يعتمد عملاق الفيديو يوتيوب على استخدام الذكاء الاصطناعي في عملية تقديم المحتوى لمستخدميه. وتعتمد أحدث خوارزميات يوتيوب بشكل كبير على متوسط الوقت الذي يشاهد فيه الشخص أي مقطع فيديو، ويمنحه إعجاباً أم لا، بالإضافة للاعتماد على عدد التعليقات غير المكررة، والعديد من الاعتبارات الأخرى.
يعد نظام التوصية الخاص بشركة أحد أكبر الأمثلة على حالات استخدام الذكاء الاصطناعي والتعلّم الآلي، التي نحتك بها بشكل يومي عدة مرّات، وبحسب ما ذكره موقع التحليلات التقنية analytics insight فإن هناك عدة اعتبارات ومعايير يجب الاعتماد عليها في مثل تلك الأنظمة.
الفلترة التعاونية
يميل هذا النوع إلى بناء علاقات تعاون بين مختلف المستخدمين والعناصر، وهي مقاطع الفيديو في حالة يوتيوب، وينصب التركيز الرئيسي على مطابقة أذواق المستخدمين المختلفين. ويميل إلى التحقق ما إذا كان مستخدم معين قد يحب مقطع الفيديو المعين.
كما يعتمد الجانب الآخر من التصفية التعاونية على معيار عنصر لعنصر، وهو مثل ما ذكرنا أعلاه، ولكن التركيز ينصب على ربط العناصر المختلفة، مثل مقاطع الفيديو. وتميل إلى اقتراح مقاطع فيديو مماثلة بناءً على مقاطع الفيديو التي أحبها المستخدمون.
عامل المصفوفة
يعمل عامل المصفوفة على تحليل كل من اتجاهات المستخدم والعنصر معاً، وبالتالي تزويد يوتيوب بمقاييس مقارنة أفضل. على عكس التصفية التعاونية بين العنصر والعنصر، فهي ليست معقدة من الناحية الحسابية ولكنها تفتقر إلى القابلية للتفسير، فهي تفتقر إلى الإجابة على التساؤل لماذا تمت التوصية بهذا الفيديو، ما يؤدي إلى انخفاض الدقة.
بنية التعلم العميق
ينشر المستخدمون لموقع يوتيوب الملايين من أفكار المحتوى التي يتم تحميلها يومياً. ويميل نظام التوصيات إلى تصنيف مقاطع الفيديو بناءً على خصائص المستخدم أولاً، ثم بناءً على البيانات الوصفية للفيديو.
وتحلل الخوارزمية سمات المستخدم مثل سجل المشاهدة وسجل البحث وذوق المستخدم والعمر والموقع والوقت، ثم تأخذ عينات من بعض مقاطع الفيديو وترسلها للمرحلة التالية. وتختار الخوارزمية مقاطع الفيديو للمشاهدين مع وضع هدفين في الاعتبار، وهي العثور على الفيديو المناسب لكل مشاهد، وحثهم على مواصلة المشاهدة.