نتفلیکس که همواره به دنبال بهبود تجربه کاربری است، با معرفی سیستمی به نام GenPage گامی بلند در شخصیسازی صفحه اصلی برداشته است. این سیستم مبتنی بر هوش مصنوعی مولد (Generative AI) جایگزین خط لوله پیچیده و چندمرحلهای قبلی شده و با استفاده از یک مدل واحد، کل صفحه اصلی را به صورت پویا و متناسب با هر کاربر تولید میکند. این رویکرد نه تنها تعامل کاربران را افزایش میدهد، بلکه سرعت سرویسدهی را نیز به طور چشمگیری بهبود میبخشد.
معماری سنتی نتفلیکس؛ پیچیدگی چندمرحلهای
پیش از GenPage، نتفلیکس از یک خط لوله چندمرحلهای استفاده میکرد که شامل اجزای جداگانه برای تولید و رتبهبندی نامزدها بود. این فرآیند برای هر ردیف و هر آیتم درون ردیف تکرار میشد و سپس یک مرحله نهایی وظیفه چیدمان صفحه را بر عهده داشت. این روش اگرچه کارآمد بود، اما محدودیتهایی در بهینهسازی کلی صفحه و تعاملات بین ردیفها داشت.
GenPage چگونه کار میکند؟
GenPage با الهام از مدلهای زبانی بزرگ و پارادایم پرامپت-پاسخ طراحی شده است. این مدل با دریافت تاریخچه کاربر و زمینه درخواست به عنوان یک پرامپت، مستقیماً صفحه اصلی را تولید میکند. به عبارت دیگر، GenPage سه سطح انتخاب آیتم، ساخت ردیف و تولید چیدمان را در یک مدل واحد یکپارچه میکند و به این سوال پاسخ میدهد: «با توجه به اطلاعاتی که از این کاربر و این درخواست داریم، چه صفحه اصلی باید تولید کنیم تا رضایت کاربر به حداکثر برسد؟»
این رویکرد تکمرحلهای علاوه بر سادهسازی، امکان بهینهسازی کل صفحه را فراهم میکند. از طریق یادگیری تقویتی (RL) پس از آموزش، مدل میتواند تعاملات بین ردیفها را نیز در نظر بگیرد. برای مثال، ردیف «ادامه تماشا» در بالای صفحه ممکن است نیاز فوری کاربر را برآورده کند، اما باعث کاهش کاوش کاربر در سایر بخشهای صفحه شود.
قدرت پرامپت در مقابل مقیاس مدل
یکی از یافتههای جالب در آزمایشهای نتفلیکس این بود که غنیسازی پرامپت تأثیر بیشتری نسبت به افزایش مقیاس مدل دارد. مهندسان دریافتند که افزایش پارامترهای مدل از 120 میلیون به 900 میلیون، تلفات (loss) را تنها 1.3٪ کاهش میدهد، در حالی که غنیسازی زمینه پرامپت بهبودی حدود 6.9٪ به همراه دارد. در برخی موارد، یک افزودنی ساده به پرامپت، بهبودی بیشتر از افزایش 7.5 برابری ظرفیت مدل ایجاد کرد.
با این حال، این بهبود بازدهی کاهشی دارد و پس از اشباع شدن زمینه ورودی، افزایش مقیاس مدل به عامل اصلی پیشرفت تبدیل خواهد شد. این یافته برای سایر سیستمهای شخصیسازی در مقیاس صنعتی نیز درسهای ارزشمندی دارد.
نتایج و مزایای GenPage
نتایج آزمایشهای A/B نشان میدهد که GenPage بهبود آماری معنیداری در معیارهای اصلی تعامل کاربر ایجاد کرده است. علاوه بر این، یکی از مزایای غیرمنتظره، کاهش 20٪ در تأخیر سرویسدهی سرتاسری است. این موضوع برخلاف تصور رایج است که مدلهای مولد ذاتاً کند هستند. همچنین، یادگیری تقویتی پس از آموزش باعث افزایش تنوع و سفارشیسازی صفحه اصلی شده است.
جمعبندی
GenPage نشان میدهد که استفاده از یک مدل مولد واحد میتواند پیچیدگی سیستمهای شخصیسازی را کاهش داده و در عین حال عملکرد و سرعت را بهبود بخشد. نتفلیکس با این نوآوری، استاندارد جدیدی در طراحی صفحات اصلی تعریف کرده است. برای مطالعه جزئیات فنی بیشتر، از جمله نحوه طراحی، آموزش و یادگیری تقویتی، مقاله کامل این شرکت را مطالعه کنید.
