Inside the Tech – การแก้ปัญหาเพื่อการปรับเปลี่ยนในแบบของคุณบน Roblox – Roblox Blog

ภายในเทค เป็นซีรีส์บล็อกที่จับมือกับเรา พอดคาสต์พูดคุยด้านเทคนิค. ที่นี่ เราจะเจาะลึกเพิ่มเติมเกี่ยวกับความท้าทายทางเทคนิคที่สำคัญที่เรากำลังแก้ไข และแบ่งปันแนวทางเฉพาะที่เรากำลังดำเนินการเพื่อทำเช่นนั้น ในฉบับนี้ ภายในเทคเราได้พูดคุยกับผู้จัดการฝ่ายวิศวกรรมอาวุโส Michelle Gong เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการทำงานของทีม Personalization ในการช่วยให้ผู้ใช้ Roblox ค้นพบประสบการณ์ที่พวกเขาจะชื่นชอบ 

ความท้าทายทางเทคนิคใดที่คุณกำลังแก้ไข

ทีมของเรา – การปรับเปลี่ยนในแบบของคุณซึ่งอยู่ในกลุ่มการเติบโต – มีหน้าที่รับผิดชอบในการให้คำแนะนำที่เป็นส่วนตัวและเกี่ยวข้องกับผู้ใช้ของเรา เราต้องการส่งเสริมให้ผู้คนค้นพบเนื้อหาที่พวกเขาจะชื่นชอบ เพื่อส่งเสริมการมีส่วนร่วมในระยะยาวบน Roblox และเพื่อเชื่อมโยงประสบการณ์กับคนที่เหมาะสมสำหรับพวกเขา 

ปัจจุบัน เรามีผู้ใช้งาน 66 ล้านคนต่อวัน แต่จำนวนดังกล่าวเพิ่มขึ้นประมาณ 20% ทุกปี และนั่นหมายความว่ามีข้อมูลเข้ามามากขึ้นเรื่อยๆ ดังนั้น ความท้าทายทางเทคนิคที่สำคัญคือการรักษาการตอบสนองแบบเรียลไทม์ และการทำให้แน่ใจว่าคำแนะนำเฉพาะบุคคลจะไม่ ไม่ต้องรอนาน โดยไม่ต้องเพิ่มต้นทุนการให้บริการ อันที่จริง นั่นเป็นหนึ่งในเหตุผลที่เราสร้างโครงสร้างพื้นฐานแบ็กเอนด์ของเราใหม่ทั้งหมดเมื่อปีที่แล้ว

เมื่อเราเติบโตขึ้น เรากำลังถามตัวเองว่าเราจะปรับปรุงประสบการณ์ผู้ใช้ได้อย่างไรโดยไม่จำเป็นต้องใช้พลังการประมวลผลเพิ่มเติมมากนัก เราคิดว่าแมชชีนเลิร์นนิงอาจเป็นส่วนหนึ่งของคำตอบ แต่เราพบว่าโซลูชัน ML สามารถใช้ทรัพยากรการประมวลผลได้มากขึ้น ซึ่งจะเพิ่มต้นทุนเมื่อโมเดลข้อมูลมีขนาดใหญ่ขึ้น ซึ่งไม่สามารถปรับขนาดได้สำหรับเรา ดังนั้นเราจึงกำลังดำเนินการปรับปรุงการค้นหาและการจัดอันดับแบบเรียลไทม์โดยไม่ต้องเสียค่าใช้จ่ายเพิ่มเติมเหล่านั้น 

โซลูชันเชิงนวัตกรรมที่เรากำลังสร้างเพื่อรับมือกับความท้าทายทางเทคนิคเหล่านี้มีอะไรบ้าง

เรากำลังสร้างระบบผู้แนะนำเพื่อช่วยให้ผู้คนค้นพบเนื้อหาที่เกี่ยวข้องกับพวกเขามากที่สุดได้อย่างรวดเร็ว เพื่อทำเช่นนั้น เรากำลังเรียนรู้วิธีใช้เทคโนโลยี ML ที่ทันสมัยที่สุดกับปัญหา ตัวอย่างเช่น เราได้รวมการเรียนรู้แบบมีผู้ดูแลด้วยตนเอง สถาปัตยกรรมและเทคนิคขั้นสูงจากแบบจำลองภาษาขนาดใหญ่ (LLM) และการประเมินที่ขัดแย้งกับข้อเท็จจริงในระบบเหล่านี้

มี LLM ที่ผ่านการฝึกอบรมขั้นสูงจำนวนมาก แต่เราไม่สามารถใช้โดยตรงได้ เนื่องจากมีค่าใช้จ่ายในการให้บริการสูง แต่เรากำลังฝึกอบรมโมเดลของเราเองโดยใช้เทคนิคที่มักใช้ในการสร้าง LLM ตัวอย่างหนึ่งคือการสร้างแบบจำลองลำดับ เนื่องจากทั้งภาษาและประวัติการเล่นของผู้ใช้ Roblox นั้นเป็นลำดับ เราต้องการทำความเข้าใจว่าส่วนใดของประวัติการเล่นของผู้ใช้ที่สามารถคาดเดาความสนใจและความชอบในปัจจุบันและอนาคตได้ โมเดลนี้ช่วยให้เราทำเช่นนั้นได้   

ในเวลาเดียวกัน การเรียนรู้การเป็นตัวแทนแบบมีผู้ดูแลด้วยตนเองกำลังถูกนำมาใช้กันอย่างแพร่หลายในคอมพิวเตอร์วิทัศน์และการทำความเข้าใจภาษาธรรมชาติ และเรากำลังใช้เทคนิคนี้กับระบบการแนะนำของเรา 

อะไรคือการเรียนรู้ที่สำคัญจากการทำงานด้านเทคนิคนี้?

เป้าหมายของ Roblox คือการเชื่อมโยงผู้ใช้พันล้านคน และเพื่อทำเช่นนั้น เราจำเป็นต้องระบุโซลูชันที่สร้างสมดุลระหว่างยูทิลิตี้และต้นทุน เมื่อเราทำสิ่งนี้อย่างมีประสิทธิผล เราก็จะสามารถลงทุนในชุมชนของเราได้มากขึ้น 

ตัวอย่างเช่น เราตัดสินใจลงทุนในศูนย์ข้อมูลของเราเอง และการเดิมพันนั้นก็ให้ผลตอบแทนที่คุ้มค่า สิ่งที่เราเรียนรู้มากที่สุดคือเมื่อเรามีทรัพยากรและความสามารถในการทำอะไรบางอย่างด้วยตัวเอง การสร้างสิ่งที่สร้างขึ้นตามจุดประสงค์จะมีประสิทธิภาพมากกว่าการจ่ายเงินสำหรับเทคโนโลยีของบุคคลที่สาม ด้วยการสร้างแพลตฟอร์มและแบบจำลองของเราตั้งแต่ต้นจนจบ เราจึงสามารถแสวงหาโซลูชันที่เป็นนวัตกรรมที่ได้รับการปรับให้เหมาะสมสำหรับธุรกิจของเรา รวมถึงข้อจำกัดและข้อกำหนดด้านทรัพยากรของเรา 

ค่า Roblox ใดที่คุณคิดว่าสอดคล้องกับวิธีที่คุณและทีมรับมือกับความท้าทายทางเทคนิคมากที่สุด

เคารพชุมชน เราใส่ใจผู้สร้างและนักพัฒนาของเราอย่างลึกซึ้ง ความคิดเห็นของพวกเขามีความสำคัญจริงๆ เราให้ความสำคัญกับความคิดเห็นของนักพัฒนาเป็นอย่างมาก ฉันใช้เวลาส่วนใหญ่ในการตอบคำถามของนักพัฒนาซอฟต์แวร์โดยตรงโดยร่วมมือกับทีมนักพัฒนาสัมพันธ์ของเรา การสละเวลาเพื่อทำความเข้าใจความคิดเห็นของพวกเขา และดูว่าเราจะปรับปรุงแพลตฟอร์มของเราให้พวกเขาได้อย่างไร ได้ช่วยให้เรามั่นใจได้ว่าเรากำลังมุ่งเน้นไปที่สิ่งที่ถูกต้องด้วย 

ฉันยังบอกว่าให้มองระยะยาว ฉันเข้าร่วม Roblox เพราะฉันเชื่อในวิสัยทัศน์ของ Dave ที่จะมองการณ์ไกล ที่จริงแล้ว ในการทำงานในแต่ละวันของเรา เราหลีกเลี่ยงการสร้างโซลูชันแฮ็กระยะสั้น แต่เราเน้นการสร้างโซลูชันที่มีหลักการ เชื่อถือได้ และปรับขนาดได้ เนื่องจากเรากำลังสร้างเพื่ออนาคต

อะไรทำให้คุณตื่นเต้นมากที่สุดเกี่ยวกับทิศทางของ Roblox และทีมของคุณ? 

เรามีความท้าทายที่ไม่เหมือนใครมากมาย การสร้างระบบผู้แนะนำเป็นตลาดที่มีสองฝ่ายและเพื่อการรักษาผู้ใช้ในระยะยาว ถือเป็นโอกาสที่ยิ่งใหญ่สำหรับการเติบโต แต่เรายังคิดถึงสิ่งต่างๆ เช่น การทำความเข้าใจด้วยภาพและการทำความเข้าใจข้อความสำหรับกรณีการใช้งาน เช่น คำแนะนำ การค้นหา ความน่าเชื่อถือและความปลอดภัย ฯลฯ

นอกจากนี้เรายังมีโครงสร้างในลักษณะที่เราสามารถเคลื่อนที่ได้เร็วและมีประสิทธิภาพมาก สมาชิกในทีมทุกคนมีแรงผลักดันและตื่นเต้นอย่างมากกับความท้าทายที่เรามี หากฟังดูคล้ายกับสิ่งที่คุณสนใจ เราก็มีที่สำหรับคุณ 

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://blog.roblox.com/2023/09/inside-the-tech-solving-for-personalization/