يسعدنا أن نهنئ مهندس التعلم الآلي في Roblox Xiao Yu والمؤلفين المشاركين له على حصولهم على جائزة اختبار الزمن في المؤتمر الدولي السابع عشر لـ ACM حول بحث الويب واستخراج البيانات (WSDM 2024). تعد جائزة اختبار الزمن علامة على التأثير التاريخي والاعتراف بأن البحث قد غير اتجاهات واتجاه التخصص. إنه تكريم لمنشور بحثي صدر منذ 10 سنوات وكان له تأثير دائم.

الورقة الفائزة "توصية الكيان الشخصي: نهج شبكة المعلومات غير المتجانسةتم تقديمه لأول مرة في WSDM 2014، بينما كان يو باحثًا في جامعة إلينوي في أوربانا شامبين. انضم يو إلى Roblox في عام 2022 وعمل على اللغة الطبيعية، ورؤية الكمبيوتر، ونماذج اللغة الكبيرة، والذكاء الاصطناعي التوليدي، بما في ذلك عملنا الأخير على ترجمة الدردشة بالذكاء الاصطناعي في الوقت الفعلي و الاعتدال الصوتي في الوقت الحقيقي. 

يقول يو أن الورقة الحائزة على جوائز “iيقدم مفهوم الميزات الكامنة القائمة على المسار التعريفي كتمثيلات للمستخدمين والعناصر. كان هذا قبل أن يصبح التعلم التمثيلي أحدث ما توصلت إليه أنظمة التوصية. على الرغم من أنها تسبق الاستخدام الواسع النطاق للتضمين في الشبكات غير المتجانسة وأنظمة التوصية، إلا أن الملاحظات والفلسفة المقدمة في هذه الورقة ألهمت العديد من الباحثين لإعادة النظر في هذه المشكلة وأثارت موجة من الأبحاث المبتكرة في هذا المجال.

وقد اكتسب البحث الذي نشره يو وزملاؤه اعترافًا كبيرًا على مدار العقد الماضي، حيث أصبحت محركات التوصية منتشرة في كل مكان بشكل متزايد. "من خلال دمج معلومات العلاقات المتنوعة، تعمل طريقتنا على تخصيص التوصيات إلى حد أكبر، مما يؤدي إلى اقتراحات أكثر دقة وملاءمة وتخصيصًا للمستخدمين. ويقول يو: "إن هذا أمر بالغ الأهمية في ظل سيناريو الحمل الزائد للمعلومات اليوم، حيث يتعرض الناس لوابل من التوصيات التي لا صلة لها بالموضوع".

"قبل هذه الورقة، غالبًا ما كانت أنظمة التوصية الهجينة القائمة على الرسم البياني تستخدم نوعًا واحدًا من العلاقات، مثل ما إذا كان المستخدم قد اشترى عنصرًا معينًا من قبل. كان هذا أحد الأساليب الأولى للاستفادة من عدم تجانس العلاقة داخل الشبكة. ومن خلال نمذجة العلاقات المختلفة، يمكن لنظام التوصية المقترح الحصول على فهم أكثر ثراءً ودقة لتفضيلات المستخدم وخصائص العناصر.

تعرف على أحدث أبحاث الذكاء الاصطناعي في Roblox هنا.