Teknolojinin İçinde bizimle el ele giden bir blog serisidir. Teknoloji Konuşmaları Podcast'i. Burada, mücadele ettiğimiz temel teknik zorluklara daha derinlemesine dalacağız ve bunu gerçekleştirmek için uyguladığımız benzersiz yaklaşımları paylaşacağız. Bu baskısında Teknolojinin İçindeKişiselleştirme ekibinin çalışmasının Roblox kullanıcılarının sevecekleri deneyimler bulmasına nasıl yardımcı olduğu hakkında daha fazla bilgi edinmek için Kıdemli Mühendislik Müdürü Michelle Gong ile konuştuk. 

Hangi teknik zorlukları çözüyorsunuz?

Büyüme grubunda yer alan Kişiselleştirme ekibimiz, kullanıcılarımıza kişiselleştirilmiş ve ilgili öneriler sunmaktan sorumludur. İnsanların sevecekleri içeriği bulmalarını sağlamak, Roblox'ta uzun vadeli etkileşimi teşvik etmek ve deneyimleri kendileri için doğru olan kişilerle bağlantılandırmak istiyoruz. 

Bugün 66 milyon günlük aktif kullanıcımız var, ancak bu sayı her yıl yaklaşık %20 artıyor ve bu, giderek daha fazla verinin geldiği anlamına geliyor. Dolayısıyla, büyük bir teknik zorluk, gerçek zamanlı duyarlılığı sürdürmek ve kişiselleştirilmiş önerilerin yerine getirilmesini sağlamaktır. Servis maliyetlerini artırmadan uzun beklemeler gerektirmez. Aslında geçen yıl arka uç altyapımızı tamamen yeniden inşa etmemizin nedenlerinden biri de bu.

Büyüdükçe, çok fazla ek bilgi işlem gücüne ihtiyaç duymadan kullanıcı deneyimini nasıl geliştirebileceğimizi kendimize soruyoruz. Makine öğreniminin cevabın bir parçası olabileceğini düşünüyoruz, ancak veri modelleri büyüdükçe makine öğrenimi çözümlerinin daha fazla bilgi işlem kaynağı kullanabileceğini ve bunun da maliyetleri artırabileceğini gördük. Bu bizim için ölçeklenebilir bir durum değil, dolayısıyla bu ek maliyetlere maruz kalmadan gerçek zamanlı aramayı ve sıralamayı iyileştirmek için çalışıyoruz. 

Bu teknik zorlukların üstesinden gelmek için geliştirdiğimiz yenilikçi çözümlerden bazıları nelerdir?

İnsanların kendileriyle en alakalı içeriği hızlı bir şekilde keşfetmelerine yardımcı olmak için bir öneri sistemi oluşturuyoruz. Bunu yapmak için en gelişmiş makine öğrenimi teknolojilerini soruna nasıl uygulayacağımızı öğreniyoruz. Örneğin, bu sistemlere kendi kendini denetleyen öğrenmeyi, gelişmiş mimarileri ve büyük dil modellerinden (LLM'ler) teknikleri ve karşıolgusal değerlendirmeyi dahil ettik.

Pek çok gelişmiş, önceden eğitilmiş LLM var, ancak yüksek hizmet maliyetlerine neden oldukları için bunları doğrudan kullanamıyoruz. Bunun yerine, LLM'leri oluşturmak için sıklıkla kullanılan teknikleri kullanarak kendi modellerimizi eğitiyoruz. Bir örnek, hem dil hem de Roblox kullanıcı oyun geçmişi diziler olduğundan dizi modellemedir. Bir kullanıcının oyun geçmişinin hangi bölümünün mevcut ve gelecekteki ilgi alanlarını ve tercihlerini tahmin edebildiğini anlamak istiyoruz. Bu model bunu yapmamıza yardımcı oluyor.   

Aynı zamanda, kendi kendini denetleyen temsil öğrenimi artık bilgisayarlı görme ve doğal dil anlamada yaygın olarak kullanılıyor ve biz de bu tekniği öneri sistemlerimize uyguluyoruz. 

Bu teknik çalışmayı yapmaktan edineceğiniz temel dersler nelerdir?

Roblox'un hedefi bir milyar kullanıcıyı birbirine bağlamaktır ve bunu yapmak için fayda ve maliyeti dengeleyen çözümler belirlememiz gerekir. Bunu etkili bir şekilde yaptığımızda, toplumumuza daha fazla yatırım yapabiliriz. 

Örneğin, kendi veri merkezlerimize yatırım yapmaya karar verdik ve bu iddiamız karşılığını veriyor. Öğrendiğimiz en büyük şey, kendimiz bir şeyler yapabilecek kaynaklara ve yeteneğe sahip olduğumuzda, üçüncü taraf teknolojilere para ödemek yerine amaca yönelik bir şey yaratmanın daha verimli olduğudur. Platformlarımızı ve modellerimizi sıfırdan oluşturarak, işimize ve kaynak kısıtlamalarımıza ve gereksinimlerimize göre optimize edilmiş yenilikçi çözümleri takip edebiliyoruz. 

Sizce hangi Roblox değeri sizin ve ekibinizin teknik zorluklarla başa çıkma şeklinize en uygunudur?

Topluluğa saygı gösterin. Yaratıcılarımızı ve geliştiricilerimizi derinden önemsiyoruz. Onların görüşleri gerçekten önemli. Geliştirici geri bildirimlerini çok ciddiye alıyoruz. Geliştirici İlişkileri Ekibimizle ortaklaşa geliştirici sorularını doğrudan yanıtlamaya çok zaman harcıyorum. Geri bildirimlerini anlamak ve platformumuzu onlar için nasıl geliştirebileceğimizi görmek için zaman ayırmak, aynı zamanda doğru şeylere odaklandığımızdan emin olmamıza da yardımcı oldu. 

Ayrıca uzun vadeli bir bakış açısına sahip olduğumu da söyleyebilirim. Roblox'a katıldım çünkü Dave'in uzun vadeli görüşe sahip olma vizyonuna gerçekten inanıyorum. Aslında günlük çalışmalarımızda kısa vadeli, hack çözümler üretmekten kaçınırız. Bunun yerine ilkeli, güvenilir ve ölçeklenebilir çözümler üretmeyi vurguluyoruz çünkü gelecek için inşa ediyoruz.

Roblox'un ve ekibinizin gittiği yere dair sizi en çok heyecanlandıran şey nedir? 

Pek çok benzersiz zorluğumuz var. İki taraflı bir pazar olarak ve uzun vadeli kullanıcı tutma için öneri sistemleri oluşturmak, büyüme için büyük bir fırsattır. Ancak öneriler, arama, güven ve güvenlik gibi kullanım durumları için görsel anlama ve metin anlama gibi şeyleri de düşünüyoruz.

Ayrıca gerçekten hızlı hareket edebilecek ve çok verimli olabilecek şekilde yapılandık. Her ekip üyesi karşılaştığımız zorluklar konusunda son derece azimli ve heyecanlı. Bu ilginizi çeken bir şeye benziyorsa, sizin için bir yerimiz var. 

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://blog.roblox.com/2023/09/inside-the-tech-solving-for-personalization/