Inside the Tech - Pemecahan Personalisasi di Roblox - Blog Roblox

Inside the Tech – Memecahkan Personalisasi di Roblox – Blog Roblox

Stempel Waktu: 26 September 2023 12
Node Sumber: 2902471

Di dalam Teknologi adalah seri blog yang sejalan dengan kami Podcast Pembicaraan Teknologi. Di sini, kami menyelami lebih jauh tantangan-tantangan teknis utama yang kami atasi dan berbagi pendekatan unik yang kami ambil untuk melakukannya. Pada edisi kali ini Di dalam Teknologi, kami berbicara dengan Manajer Teknik Senior Michelle Gong untuk mempelajari lebih lanjut tentang bagaimana kerja tim Personalisasi membantu pengguna Roblox menemukan pengalaman yang mereka sukai. 

Tantangan teknis apa yang sedang Anda selesaikan?

Tim kami – Personalisasi, yang berada di grup Pertumbuhan – bertanggung jawab untuk memberikan rekomendasi yang dipersonalisasi dan relevan kepada pengguna kami. Kami ingin memberdayakan orang-orang untuk menemukan konten yang mereka sukai, mendorong keterlibatan jangka panjang di Roblox, dan menghubungkan pengalaman dengan orang-orang yang tepat bagi mereka. 

Saat ini, kami memiliki 66 juta pengguna aktif setiap hari, namun jumlah tersebut meningkat sekitar 20% setiap tahunnya, dan itu berarti semakin banyak data yang masuk. Jadi, tantangan teknis yang besar adalah mempertahankan responsivitas real-time dan memastikan rekomendasi yang dipersonalisasi tidak digunakan. tidak perlu menunggu lama, semuanya tanpa menambah biaya penyajian. Faktanya, itulah salah satu alasan kami membangun kembali infrastruktur backend kami sepenuhnya tahun lalu.

Seiring pertumbuhan kami, kami bertanya pada diri sendiri bagaimana kami dapat meningkatkan pengalaman pengguna tanpa memerlukan banyak daya komputasi tambahan. Kami berpendapat bahwa pembelajaran mesin dapat menjadi bagian dari jawabannya, namun kami telah melihat bahwa solusi ML dapat menggunakan lebih banyak sumber daya komputasi — sehingga meningkatkan biaya — seiring dengan semakin besarnya model data. Bagi kami, hal tersebut tidak dapat diskalakan, jadi kami berupaya meningkatkan penelusuran dan peringkat real-time tanpa menimbulkan biaya tambahan. 

Solusi inovatif apa saja yang kami bangun untuk mengatasi tantangan teknis ini?

Kami sedang membangun sistem pemberi rekomendasi untuk membantu orang menemukan konten yang paling relevan bagi mereka dengan cepat. Untuk melakukan hal tersebut, kami mempelajari cara menerapkan teknologi ML tercanggih untuk mengatasi masalah tersebut. Misalnya, kami telah memasukkan pembelajaran mandiri, arsitektur dan teknik canggih dari model bahasa besar (LLM), dan evaluasi kontrafaktual dalam sistem ini.

Ada banyak LLM tingkat lanjut yang telah dilatih sebelumnya, namun kami tidak dapat menggunakannya secara langsung karena memerlukan biaya penyajian yang tinggi. Sebaliknya, kami melatih model kami sendiri menggunakan teknik yang sering digunakan untuk membangun LLM. Salah satu contohnya adalah pemodelan urutan, karena bahasa dan riwayat permainan pengguna Roblox adalah urutan. Kami ingin memahami bagian mana dari riwayat permainan pengguna yang dapat memprediksi minat dan preferensi mereka saat ini dan di masa depan. Model ini membantu kita melakukan hal itu.   

Pada saat yang sama, pembelajaran representasi yang diawasi mandiri kini banyak digunakan dalam visi komputer dan pemahaman bahasa alami, dan kami menerapkan teknik ini pada sistem rekomendasi kami. 

Apa pembelajaran utama dari melakukan pekerjaan teknis ini?

Sasaran Roblox adalah menghubungkan satu miliar pengguna, dan untuk mencapainya, kita perlu mengidentifikasi solusi yang menyeimbangkan utilitas dan biaya. Jika kami melakukan hal ini secara efektif, kami dapat berinvestasi lebih banyak pada komunitas kami. 

Misalnya, kami memutuskan untuk berinvestasi pada pusat data kami sendiri, dan taruhan tersebut membuahkan hasil. Hal terbesar yang kami pelajari adalah ketika kami memiliki sumber daya dan kemampuan untuk melakukan sesuatu sendiri, akan lebih efisien untuk menciptakan sesuatu yang dibangun dengan tujuan tertentu dibandingkan membayar teknologi pihak ketiga. Dengan membangun platform dan model kami dari awal, kami dapat mengejar solusi inovatif yang dioptimalkan untuk bisnis kami serta kendala dan kebutuhan sumber daya kami. 

Nilai Roblox manakah yang menurut Anda paling sesuai dengan cara Anda dan tim Anda mengatasi tantangan teknis?

Hormati komunitas. Kami sangat peduli dengan pencipta dan pengembang kami. Pendapat mereka sangat penting. Kami menanggapi masukan pengembang dengan sangat serius. Saya menghabiskan banyak waktu menjawab pertanyaan pengembang secara langsung dalam kemitraan dengan Tim Hubungan Pengembang kami. Meluangkan waktu untuk memahami masukan mereka, dan melihat bagaimana kami dapat meningkatkan platform kami untuk mereka, telah membantu kami memastikan bahwa kami juga berfokus pada hal yang benar. 

Saya juga mengatakan mengambil pandangan panjang. Saya bergabung dengan Roblox karena saya sangat percaya dengan visi Dave dalam mengambil pandangan jangka panjang. Faktanya, dalam pekerjaan kita sehari-hari, kita menghindari pembuatan solusi peretasan jangka pendek. Sebaliknya, kami menekankan pada pembangunan solusi yang berprinsip, andal, dan terukur karena kami membangun untuk masa depan.

Apa yang paling membuat Anda bersemangat tentang tujuan Roblox dan tim Anda? 

Kami memiliki begitu banyak tantangan unik. Membangun sistem pemberi rekomendasi sebagai pasar dua sisi dan untuk retensi pengguna jangka panjang, merupakan peluang pertumbuhan yang sangat besar. Namun kami juga memikirkan hal-hal seperti pemahaman visual dan pemahaman teks untuk kasus penggunaan seperti rekomendasi, penelusuran, kepercayaan dan keamanan, dll.

Selain itu, kami terstruktur sedemikian rupa sehingga kami dapat bergerak sangat cepat dan sangat efisien. Setiap anggota tim sangat bersemangat dan gembira dengan tantangan yang kami hadapi. Jika ini terdengar seperti sesuatu yang Anda minati, kami punya tempat untuk Anda. 

Jika ini merupakan tantangan dan peluang yang ingin Anda ambil, lihat peran kami yang tersedia roblox.com/careers.

Stempel Waktu:

Lebih dari roblox