مجله هوش مصنوعی شهاب
توییتر یک پلت فرم رسانه های اجتماعی است که ۳۲۵ میلیون نفر در آن روزانه پست های خود را (هر پست به طور متوسط ۲۸۰ کاراکتر دارد) با فالوئر های خود به اشتراک می گذارند. این پلتفرم به عنوان واسطه ای بین برنامه های پیام رسان فوری و وبلاگ نویسی و یا پیام های اجتماعی است، اما توئیتر برای گزارش اخبار، به روز رسانی رویدادها، بازاریابی و کسب و کار نیز اهمیت بسزایی دارد. چه شما طرفدار توئیتر باشید یا نه، توئیتر تبدیل به نهمین شبکه اجتماعی در جهان شده و Cortex ( تیم مهندسی توئیتر )، به قدرت هوش مصنوعی در توئیتر روی آورده است تا به بهبود تجربه کاربری این پلتفرم کمک کند.
مقاله مرتبط :
توئیتر چگونه در عمل از هوش مصنوعی استفاده می کند؟
میلیاردر معروف مارک کوبان در سال ۲۰۱۷ هنگامی که سهام توییتر را خریداری کرد گفت که این کار را به این دلیل انجام داده است که “آن ها ( تیم توئیتر ) با به کارگیری هوش مصنوعی به سازماندهی مناسب خود رسیدند.” در سال ۲۰۱۶، توییتر تکنولوژی Magic Pony را خریداری کرد تا تیم Cortex را که قصد دارد ” پیشرفته ترین پلتفرم هوش مصنوعی در جهان را در مقیاس توییتر بسازد، تا از الگوریتم های پیچیده هوش مصنوعی در مجموعه داده های چالش برانگیز توئیتر استفاده کند.”
یکی از راه های استفاده از هوش مصنوعی در توییتر تعیین این است که چه پیشنهاد هایی برای توصیه به کاربران در زمان بندی مناسب، با هدف برجسته تر کردن توئیت های مناسب برای هر فرد انجام دهد. قبل از این تغییر، توییتر توییت های خود را در ترتیب زمانی معکوس نشان می داد. امروزه الگوریتم ها هزاران تویت را در ثانیه اسکن و امتیاز دهی می کنند تا آن ها را برای هر کاربر متناسب با علایق و سلائق کاربر رتبه بندی کنند.
این پلتفرم رسانه های اجتماعی همچنین، از آن جا که مقامات و مسئولان در انگلیس و آلمان اقدامات تنبیهی و جریمه های مرتبط با رفتارهایی مثل سخنرانی های نفرت برانگیز در سطح جامعه، اخبار جعلی و محتواهای غیر قانونی را افزایش داده اند، برای جلوگیری از بارگذاری محتوای نامناسب و نژادپرستانه بر روی پلت فرم خود از هوش مصنوعی استفاده می کند. در شش ماه اول سال ۲۰۱۷، توییتر، اقدام به حذف نزدیک به ۳۰۰،۰۰۰ حساب کاربری تروریستی را که توسط ابزارهای هوش مصنوعی شناسایی شده بودند، کرد . در واقع، ۹۵ درصد از حساب های مربوط به تروریسم بیش از این که توسط کاربران شناسایی شده باشند، با استفاده از الگوریتم های هوش مصنوعی شناسایی شده اند.
ابزارهای هوش مصنوعی همچنین از ترفندهایی نه چندان بزرگ در توییتر پشتیبانی می کنند که تجربه کلی کاربران را بهبود می بخشد. به عنوان مثال، ابزارهای برش تصویر توئیتر از هوش مصنوعی استفاده می کنند تا تصاویر را به صورت خودکار به تصاویر جذاب تری تبدیل کند و نظارت بر محتواهای زنده ویدئویی را بر عهده دارند و آن ها رابر طبق موضوعاتی که قابلیت جست و جوی توئیتر را بهبود می بخشند طبقه بندی کند و به الگوریتم ها در شناسایی ویدئوهایی که امکان دارد کاربر به مشاهده آن ها رغبت داشته باشد کمک کند.
جزئیات فنی
الگوریتم رتبه بندی توییتر حجم زیادی داده را دریافت می کند، آن ها را از طریق شبکه های عصبی عمیق پردازش کرده و با گذر زمان می آموزد که کدام محتوا برای هر کاربر شخصی مناسب است. تمام توییت ها در یک مدل رتبه بندی امتیاز دهی می شوند که از این مدل برای تعیین احتمال استفاده از این محتوا توسط کاربر استفاده می شود. مدل رتبه بندی محتویات خود توئیت را در نظر می گیرد، از جمله از این که با یک تصویر یا ویدئو ضمیمه شده است یا نه و چه تعداد بازنشر و یا لایک دریافت کرده است؛ نویسنده توئیت را از این نظر که آیا تا به حال هر گونه تعاملی در گذشته با نویسنده داشته اید یا نه و این که این ارتباط با نویسنده در چه سطحی بوده است؛ و از نظر نوع و لحن توییت هایی که شما سابقه لایک کردن آن ها در گذشته داشته اید و این که این توئیت چه قدر به توئیت هایی که در گذشته لایک کرده اید شباهت دارد بررسی می کند. یک توئیت هر چه قدر امتیاز بالاتری از بابت معیار تطابق و شباهت بگیرد، آن توئیت را در صدر محتواهای خود خواهید دید و احتمال این که آن توئیت در بخش ” توئیت هایی که از دست داده اید ” ظاهر شود بیشتر است.
همانطور که توییتر همچنان اصلاح الگوریتم های خود را تداوم می بخشد، باید سرعت و کیفیت فرایند بررسی الگوریتم را برای مطابقت با الزامات پلت فرم برای به روز رسانی محتوا ها در زمان واقعی را به تعادل برساند. علاوه بر سرعت و کیفیت پیش بینی ها، الگوریتم ها براساس تقاضای منابع و قابلیت نگهداری خود در طول زمان ارزیابی می شوند.
این شرکت با استفاده از IBM Watson و مهارت پردازش زبان طبیعی خود برای پیگیری و حذف پیام های توهین آمیز استفاده می کند از آن جایی که تکنولوژی هوش مصنوعی واتسون نه تنها زبان طبیعی را درک می کند، بلکه می تواند لحن گفتار را متوجه شود و استخراج معنی را از تصاویر به سرعت انجام دهد؛ می تواند میلیون ها توییت را در یک ثانیه تحلیل کند . ابزار هوش مصنوعی توییتر با نام ” کراپ با استفاده از وجه تمایز ها ” برای نشان دادن جالب ترین جنبه های تصاویر که آیا آن تصاویر چهره انسان هستند یا نه مورد استفاده قرار می گیرد.
به منظور آموزش و توسعه این ابزار، تیم توییتر با استفاده از داده های دانشگاهیانی که فرآیند ردیابی چشم را مورد مطالعه و بررسی قرار دادند جنبه های مهم و برجسته این فرآیند را تعیین کردند . سپس، به منظور بهینه سازی این ابزار در زمان واقعی در سایت، ان ها از هوش مصنوعی برای توسعه یک نسخه سریع تر از این ابزار برای سرعت بخشیدن به کراپ کردن عکس ها استفاده می کنند. در ابتدا آن ها با استفاده از برنامه اولی که طراحی خوب اما با سرعت پایینی داشت، یک شبکه کوچکتر را توسعه دادند. سپس، مهندسین نرم افزار با برداشتن نشانه های بصری کم اهمیت تر در تصاویر، این روند را ساده تر کردند. به منظور آموزش الگوریتم خود برای تشخیص آنچه که در محتواهای لایو و یا زنده اتفاق می افتد، Cortex ( تیم توئیتر ) از آموزش عمیق استفاده کرد. آنها یک شبکه عصبی بزرگ را آموزش دادند تا محتوای موجود در ویدیو را از تعداد زیادی از نمونه های موجود تشخیص دهند. انسان ها ویدیوها را تماشا کرده و با کلمات کلیدی چندگانه آن ها را تگ کرده اند. بنابراین، یک ویدیو از یک سگ فقط با کلمه سگ تگ نمی شود بلکه از کلماتی همچون حیوان، سگ، پستاندار و غیره هم استفاده می کنند. سپس داده ها برای آموزش الگوریتم مورد استفاده قرار گرفتند تا بتوانند محتوای ویدئویی را شناسایی کنند.
ایده ها و بینش هایی که می توان از توئیتر الهام گرفت
همانطور که تیم توییر اذعان دارند، ابزارهایی که توسط هوش مصنوعی طراحی شده اند می توانند برای بهبود و ارتقاء محصولات و خدمات مورد استفاده قرار بگیرند. همکاری بین انسان و هوش مصنوعی به برجسته کردن بهترین ویژگی هر کدام از آن ها کمک می کند.
بیشتر بخوانید :
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
