기술 내부 는 우리와 함께 진행되는 블로그 시리즈입니다. 기술 토크 팟캐스트. 여기에서는 우리가 다루고 있는 주요 기술적 과제에 대해 자세히 알아보고 이를 위해 취하고 있는 고유한 접근 방식을 공유합니다. 이번 판에서는 기술 내부, 우리는 수석 엔지니어링 관리자인 Michelle Gong과 이야기를 나누어 개인화 팀의 작업이 Roblox 사용자가 좋아할 만한 경험을 찾는 데 어떻게 도움이 되는지 자세히 알아봤습니다. 

어떤 기술적 과제를 해결하고 있나요?

성장 그룹에 속한 개인화 팀은 사용자에게 개인화되고 관련성 높은 추천을 제공하는 일을 담당합니다. 우리는 사람들이 좋아할 만한 콘텐츠를 찾고, Roblox에 대한 장기적인 참여를 촉진하며, 자신에게 적합한 사람들과 경험을 연결할 수 있도록 지원하고 싶습니다. 

현재 일일 활성 사용자 수는 66만 명에 달하지만 그 숫자는 매년 약 20%씩 증가하고 있으며 이는 점점 더 많은 데이터가 유입되고 있음을 의미합니다. 따라서 가장 큰 기술적 과제는 실시간 응답성을 유지하고 개인화된 추천이 제공되지 않도록 하는 것입니다. 서빙 비용을 늘리지 않고도 오래 기다릴 필요가 없습니다. 사실 이것이 우리가 작년에 백엔드 인프라를 완전히 재구축한 이유 중 하나입니다.

우리는 성장하면서 많은 추가 컴퓨팅 성능 없이도 사용자 경험을 어떻게 개선할 수 있는지 스스로에게 묻고 있습니다. 우리는 기계 학습이 답의 일부일 수 있다고 생각하지만, ML 솔루션은 데이터 모델이 커짐에 따라 더 많은 컴퓨팅 리소스를 사용할 수 있어 비용이 증가한다는 것을 확인했습니다. 이는 확장 가능하지 않으므로 추가 비용을 들이지 않고 실시간 검색 및 순위 지정을 개선하기 위해 노력하고 있습니다. 

이러한 기술적 과제를 해결하기 위해 우리가 구축하고 있는 혁신적인 솔루션에는 어떤 것이 있습니까?

우리는 사람들이 자신과 가장 관련성이 높은 콘텐츠를 빠르게 찾을 수 있도록 추천 시스템을 구축하고 있습니다. 그러기 위해 우리는 가장 발전된 ML 기술을 문제에 적용하는 방법을 배우고 있습니다. 예를 들어, 우리는 자기 지도 학습, LLM(대형 언어 모델)의 고급 아키텍처 및 기술, 반사실적 평가를 이러한 시스템에 통합했습니다.

사전 훈련된 고급 LLM이 많이 있지만 서비스 비용이 높기 때문에 직접 사용할 수는 없습니다. 대신 우리는 LLM을 구축하는 데 자주 사용되는 기술을 사용하여 자체 모델을 교육하고 있습니다. 한 가지 예는 시퀀스 모델링입니다. 언어와 Roblox 사용자 플레이 기록이 모두 시퀀스이기 때문입니다. 우리는 사용자의 플레이 기록 중 어느 부분이 현재와 미래의 관심과 선호도를 예측할 수 있는지 알고 싶습니다. 이 모델은 우리가 그렇게 하는 데 도움이 됩니다.   

동시에 자기 지도 표현 학습은 이제 컴퓨터 비전 및 자연어 이해에 널리 사용되고 있으며 우리는 이 기술을 추천 시스템에 적용하고 있습니다. 

이 기술 작업을 수행하면서 얻은 주요 교훈은 무엇입니까?

Roblox의 목표는 XNUMX억 명의 사용자를 연결하는 것이며, 이를 위해서는 유틸리티와 비용의 균형을 맞추는 솔루션을 찾아야 합니다. 이를 효과적으로 수행할 때 우리는 지역사회에 더 많은 투자를 할 수 있습니다. 

예를 들어, 우리는 자체 데이터 센터에 투자하기로 결정했고 그 투자는 성과를 거두었습니다. 우리가 배운 가장 큰 사실은 우리가 스스로 무언가를 할 수 있는 자원과 능력이 있을 때 타사 기술에 비용을 지불하는 것보다 목적에 맞는 무언가를 만드는 것이 더 효율적이라는 것입니다. 플랫폼과 모델을 처음부터 구축함으로써 우리는 비즈니스와 리소스 제약 및 요구 사항에 최적화된 혁신적인 솔루션을 추구할 수 있습니다. 

귀하와 귀하의 팀이 기술 문제를 해결하는 방식에 가장 적합한 Roblox 가치는 무엇이라고 생각하시나요?

커뮤니티를 존중하세요. 우리는 창작자와 개발자에 대해 깊은 관심을 갖고 있습니다. 그들의 의견은 정말 중요합니다. 우리는 개발자 피드백을 매우 진지하게 받아들입니다. 저는 개발자 관계 팀과 협력하여 개발자 질문에 직접 답변하는 데 많은 시간을 보냅니다. 시간을 내어 그들의 피드백을 이해하고 그들을 위해 플랫폼을 개선할 수 있는 방법을 알아보는 것은 우리가 올바른 일에 집중하고 있는지 확인하는 데 도움이 되었습니다. 

나는 또한 장기적인 관점을 갖고 싶다고 말하고 싶습니다. 저는 장기적 관점을 취하려는 Dave의 비전을 진심으로 믿기 때문에 Roblox에 합류했습니다. 실제로 일상 업무에서 우리는 단기적인 해킹 솔루션 구축을 피합니다. 대신 우리는 미래를 위해 구축하고 있기 때문에 원칙적이고 안정적이며 확장 가능한 솔루션 구축을 강조합니다.

Roblox와 팀이 어디로 향하고 있는지에서 가장 흥미로운 점은 무엇인가요? 

우리에게는 독특한 과제가 너무 많습니다. 양면 시장이자 장기적인 사용자 유지를 위한 추천 시스템을 구축하는 것은 성장을 위한 엄청난 기회입니다. 그러나 우리는 추천, 검색, 신뢰 및 안전 등과 같은 사용 사례에 대한 시각적 이해 및 텍스트 이해와 같은 것도 고려하고 있습니다.

또한 우리는 정말 빠르게 움직일 수 있고 매우 효율적일 수 있도록 구조화되어 있습니다. 모든 팀원은 우리가 직면한 과제에 대해 극도로 추진력이 있고 흥분되어 있습니다. 이것이 당신이 관심을 갖고 있는 것으로 보인다면, 우리는 당신을 위한 자리를 마련해 놓았습니다. 

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://blog.roblox.com/2023/09/inside-the-tech-solving-for-personalization/