Inside The Tech - Рішення для персоналізації на Roblox - Blog Roblox

Перевидано Платоном

читають: 0

Всередині техн це серія блогів, яка йде рука об руку з нашими Подкаст Tech Talks. Тут ми детальніше занурюємося в основні технічні проблеми, які ми вирішуємо, і ділимося унікальними підходами, які використовуємо для цього. У цьому випуску Всередині техн, ми поговорили зі старшим менеджером з інженерних розробок Мішель Гонг, щоб дізнатися більше про те, як робота команди персоналізації допомагає користувачам Roblox знайти досвід, який їм сподобається.

Які технічні завдання ви вирішуєте?

Наша команда – Personalization, яка входить до групи Growth – відповідає за надання нашим користувачам персоналізованих і актуальних рекомендацій. Ми хочемо дати людям змогу знаходити контент, який їм сподобається, сприяти довгостроковій взаємодії з Roblox і об’єднувати досвід із людьми, які їм підходять.

Сьогодні ми маємо 66 мільйонів щоденних активних користувачів, але ця кількість щороку зростає приблизно на 20%, а це означає, що надходить все більше даних. Отже, велика технічна проблема полягає в підтримці оперативності реагування в режимі реального часу та забезпечення персоналізованих рекомендацій не потрібно довго чекати, і все це без збільшення витрат на обслуговування. Фактично, це одна з причин, чому ми повністю перебудували нашу серверну інфраструктуру минулого року.

Розвиваючись, ми задаємося питанням, як ми можемо покращити взаємодію з користувачем, не потребуючи значної додаткової обчислювальної потужності. Ми вважаємо, що машинне навчання може бути частиною відповіді, але ми побачили, що рішення ML можуть використовувати більше обчислювальних ресурсів, що підвищує витрати, оскільки моделі даних стають більшими. Для нас це неможливо масштабувати, тому ми працюємо над покращенням пошуку та рейтингу в реальному часі без додаткових витрат.

Які інноваційні рішення ми створюємо для вирішення цих технічних проблем?

Ми створюємо систему рекомендацій, щоб допомогти людям швидко знайти вміст, який їм найбільше підходить. Для цього ми вчимося застосовувати найпередовіші технології машинного навчання до цієї проблеми. Наприклад, ми включили в ці системи самоконтрольоване навчання, розширені архітектури та методики з великих мовних моделей (LLM) і порівняльну оцінку.

Існує багато розширених попередньо підготовлених LLM, але ми не можемо використовувати їх безпосередньо, оскільки вони спричиняють високі витрати на обслуговування. Натомість ми навчаємо власні моделі, використовуючи методи, які часто використовуються для створення LLM. Одним із прикладів є моделювання послідовності, оскільки і мова, і історія ігор користувача Roblox є послідовностями. Ми хочемо зрозуміти, яка частина історії ігор користувача може передбачити його поточні та майбутні інтереси та вподобання. Ця модель допомагає нам це зробити.

У той же час самоконтрольоване репрезентативне навчання зараз широко використовується в комп’ютерному зорі та розумінні природної мови, і ми застосовуємо цю техніку в наших системах рекомендацій.

Які ключові уроки отримані від виконання цієї технічної роботи?

Мета Roblox — підключити мільярд користувачів, і для цього нам потрібно знайти рішення, які збалансували б корисність і вартість. Коли ми робимо це ефективно, ми можемо більше інвестувати в нашу спільноту.

Наприклад, ми вирішили інвестувати у власні центри обробки даних, і ця ставка окупається. Найбільше, що ми дізналися, це те, що коли у нас є ресурси та здатність зробити щось самостійно, ефективніше створити щось спеціально створене, ніж платити за сторонні технології. Створюючи наші платформи та наші моделі з нуля, ми можемо шукати інноваційні рішення, які оптимізовані для нашого бізнесу та наших ресурсних обмежень і вимог.

Яке значення Roblox, на вашу думку, найкраще відповідає тому, як ви та ваша команда вирішуєте технічні завдання?

Поважайте громаду. Ми дуже дбаємо про наших творців і розробників. Їхні думки дійсно важливі. Ми дуже серйозно ставимося до відгуків розробників. Я витрачаю багато часу, відповідаючи на запитання розробників безпосередньо в партнерстві з нашою командою зв’язків із розробниками. Витрачений час на те, щоб зрозуміти їхні відгуки та зрозуміти, як ми можемо покращити нашу платформу для них, допоміг нам переконатися, що ми також зосереджуємось на правильних речах.

Я б також сказав, що дивіться довго. Я приєднався до Roblox, тому що я справді вірю в те, як Дейв бачить перспективу. Фактично, у нашій повсякденній роботі ми уникаємо створення короткострокових хакерських рішень. Натомість ми наголошуємо на створенні принципових, надійних і масштабованих рішень, оскільки ми будуємо для майбутнього.

Що вас найбільше хвилює в тому, куди рухаються Roblox і ваша команда?

У нас так багато унікальних викликів. Створення систем рекомендацій як двостороннього ринку та для довгострокового утримання користувачів — це величезна можливість для зростання. Але ми також думаємо про такі речі, як візуальне розуміння та розуміння тексту для таких випадків використання, як рекомендації, пошук, довіра та безпека тощо.

Крім того, ми побудовані таким чином, що ми можемо рухатися дуже швидко та бути дуже ефективними. Кожен член команди надзвичайно енергійний і схвильований викликами, які стоять перед нами. Якщо це звучить як те, що вас цікавить, у нас є місце для вас.

Якщо це схоже на виклики та можливості, які ви хочете взяти на себе, перегляньте наші доступні ролі roblox.com/careers.