Inside The Tech - Robloxin mukauttamisen ratkaiseminen - Roblox-blogi

Julkaissut Platon

seuraajia: 0

Techin sisällä on blogisarja, joka kulkee käsi kädessä meidän kanssa Tech Talks -podcast. Täällä sukeltamme syvemmälle keskeisiin teknisiin haasteisiin, joihin tartumme, ja jaamme ainutlaatuiset lähestymistavat, joita otamme tähän. Tässä painoksessa Techin sisällä, keskustelimme vanhemman suunnittelupäällikön Michelle Gongin kanssa saadaksemme lisätietoja siitä, kuinka personointitiimin työ auttaa Roblox-käyttäjiä löytämään kokemuksia, joista he pitävät.

Mitä teknisiä haasteita ratkaiset?

Tiimimme – Kasvu-ryhmään kuuluva Personalization – on vastuussa henkilökohtaisten ja asiaankuuluvien suositusten tarjoamisesta käyttäjillemme. Haluamme antaa ihmisille mahdollisuuden löytää sisältöä, josta he pitävät, edistää pitkäaikaista sitoutumista Robloxiin ja yhdistää kokemuksia heille sopivien ihmisten kanssa.

Nykyään meillä on 66 miljoonaa aktiivista käyttäjää päivittäin, mutta tämä määrä kasvaa noin 20 % joka vuosi, mikä tarkoittaa, että dataa tulee yhä enemmän. Suuri tekninen haaste on siis reaaliaikaisen reagointikyvyn ylläpitäminen ja henkilökohtaisten suositusten varmistaminen. ei vaadi pitkiä odotuksia, kaikki ilman tarjoilukulujen nousua. Itse asiassa tämä on yksi syy siihen, miksi rakensimme taustainfrastruktuurimme kokonaan uudelleen viime vuonna.

Kasvaessamme kysymme itseltämme, kuinka voimme parantaa käyttökokemusta ilman, että tarvitsemme paljon lisälaskentatehoa. Uskomme, että koneoppiminen voisi olla osa vastausta, mutta olemme nähneet, että ML-ratkaisut voivat käyttää enemmän laskentaresursseja – mikä nostaa kustannuksia – tietomallien kasvaessa. Se ei ole meille skaalautuva, joten pyrimme parantamaan reaaliaikaista hakua ja sijoitusta ilman lisäkustannuksia.

Mitä innovatiivisia ratkaisuja rakennamme vastaamaan näihin teknisiin haasteisiin?

Rakennamme suositusjärjestelmää, jonka avulla ihmiset löytävät nopeasti heille tärkeimmän sisällön. Tätä varten opimme soveltamaan edistyneimpiä ML-tekniikoita ongelmaan. Olemme esimerkiksi sisällyttäneet näihin järjestelmiin itseohjattua oppimista, edistyneitä arkkitehtuureja ja tekniikoita suurista kielimalleista (LLM) sekä kontrafaktuaalista arviointia.

On olemassa monia edistyneitä esikoulutettuja LLM-yrityksiä, mutta emme voi käyttää niitä suoraan, koska niistä aiheutuu korkeat tarjoilukustannukset. Sen sijaan koulutamme omia mallejamme käyttämällä tekniikoita, joita usein käytetään LLM:ien rakentamiseen. Yksi esimerkki on sekvenssimallinnus, koska sekä kieli että Roblox-käyttäjien pelihistoria ovat sekvenssejä. Haluamme ymmärtää, mikä osa käyttäjän pelihistoriasta voi ennustaa hänen nykyiset ja tulevat kiinnostuksen kohteet ja mieltymykset. Tämä malli auttaa meitä tekemään sen.

Samaan aikaan itseohjattua esitysoppimista käytetään nyt laajalti tietokonenäössä ja luonnollisen kielen ymmärtämisessä, ja käytämme tätä tekniikkaa suositusjärjestelmiimme.

Mitkä ovat tämän teknisen työn tärkeimmät opit?

Robloxin tavoitteena on yhdistää miljardi käyttäjää, ja sitä varten meidän on löydettävä ratkaisuja, jotka tasapainottavat hyödyllisyyden ja kustannusten. Kun teemme tämän tehokkaasti, voimme investoida enemmän yhteisöömme.

Päätimme esimerkiksi investoida omiin palvelinkeskuksiimme, ja tämä veto kannattaa. Suurin asia, jonka opimme, on, että kun meillä on resurssit ja kyky tehdä jotain itse, on tehokkaampaa luoda jotain tarkoitukseen rakennettua kuin maksaa kolmannen osapuolen teknologiasta. Rakentamalla alustamme ja mallimme alusta alkaen pystymme tavoittelemaan innovatiivisia ratkaisuja, jotka on optimoitu liiketoiminnallemme ja resurssirajoitteillemme ja vaatimuksillemme.

Mikä Roblox-arvo on mielestäsi parhaiten sopusoinnussa sen kanssa, kuinka sinä ja tiimisi vastaatte teknisiin haasteisiin?

Kunnioita yhteisöä. Välitämme syvästi tekijöistämme ja kehittäjistämme. Heidän mielipiteensä ovat todella tärkeitä. Otamme kehittäjien palautteen erittäin vakavasti. Käytän paljon aikaa vastaamalla kehittäjien kysymyksiin suoraan yhteistyössä kehittäjäsuhdetiimimme kanssa. Kun olemme käyttäneet aikaa ymmärtääksemme heidän palautetta ja nähdäksemme, kuinka voimme parantaa alustamme heille, on auttanut meitä varmistamaan, että keskitymme myös oikeisiin asioihin.

Sanoisin myös, että katson pitkää. Liityin Robloxiin, koska uskon todella Daven visioon katsoa pitkää näkemystä. Itse asiassa päivittäisessä työssämme vältämme lyhytaikaisten hakkeroitujen ratkaisujen rakentamista. Sen sijaan korostamme periaatteellisten, luotettavien ja skaalautuvien ratkaisujen rakentamista, koska rakennamme tulevaisuutta varten.

Mikä innostaa sinua eniten siitä, mihin Roblox ja tiimisi ovat menossa?

Meillä on niin monia ainutlaatuisia haasteita. Suositusjärjestelmien rakentaminen kaksipuoliseksi markkinapaikaksi ja käyttäjien pitkäaikaiseksi säilyttämiseksi on valtava kasvumahdollisuus. Mutta ajattelemme myös sellaisia asioita kuin visuaalinen ymmärtäminen ja tekstin ymmärtäminen käyttötapauksissa, kuten suositukset, haku, luottamus ja turvallisuus jne.

Lisäksi olemme rakenteeltaan niin, että voimme liikkua todella nopeasti ja olla erittäin tehokkaita. Jokainen tiimin jäsen on erittäin innostunut ja innostunut haasteistamme. Jos tämä kuulostaa jostakin, josta olet kiinnostunut, meillä on sinulle paikka.

Jos nämä kuulostavat haasteilta ja mahdollisuuksilta, jotka haluat ottaa vastaan, tutustu käytettävissä oleviin rooleihimme roblox.com/careers.