प्रधानमंत्री नरेंद्र मोदी के पोस्ट विवाद के बाद जानिए मेटा की AI प्रणाली और फेसबुक इंस्टाग्राम पर फीड का गणित

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।