Binnen de Tech is een blogreeks die hand in hand gaat met onze Tech Talks-podcast. Hier duiken we verder in de belangrijkste technische uitdagingen die we aanpakken en delen we de unieke aanpak die we daarbij volgen. In deze editie van Binnen de Techspraken we met Senior Engineering Manager Michelle Gong om meer te weten te komen over hoe het werk van het personalisatieteam Roblox-gebruikers helpt ervaringen te vinden die ze leuk zullen vinden. 

Welke technische uitdagingen los jij op?

Ons team – Personalisatie, dat deel uitmaakt van de Growth-groep – is verantwoordelijk voor het bieden van gepersonaliseerde en relevante aanbevelingen aan onze gebruikers. We willen mensen de mogelijkheid geven om inhoud te vinden die ze leuk zullen vinden, om langdurige betrokkenheid bij Roblox te bevorderen en om ervaringen te verbinden met de mensen die bij hen passen. 

Tegenwoordig hebben we 66 miljoen dagelijks actieve gebruikers, maar dat aantal stijgt elk jaar met ongeveer 20%, en dat betekent dat er steeds meer gegevens binnenkomen. Een grote technische uitdaging is dus het handhaven van realtime responsiviteit en ervoor zorgen dat gepersonaliseerde aanbevelingen worden gedaan. Er zijn geen lange wachttijden nodig, en dat allemaal zonder de servicekosten te verhogen. Dat is zelfs een van de redenen waarom we vorig jaar onze backend-infrastructuur volledig opnieuw hebben opgebouwd.

Naarmate we groeien, vragen we ons af hoe we de gebruikerservaring kunnen verbeteren zonder dat er veel extra rekenkracht nodig is. We denken dat machinaal leren een deel van de oplossing kan zijn, maar we hebben gezien dat ML-oplossingen meer computerbronnen kunnen gebruiken – wat de kosten verhoogt – naarmate de datamodellen groter worden. Dat is voor ons niet schaalbaar, dus we werken eraan om de realtime zoekresultaten en ranking te verbeteren zonder deze extra kosten. 

Wat zijn enkele van de innovatieve oplossingen die we bouwen om deze technische uitdagingen aan te pakken?

We bouwen een aanbevelingssysteem waarmee mensen snel de inhoud kunnen ontdekken die voor hen het meest relevant is. Om dat te doen, leren we hoe we de meest geavanceerde ML-technologieën op het probleem kunnen toepassen. We hebben bijvoorbeeld zelfgestuurd leren, geavanceerde architecturen en technieken uit grote taalmodellen (LLM's) en contrafeitelijke evaluatie in deze systemen geïntegreerd.

Er zijn veel geavanceerde, voorgetrainde LLM's, maar we kunnen ze niet rechtstreeks gebruiken omdat ze hoge servicekosten met zich meebrengen. In plaats daarvan trainen we onze eigen modellen met behulp van technieken die vaak worden gebruikt om LLM's te bouwen. Een voorbeeld is sequentiemodellering, omdat zowel de taal als de speelgeschiedenis van Roblox-gebruikers sequenties zijn. We willen begrijpen welk deel van de speelgeschiedenis van een gebruiker zijn huidige en toekomstige interesses en voorkeuren kan voorspellen. Dit model helpt ons daarbij.   

Tegelijkertijd wordt het zelfgestuurd leren van representaties nu op grote schaal gebruikt bij computervisie en het begrijpen van natuurlijke taal, en we passen deze techniek toe op onze aanbevelingssystemen. 

Wat zijn de belangrijkste lessen die we kunnen trekken uit dit technische werk?

Het doel van Roblox is om een ​​miljard gebruikers met elkaar te verbinden, en om dat te doen moeten we oplossingen vinden die nut en kosten in evenwicht brengen. Als we dit effectief doen, kunnen we meer in onze gemeenschap investeren. 

We hebben bijvoorbeeld besloten om te investeren in onze eigen datacenters, en die weddenschap werpt zijn vruchten af. Het belangrijkste dat we hebben geleerd is dat als we over de middelen en het vermogen beschikken om iets zelf te doen, het efficiënter is om iets speciaals te creëren dan te betalen voor technologie van derden. Door onze platforms en modellen vanaf de basis op te bouwen, kunnen we innovatieve oplossingen nastreven die zijn geoptimaliseerd voor ons bedrijf en onze beperkte middelen en vereisten. 

Welke Roblox-waarde sluit volgens u het beste aan bij de manier waarop u en uw team technische uitdagingen aanpakken?

Respecteer de gemeenschap. We geven veel om onze makers en onze ontwikkelaars. Hun mening doet er echt toe. We nemen feedback van ontwikkelaars zeer serieus. Ik besteed veel tijd aan het beantwoorden van vragen van ontwikkelaars, rechtstreeks in samenwerking met ons Developer Relations-team. Door de tijd te nemen om hun feedback te begrijpen en te zien hoe we ons platform voor hen kunnen verbeteren, weten we zeker dat we ons ook op de juiste dingen concentreren. 

Ik zou ook zeggen: kijk naar de lange termijn. Ik heb me bij Roblox aangesloten omdat ik echt geloof in Dave's visie op de lange termijn. In ons dagelijkse werk vermijden we zelfs het bouwen van kortetermijn-hackoplossingen. In plaats daarvan leggen we de nadruk op het bouwen van principiële, betrouwbare en schaalbare oplossingen, omdat we bouwen aan de toekomst.

Wat boeit je het meest aan waar Roblox en je team naartoe gaan? 

We hebben zoveel unieke uitdagingen. Het bouwen van aanbevelingssystemen als een tweezijdige marktplaats en voor gebruikersbehoud op de lange termijn is een enorme kans op groei. Maar we denken ook aan zaken als visueel begrip en tekstbegrip voor gebruiksscenario's zoals aanbevelingen, zoeken, vertrouwen en veiligheid, enz.

We zijn ook zo gestructureerd dat we heel snel kunnen handelen en zeer efficiënt kunnen zijn. Ieder teamlid is enorm gedreven en enthousiast over de uitdagingen die we hebben. Als dit klinkt als iets waarin je geïnteresseerd bent, hebben we een plek voor je. 

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://blog.roblox.com/2023/09/inside-the-tech-solving-for-personalization/