Вітання.
Хочемо ми того чи ні, але щодня ми стикаємося з рекомендаціями в тих чи інших сервісах, часто навіть не усвідомлюємо цього і просто користуємося зручним продуктом. Коли розповідаю про те, що буквально кожна людина користується сьогодні рекомендаціями, то зіштовхуюсь із запереченням цього очевидного факту, мене починають переконувати, що це не так! Люди впевнені, що жодні рекомендації на них не впливають, їх спосіб мислення та життя ніким не враховується і тому вони “поза системою”. Тішити своє самолюбство фрондерством можна до певної межі, але факт у тому, що системи рекомендацій проникли у всі сфери нашого життя, просто ми не завжди можемо усвідомити їхню присутність.
Найпростішим прикладом системи рекомендацій може бути набір тексту на смартфоні або навіть кнопковому телефоні, система намагається передбачити слова, які ви набираєте. Це здавалося магією двадцять років тому, коли Т9 став активно поширюватися на мобільних пристроях, сьогодні такими системами нікого не здивувати. Але проблема в тому, що люди не здогадуються, наскільки вони стали просунутими. Тепер “вгадується” не тільки слово, яке ви набираєте, але й наступні слова, які ви можете набрати. Дістаю свій смартфон і починаю писати, набравши перші літери “добрий”, відразу отримую підказку “Добре”. Залежно від часу змінюються закінчення та наступне слово – «Доброго дня», «Доброго ранку» тощо. Усвідомити цю підказку та логіку того, як вона виникає, нескладно, чи не так? Але це та сама система рекомендацій, наявність якої заперечують люди.
Одне з найчастіших питань, що виникають при переході з одного смартфона на інший, стосується якості клавіатури. І тут швидше не про швидкість обробки натискань, реакції клавіатури, а про вгадування слів, великий словниковий запас. Кожен апарат, яким ви користуєтеся, адаптується під вас і стиль листа, поповнює унікальну словникову базу. Наприклад, ви можете вигадати слово, якого не існує в мові або воно не вважається поширеним, телефон запам’ятає його і буде пропонувати при наборі. Згадав, що в мене таким словом з незапам’ятних часів стало “абірвалг”, сказане Шариковим у процесі перетворення на людину. І таких слів десятки, якщо не сотні, телефон їх запам’ятовує та дбайливо зберігає. Процес навчання щоденний, чим більше ви тренуєте систему, тим краще вона вгадує, що ви пишете і хочете сказати. Якоїсь миті ловиш себе на думці, що ніякі шаблони не потрібні, смартфон сам складає стандартні відповіді та підказує вірні слова.
При переході з iPhone на iPhone ви нічого не робите, ваші словникові бази існують у хмарі від Apple. На смартфонах Galaxy вони переносяться у випадку, якщо у вас налаштовано обліковий запис Samsung. Найчастіше люди скаржаться, що раніше клавіатура була чудовою, а в новому апараті вона зіпсувалася. Хоча причина саме у відсутності синхронізації, а не у якихось корінних змінах у підході. У Samsung є ще цілий вивід налаштувань, що переносяться через аккаунт на інші пристрої, наприклад, це адаптивна яскравість екрана та налаштування, виставлені під ваші уподобання. Смартфони вчаться вгадувати комфортний вам рівень і потім адаптуються під вас. Це ті рекомендації, наявність яких багато людей заперечують.
Наведені приклади індивідуальні, оскільки вони стосуються конкретних механізмів та особистого використання. Важко припустити, що моя словникова база буде цікава ще комусь, все-таки це штука індивідуальна. Безумовно, вона враховується корпораціями у різних сервісах та підвищує їх ефективність. Хорошим прикладом може бути контекстна реклама від Google. Компанія аналізує листи в GMail, те, що я пишу на клавіатурі смартфона (якщо така від Google), використовує інші методи аналізу і на виході отримує модель, в якій знає, що такі люди краще реагують на таку рекламу.
Навколо “читання” пошти з боку Google зламано чимало копій, людям здається, що порушується їхня приватність. Але тут немає жодних людей, які читають написане вами або те, що ви отримали у свою поштову скриньку. Алгоритми вичленюють контекст, зіставляють вашу активність у мережі і прогнозують, що вам може бути цікаво, щоб підвищити ефективність реклами. Будь-який рекомендаційний сервіс будується навколо передбачення, тобто прогнозу. І ключем успіху сервісу стає підвищення точності прогнозів.
Мабуть, одними з перших з необхідністю передбачати наші бажання зіткнулися пошукові системи. Від жорстко структурованої мови запитів з різними командами ми перейшли до пошуку, в якому можна поставити питання у природній манері, а система сама зрозуміє, що ми шукаємо. Вона навчається на великому масиві даних, умовно “бачить”, які посилання ми відкриваємо, і розуміє, що нас цікавило. І тут наявність великого масиву даних стає життєво необхідним, оскільки він впливає якість пошуку. Той же Bing історично страждав від неможливості набрати нових користувачів на тлі продукту від Google, оскільки якість пошуку була далекою від ідеального. Вийшло замкнуте коло – немає користувачів, система не навчається, на виході отримуємо скромні результати в пошуку.
Одна з моїх улюблених ігор у пошуку – це підказка, коли ви щось починаєте набирати в рядку і пошукова машина вам пропонує свої варіанти. Це також спроба передбачити, що ви шукаєте.
Деякі люди настільки звикли до систем рекомендацій, що перейшли на інший смисловий рівень. Наприклад, у мене в пошті часто з’являються листи, в яких немає будь-якої інформації, а вони виглядають гранично компактно:
- Скільки коштує цей апарат?
- Ви маєте акумулятор для цієї моделі?
- А навушники Buds підійдуть для цього смартфона?
Здається, що люди просто недалекі не можуть сформувати своє питання. Насправді вони звикли до того, що система доповнює їхні запити сама, пов’язує розрізнені події у єдиний ланцюжок. Вони так звикли і це їм здається природним порядком речей. І спроба спілкуватися з живою людиною в тій звичній манері випливає з особливостей рекомендаційних сервісів. Вони змінюють те, як ми спілкуємося і чого чекаємо у цьому спілкуванні.
Іншим чудовим прикладом може бути музика і стрімінгові послуги. Моя приятелька поскаржилася на те, що Яндекс.Музика неправильно працює, видає невірні рекомендації. Дуже швидко на сторінці в соціальній мережі розгорнулася споконвічна баталія, в якій порівнювали «Яндекс.Музику» та Spotify, інші стрімінгові платформи. Обговорення було типовим, кожен хвалив свій вибір і пояснював у тому чи іншому манері, чому його влаштовує якість роботи конкурентів.
Рекомендації музики будуються плюс-мінус на тих самих алгоритмах, що й інші сервіси такого роду. Кожен користувач, з одного боку, унікальний, з іншого боку, можна знайти людей зі схожими смаками. І головним завданням стає аналіз того, що люди слухають і як. Мені дуже подобається система рекомендацій Spotify, тому що вона побудована на величезній вибірці та дає на практиці відмінний результат. Що більше ви слухаєте, то краще працюють рекомендації. Це великі дані, яких просто немає і не може бути в тому ж Яндексі, російський сервіс за промовчанням програє кількістю користувачів, тим, на якому обсязі даних він може навчити систему рекомендацій.
У тих самих коментарях почув кумедну відповідь про те, що в «Яндексі» руками складали списки рекомендацій.
Думаю, що для великих сервісів вибірка чогось руками людей – це дорого і шлях у нікуди. Тільки навчання алгоритмів великий базі може дати реальний результат, причому найчастіше пропозиції музики не очевидні. У мене завдяки Spotify відбулося кілька відкриттів гуртів та музикантів, яких би ніколи інакше не знайшов.
Будь-яка система рекомендацій потребує навчання, виграють послуги, що мають найбільший обсяг користувачів. Коли Spotify офіційно запустився на російському ринку, багато хто спробував систему рекомендацій, і тут же посипалися розчаровані вигуки – вона виявилася далекою від ідеальної, та ж Яндекс.Музика часто вигравала і об’єктивно була кращою. Чому так? Той самий процес навчання, в Spotify напрацьовували дані по Росії (тут важливо відзначити, що саме рекомендації щодо “російської” музики, все інше вже тоді підбиралося на ура).
Мій друг плювався від Spotify після запуску в Росії, йому рекомендували зовсім не те, що він хотів би слухати. Через рік, коли він спробував сервіс, його висновок звучав забавно — сервіс полагодили. Але він не був зламаний! Просто він не навчився на той момент правильно рекомендувати музику для Росії, це було питання часу та напрацювання бази користувачів. Сталося й те, й інше.
Враховуючи те, наскільки багато рекомендаційних сервісів нас оточує, слід пам’ятати про те, як вони працюють на практиці. Спочатку йде накопичення даних, і чим більше користувачів, тим потенційно кращою буде якість рекомендацій. Потрібно розуміти, чи будуються рекомендації тільки на ваших особистих діях, чи це порівняння з іншими людьми, усвідомлювати природу сервісу. І набратися терпіння, щоб навчити систему того, що вам подобається, дати їй зворотний зв’язок. Як правило, при активному використанні чогось на це йде близько місяця, не більше.
І сподіваюся, що після цього матеріалу ви розумітимете, що системи рекомендацій та передбачання наших дій вбудовані в наше повсякденне життя, відмовитися від них практично неможливо, хочете ви того чи ні.
