่เอเจนต์ AI กำลังเปลี่ยนแปลงระบบแนะนำขนาดใหญ่และ AI

ระบบแนะนำขนาดใหญ่กำลังยากต่อการปรับปรุงเพราะพวกมันไม่ได้ทำงานเป็นแบบจำลองที่แยกออกจากกันอีกต่อไป Recommender ระบบสมัยใหม่มักจะมีหลายร้อยแบบจำลองที่เชื่อมต่อกัน, ระบบขนส่งข้อมูล, ชั้นการเรียงลำดับ, ระบบตรวจสอบ, และกฎธุรกิจ แต่ละส่วนประกอบอาจเพิ่มประสิทธิภาพสัญญาณที่แตกต่างกัน แต่ทั้งระบบคาดว่าจะปรับปรุงผลลัพธ์ทางธุรกิจที่กว้างขึ้น เช่น รายได้, การซื้อ, การมีส่วนร่วม, หรือความพึงพอใจของผู้ใช้ปลายทางขั้นตอนต่อไปของความก้าวหน้าจะอยู่ที่ตัวแทน AI ที่สามารถดูดซับบริบทของระบบได้มากขึ้น, ลดการเสียดสีในการพัฒนา, และรับหน้าที่ที่กว้างขึ้นอย่างค่อยเป็นค่อยไป การเปลี่ยนแปลงนี้ไม่เกี่ยวกับการอัตโนมัติเพียงอย่างเดียว แต่เป็นเกี่ยวกับระบบแนะนำที่สามารถตรวจสอบ, วินิจฉัย, ซ่อมแซม, และปรับปรุงตัวเองได้ด้วยการแทรกแซงจากมนุษย์ที่น้อยลงระบบแนะนำขนาดใหญ่เปลี่ยนแปลงช้าวงจรการพัฒนาคืออุปสรรคหลักในระบบแนะนำขนาดใหญ่ การเปลี่ยนแปลงเพียงเล็กน้อยอาจผ่านหลายชั้นก่อนที่จะสร้างผลลัพธ์ที่วัดได้ แบบจำลองหนึ่งอาจส่งผลต่อการสร้างผู้สมัคร, อีกแบบจำลองหนึ่งอาจส่งผลต่อการเรียงลำดับ,...