सोशल मीडिया का इस्तेमाल करते समय कई बार यह सवाल मन में आता है कि स्क्रीन पर कौन-सा कंटेंट सबसे ऊपर दिखाई देगा। कभी किसी करीबी मित्र का अपडेट कई दिनों तक नजर नहीं आता, तो कभी बिना फॉलो किए किसी नए क्रिएटर की रील तुरंत सामने आ जाती है। यह पूरा तंत्र डिजिटल प्लेटफॉर्म्स की आंतरिक सिफारिश प्रणाली द्वारा संचालित होता है। हाल ही में प्रधानमंत्री नरेंद्र मोदी का 23 जुलाई 2026 को साझा किया गया एक वीडियो गलती से हट जाने के बाद मेटा की एआई तकनीक और उसका एल्गोरिद्म एक बार फिर वैश्विक चर्चा के केंद्र में आ गया है। इस घटना के बाद मेटा ने सार्वजनिक रूप से अपनी गलती स्वीकार करते हुए माफी मांगी। हालांकि, यह पहली बार नहीं है जब मेटा के कंटेंट प्रबंधन तंत्र पर सवाल उठे हैं। पूर्व में भी प्लेटफ़ॉर्म पर सामग्री को अनपेक्षित रूप से छुपाने या किसी विशेष पोस्ट को अत्यधिक बढ़ावा देने के आरोप लगते रहे हैं।
मेटा की मल्टी-एल्गोरिद्म व्यवस्था और उसका मूल उद्देश्य
व्यावहारिक रूप में मेटा की कार्यप्रणाली किसी एकल सॉफ्टवेयर पर निर्भर नहीं है। कंपनी फेसबुक, इंस्टाग्राम और थ्रेड्स जैसे अलग-अलग ऐप्स के संचालन के लिए स्वतंत्र एल्गोरिद्म मॉडल का उपयोग करती है। इतना ही नहीं, प्लेटफॉर्म के भीतर मौजूद विभिन्न फीचर्स जैसे सामान्य पोस्ट, रील्स, एक्सप्लोर सेक्शन और स्टोरीज के लिए भी अलग-अलग एल्गोरिद्म तैयार किए गए हैं। इन सभी अलग-अलग प्रणालियों का एकमात्र अंतिम उद्देश्य यूजर की व्यक्तिगत प्राथमिकताओं को भांपना है, ताकि स्क्रीन पर वही सामग्री दिखाई जाए जिसके साथ यूजर के जुड़ने और समय बिताने की संभावना सबसे अधिक होती है।
कैसे काम करती है एआई आधारित रिकमेंडर मशीन
मेटा का एल्गोरिद्म किसी स्वतः होने वाले चमत्कार की तरह काम नहीं करता, बल्कि यह एक बेहद आधुनिक और तीव्र एआई रिकमेंडर मशीन है। यह यूजर की हर एक गतिविधि पर सूक्ष्मता से ध्यान देता है। ऐप पर बिताया गया हर सेकंड, पोस्ट पर किया गया क्लिक, लाइक, कमेंट, शेयर, सेव और वीडियो का वॉच टाइम इस सिस्टम के लिए कच्चा डाटा होता है। इन संकेतों से सीखकर एआई यह भविष्यवाणी करता है कि अगली बार ऐप खोलने पर यूजर को सबसे पहले क्या दिखाया जाना चाहिए। हेल्प सेंटर के आधिकारिक विवरण के अनुसार, इस पूरी वितरण प्रक्रिया को चार मुख्य चरणों में बांटा जा सकता है।
पहला चरण: इन्वेंटरी का निर्माण
जब भी कोई यूजर सुबह 8 बजे या दिन में किसी भी समय अपना अकाउंट खोलता है, तो सिस्टम सबसे पहले उन सभी संभावित पोस्ट्स की एक विस्तृत सूची तैयार करता है जो उस यूजर को दिखाई जा सकती हैं। इस सूची में उन पेजों और प्रोफाइल की सामग्री शामिल होती है जिन्हें यूजर फॉलो करता है, साथ ही एआई द्वारा अनुशंसित नई रील्स और पोस्ट्स भी जोड़ी जाती हैं। मेटा इस प्राथमिक सूची को इन्वेंटरी कहता है। इसे किसी रेस्तरां के मेन्यू कार्ड की तरह समझा जा सकता है, जहां परोसने से पहले सभी उपलब्ध व्यंजनों की सूची तैयार की जाती है।
दूसरा चरण: संकेतों का मूल्यांकन
इन्वेंटरी तैयार होने के बाद एल्गोरिद्म हर एक पोस्ट का गहन विश्लेषण शुरू करता है। इस प्रक्रिया में एआई हजारों डिजिटल संकेतों की जांच करता है। उदाहरण के लिए, पोस्ट करने वाला व्यक्ति यूजर के कितना करीब है, पोस्ट किस समय की गई है, और सामग्री की प्रकृति क्या है। इसके अतिरिक्त, एआई यूजर के परिवेश से जुड़े कई बाहरी कारकों को भी मापता है, जैसे यूजर लैपटॉप पर है या स्मार्टफोन पर, समय दिन का है या रात का, और इंटरनेट कनेक्शन की स्पीड कैसी है। यूजर ने ठीक एक मिनट पहले किस तरह का वीडियो देखा था, यह जानकारी भी अगले कंटेंट का अनुमान लगाने में महत्वपूर्ण संकेत बनती है।
तीसरा चरण: यूजर व्यवहार का अनुमान और संभावना का गणित
एल्गोरिद्म यूजर के दिमाग को पढ़ने का दावा नहीं करता, बल्कि यह पुरानी आदतों और पैटर्न के आधार पर सांख्यिकीय अनुमान लगाता है। यदि कोई यूजर रोजाना क्रिकेट से जुड़ी रील्स देखता है, उन्हें लाइक और शेयर करता है, तो एआई यह समझ जाता है कि उसकी रुचि खेल में है। ऐसे में यदि कोई नई रील विराट कोहली या शुभमन गिल से संबंधित पोस्ट की जाती है, तो सिस्टम यह मानकर चलता है कि यूजर इस वीडियो को पूरा देखेगा। इसी तरह, शेयर बाजार या बिजनेस की खबरें पढ़ने वाले यूजर की फीड में आर्थिक समाचारों का अनुपात अपने आप बढ़ जाता है। एआई इस बात की संभावना भी आंकता है कि यूजर किसी अनजान क्रिएटर की रील पसंद करेगा या नहीं, और सकारात्मक संभावना दिखने पर उसे बिना फॉलो किए भी फीड में भेज देता है।
चौथा चरण: रिलेवेंस स्कोर और फीड रैंकिंग
संकेतों का विश्लेषण करने के बाद एआई हर एक पोस्ट के लिए अलग-अलग संभावनाओं की गणना करता है। जैसे, क्या यूजर इस पोस्ट को लाइक करेगा, कमेंट लिखेगा, शेयर करेगा, वीडियो पूरा देखेगा या सेव करेगा। यदि एआई का अनुमान कहता है कि किसी वीडियो को पूरा देखने की संभावना 90 फीसदी है और लाइक करने के चांस 40 फीसदी हैं, तो उस पोस्ट को एक उच्च रिलेवेंस स्कोर प्रदान किया जाता है। जिस पोस्ट का स्कोर सबसे अधिक होता है, वह यूजर की फीड में सबसे ऊपर दिखाई देती है। कम स्कोर वाली पोस्ट्स नीचे खिसक जाती हैं या फीड में दिखाई ही नहीं देतीं।
लाइक्स से आगे: वॉच टाइम, शेयर और सेव का असली महत्व
आम तौर पर माना जाता है कि केवल लाइक्स की संख्या बढ़ने से पोस्ट की रीच बढ़ जाती है, लेकिन आधुनिक एल्गोरिद्म में लाइक्स का महत्व सीमित हो चुका है। अब मेटा वॉच टाइम को सबसे बड़ा पैमाना मानता है। यदि लोग किसी रील को शुरुआत से अंत तक देखते हैं, तो एआई उसे गुणवत्तापूर्ण कंटेंट मानता है। इसके विपरीत, यदि यूजर 2 सेकंड के भीतर वीडियो को स्किप कर देते हैं, तो उसकी रीच तेजी से घटने लगती है। इसके अलावा, पोस्ट का ज्यादा शेयर होना उसकी दृश्यता बढ़ाता है। विशेष रूप से इंस्टाग्राम पर किसी पोस्ट को सेव किया जाना सबसे मजबूत सकारात्मक संकेत माना जाता है, जिससे उस सामग्री की रीच कई गुना बढ़ जाती है।
