Hemos hablado sobre cuánto aprendizaje automático necesitamos usar en Quora. Pero, podría no ser tan obvio cómo eso agrega valor a un producto y a una empresa como la nuestra. El TLDR; sería que un producto como Quora se beneficia de todo tipo de aprendizaje automático. Veamos esto con un poco más de detalle.
Para que un producto como Quora tenga éxito, debe gestionar bien tres aspectos diferentes: la participación del usuario , la calidad del contenido y la monetización . La primera debería ser obvia: un producto no puede crecer a menos que los usuarios encuentren el contenido que leen y el producto en sí mismo. El segundo, la calidad, se conecta directamente con nuestra misión de compartir y aumentar el conocimiento . El contenido debe tener un cierto grado de calidad incluso para calificar como conocimiento. No solo eso, en realidad queremos que los usuarios se dediquen a leer y escribir contenido de buena calidad, porque esa es la única forma de escalar nuestra plataforma de conocimiento. Finalmente, queremos que nuestra empresa sea financieramente sostenible, por lo que debemos asegurarnos de que nuestra monetización crezca en paralelo a nuestro crecimiento de usuarios y contenido. Nuestra estrategia actual es monetizar a través de la publicidad.
- ¿Qué son los exámenes de competencia para informática?
- ¿Por qué el disco mismo y no la computadora intentan decodificar discos corruptos y corregir errores?
- ¿Cuál es la diferencia entre PORTCbits.RC7 = 0 y TRISCbits.RC7 = 0 en PIC18F4550?
- ¿Cómo se escala la aplicación de aprendizaje automático?
- Cómo agregar memoria a una computadora
Entonces, ¿cómo se benefician estos tres aspectos de ML / AI?
ML para la participación del usuario
Una vez que tenga una gran cantidad de contenido como el que tenemos en Quora, debe averiguar cuál es el más atractivo para cada usuario. Esto se realiza a través de técnicas relacionadas con la recomendación y la personalización . No voy a entrar en detalles en esta respuesta, pero puede leer sobre las diferentes aplicaciones de los sistemas de recomendación en Quora en esta presentación. Es importante tener en cuenta que el aprendizaje automático está en el centro de cualquier recomendación o sistema de personalización. Entonces, esta es la primera y obvia forma en que ML está agregando valor. Además, tenga en cuenta que no solo usamos estos sistemas para optimizar el compromiso de lectura, sino también para optimizar las respuestas que se agregan a nuestro sistema. Por ejemplo, la pregunta por respuesta (A2A) es una característica que también está optimizada por ML.
ML de calidad
Como se mencionó anteriormente, la calidad es esencial para la misión de Quora. Sin embargo, no puede escalar un control de calidad manual. En otras palabras, es imposible que los curadores humanos verifiquen si cada pregunta o respuesta de Quora es de buena calidad. Necesitamos usar el aprendizaje automático para esto. De hecho, también necesitamos utilizar el aprendizaje automático para otras cosas relacionadas con la calidad, como clasificar las respuestas en función de la calidad o incluso detectar el abuso en nuestro contenido. Vea esta presentación sobre cómo usamos ML para escalar la calidad para más detalles.
ML para monetización
Finalmente, para implementar nuestra estrategia de monetización basada en anuncios, también necesitamos usar el aprendizaje automático. De hecho, nuestros anuncios deben observar los dos aspectos anteriores: deben ser relevantes y atractivos para los usuarios, y deben ser de buena calidad. Necesitamos usar ML para cada una de esas aplicaciones. En caso de que no lo supiera, cualquier sistema de publicidad (piense en los anuncios de Google o Facebook) usa mucho ML. Entre otras cosas, estos sistemas necesitan predecir el porcentaje de clics (CTR) de un anuncio dado a un usuario y un contexto. Este es uno de los ejemplos “tradicionales” de aplicaciones de aprendizaje automático y puede leer sobre el enfoque de Google en este documento.
Entonces, como puede ver, el aprendizaje automático es el núcleo de hacer que una empresa como Quora sea factible. Definitivamente está agregando mucho valor y es normal que reciba tanta atención. También puede leer mi respuesta sobre cómo utilizamos el aprendizaje automático en Quora para obtener más detalles sobre aún más casos de uso en los que ML está agregando valor.