Конечно, TikTok — это весело. Спросите любого TikToker, и все они скажут одно и то же: «приложение потрясающее». Почему? Потому что это предоставляет множество замечательных функций как для создателей, так и для потребителей. Исследования показали нам, что 2 часа в день — это минимальное среднее значение для любого, кто использует TikTok, это намного больше, чем в любом другом доступном приложении для социальных сетей.

Почему людям нравится это приложение, это связано со многими факторами, и я собираюсь сосредоточиться здесь на одном из них, а именно на использовании приложениями алгоритма(ов) машинного обучения cleaver. Как TikTok использует алгоритмы машинного обучения для предоставления инструментов создателям и контента потребителям.

Что такое ТикТок?

Если вы до сих пор живете под скалой, позвольте мне кратко рассказать вам о TikTok. Это приложение для обмена видео, в котором каждый может создать небольшой 15-секундный видеоклип для просмотра другими. Приложение было сделано китайской компанией ByteDance, и большинство их приложений так или иначе связаны с одной вещью, а именно с предоставлением контента с использованием алгоритмов машинного обучения. Они купили music.ly и объединили его с их приложением с поддержкой машинного обучения Douyin, и у нас появился TikTok.

Как машинное обучение играет жизненно важную роль в TikTok?

Приложение TikTok, безусловно, вызывает привыкание. Время летит незаметно, когда вы пролистываете это приложение (из личного опыта). Приложение не требует от вас каких-либо настроек, таких как выбор интересов или что-то в этом роде, вместо этого, как только вы загрузите и установите это приложение, вы можете начать прокручивать контент, и именно здесь начинается волшебство.

Как только вас приветствует первый видеоклип (это было просто случайное предположение алгоритма машинного обучения, работающего под серверами TikTok), алгоритм пытается рассчитать ваш интерес к этому видео. Фактор взвешивания или оценки зависит от некоторых параметров, таких как:

  • Сколько времени вы потратили на просмотр этого видеоклипа.
  • Какой комментарий (если есть) вы оставили к клипу.
  • Как взаимодействие. Вам понравилась музыка или видео.
  • Насколько быстро или медленно вы прокручивали видеоклип.
  • Нажимали ли вы на профиль пользователя, если да, то какие другие его/ее видео вы смотрели.
  • Время, когда вы чаще всего используете приложение. Это дневное или ночное время.
  • Сколько времени вы использовали приложение.

Список очень длинный, и я уверен, что должны быть какие-то другие точные детали, которые TikTok собирает о потребителе для каждого видеоклипа.

С помощью машинного обучения, возможно, в течение 5 минут или меньше у вас будет более увлекательная цепочка видеоклипов, чем раньше, и этот цикл будет продолжаться до тех пор, пока вы не обнаружите, что уделяете все видео почти все время или иногда просматриваете их снова и снова.

В порядке. Итак, вы можете спросить, а в чем же дело? Большинство приложений (особенно в приложениях для социальных сетей) используют алгоритмы машинного обучения для обучения своей модели, чтобы предлагать все больше и больше полезного контента для потребителя, верно?

Хм, да вроде. YouTube, Netflix, Twitter, Instagram, Facebook и многие другие используют алгоритмы машинного обучения для того же самого, но TikTok отличает от них слепая вера в то, что пользователь сам решает, нравится ему контент или нет. без его/ее согласия, как это делают другие приложения. TikTok развивается в режиме реального времени, обучаясь при каждом вашем взаимодействии, в то время как другие связанные приложения этого не делают.

Чего TikTok добивается от этого?

Во-первых, они получают много (я имею в виду буквально много) данных о поведении людей (в основном подростков или молодых людей). Как они взаимодействуют, какой тип контента им нравится и т. д., и в то же время модель TikTok развивается для понимания человеческого поведения, эмоций и взаимодействия с большей скоростью и с меньшим количеством ошибок.

TikTok использует множество фильтров (или как там называются эти функции), которые могут угадать ваш возраст, задать вам соответствующий вопрос, чтобы ответить, указать вашу национальность и т. д. Эти функции делают их модель более надежной, и это бесплатно. Они становятся все лучше и лучше в этом, и я уверен, что они будут продолжать добавлять такие функции, чтобы сделать их модель хорошо обученной и безошибочной.

Какое будущее ждет TikTok и ByteDance?

Поскольку основные области исследований ByteDance включают обработку естественного языка, машинное обучение, компьютерное зрение, речь и звук, интеллектуальный анализ знаний и данных, распределенные системы и сети, а также компьютерную графику, я уверен, что их будущее яркий. Их модель достаточно быстро обучается на данных из реального мира, люди тратят все больше и больше времени на прокрутку видеопотока TikTok и становятся более креативными.

Я уверен, что ByteDance использовала эти данные из TikTok и данные из других своих приложений для обучения других связанных моделей, и это совершенно нормально. ByteDance также ориентирован на глобальный рост, и, поскольку он работает со второй по величине экономикой в ​​​​мире (Китай) без какой-либо конкуренции, он уверен, что они здесь надолго.

Хотя Google рассматривал возможность покупки другого приложения для коротких видео под названием Фейерверк, демонстрируя глубокий интерес к формату коротких видео, который TikTok популяризировал в глобальном масштабе, поэтому вполне возможно, что ByteDance может составить реальную конкуренцию в будущем, и Google уже делает много отличных вещей в сегментах AI и ML.

Посмотрим, куда это нас приведет.