5.3.1 Netflix

A Netflix használ nyílt felhívás megjósolni, hogy melyik filmeket az emberek, mint.

A legismertebb nyílt felhívás projekt a Netflix. Netflix online film kölcsönző cég, és 2000-ben indított Cinematch, a szolgáltatás ajánlani filmeket az ügyfelek számára. Például Cinematch észreveheti, hogy tetszett a Star Wars és az Empire Strikes Back, majd Ajánlott megnézni A Jedi visszatér. Kezdetben Cinematch működött rosszul. De során sok éve, Cinematch tovább javította képes megjósolni, milyen filmeket ügyfelek élvezné. 2006 azonban előrelépés Cinematch szinten maradtak. A kutatók Netflix megpróbálta elég sok mindent tudtak gondolni, de ugyanakkor, gyanakodtak, hogy vannak más ötletek, amelyek segíthetnek nekik is növelve a rendszer. Így jöttek fel, mi volt abban az időben, a radikális megoldás: nyílt felhívás.

Kritikus az esetleges siker a Netflix volt, hogy a nyílt felhívás célja az volt, és ez az elrendezés fontos tanulságokat, hogy milyen nyitott hívásokat lehet használni a szociális kutatás. Netflix nem csak tesz ki egy strukturálatlan kérelmet ötletek, amit sok ember elképzelni, amikor először úgy nyílt felhívás. Inkább Netflix okozott problémák világos, egyszerű értékelési szempontok: kihívták az embereket, hogy egy sor 100 millió film alapján megjósolni 3000000 tartott ki értékelés (értékelés, hogy a felhasználók tett, a Netflix nem engedte). Bárki, aki képes létrehozni egy olyan algoritmus, amely meg tudta jósolni a 3000000 tartott out alapján 10% -kal jobb, mint Cinematch nyerne 1.000.000 dollárt. Ez világos és könnyen alkalmazható értékelési szempontok, összehasonlítva megjósolt alapján a birtokában out minősítésen azt jelentette, hogy a Netflix volt keretezve, oly módon, hogy a megoldás könnyebb ellenőrizni, mint generál; kiderült a kihívást javítása Cinematch egy probléma alkalmas nyílt felhívás.

Októberben 2006 Netflix kiadott egy adatbázisba, amely 100 millió film alapján körülbelül mintegy 500.000 ügyfél (fogjuk vizsgálni az adatvédelmi vonatkozásai ezen adatok kiadása a 6. fejezetben). A Netflix adatok felfogni, mint egy hatalmas mátrix, amely körülbelül 500.000 ügyfél 20.000 filmeket. Ezen belül a mátrix-ben mintegy 100 millió értékelés skálán 1-5 csillagok (5.2 táblázat). A kihívás az volt, hogy a mért adat a mátrixban megjósolni a 3000000 tartott ki értékelésből.

A kutatók és a hackerek a világ állították, hogy a kihívást, és 2008-ig több mint 30.000 ember dolgozik rajta (Thompson 2008) . Során a verseny, Netflix kapott több mint 40.000 javasolt megoldásokat több mint 5000 csapat (Netflix 2009) . Nyilvánvaló, hogy a Netflix nem tudott olvasni, és megérteni ezeket a javasolt megoldásokat. Az egész dolog simán zajlott, azonban, mivel a megoldások könnyen ellenőrizhető. Netflix is ​​csak egy számítógép össze az előre jelzett értékelés a tartott-out alapján egy előre meghatározott mutató (az adott mutató régen volt négyzetgyöke az átlag-négyzetes hiba). Ez volt az a képessége, hogy gyorsan értékelje megoldásokat, amelyek lehetővé tették a Netflix, hogy elfogadja megoldások mindenki számára, ami kiderült, hogy fontos, mert jó ötleteket származott néhány meglepő helyeken. Tény, hogy a nyerő megoldás nyújtotta be a csapat indult három kutató, hogy nem volt korábbi tapasztalata épület film ajánlása rendszerek (Bell, Koren, and Volinsky 2010) .

Egy szép aspektusa a Netflix, hogy lehetővé tette a világon mindenki, hogy megvan a megoldás értékelték eléggé. Amikor az emberek feltöltötte előre jelzett értékelés, hogy nem kell feltölteni a tanulmányi adatait, a korra, fajra, nemre, szexuális irányultság, vagy bármi magukról. Így a várható értékelés egy híres professzor a Stanford kezelték pontosan megegyeznek az egy tinédzser szobájában. Sajnos, ez nem igaz a legtöbb társadalmi kutatás. Azaz, a legtöbb társadalmi kutatás, az értékelés nagyon időigényes és részben szubjektív. Nos, a legtöbb kutatási ötletek soha nem komolyan értékelik, és ha ötleteket értékeljük, nehéz leválasztani ezeket az értékeléseket a teremtője az ötleteket. Mivel a megoldások könnyen ellenőrizhető, a nyílt felhívás teszi a kutatók számára, hogy a potenciálisan csodálatos megoldásokat esne át a repedéseket, ha azok csak akkor tekinthető megoldásokat a híres professzorok.

Például, egy ponton során Netflix valaki a képernyő neve Simon Funk írt blogjában javasolt megoldás alapján a szinguláris érték felbontás, a megközelítés a lineáris algebra, hogy nem használtak korábban a többi résztvevő. Funk blogbejegyzést volt egyszerre technikai és hátborzongatóan informális. Vajon ezt a blogbejegyzést leírja egy jó megoldás volt, vagy időpocsékolás? Kívül nyílt felhívást projekt megoldást talán soha nem kaptak komoly értékelést. Elvégre Simon Funk nem volt professzora Cal Tech vagy MIT; volt egy szoftver fejlesztő, aki abban az időben volt, hátizsákkal körül Új-Zéland (Piatetsky 2007) . Ha ő e-mailben ezt a gondolatot, hogy egy mérnök Netflix, szinte biztos, hogy nem vették komolyan.

Szerencsére, hiszen az értékelési kritériumok egyértelműek és könnyen alkalmazható, az előrejelzések alapján értékelték, és ez azonnal világos, hogy a megközelítés nagyon erős: ő ugrásszerűen negyedik helyet a verseny, egy óriási eredmény, tekintettel arra, hogy a többi csapat már dolgozó hónapokig a problémát. A végén, részei Simon Funk megközelítést alkalmazott, amelyet szinte minden komoly versenytársak (Bell, Koren, and Volinsky 2010) .

Az a tény, hogy Simon Funk döntött, hogy írjon egy blogbejegyzést elmagyarázza a megközelítés, ahelyett, hogy titokban tartani, azt is mutatja, hogy sok résztvevő a Netflix nem kizárólagosan motiválta millió dolláros díjat. Inkább sok résztvevő is úgy tűnt, hogy élvezik a szellemi kihívást és a közösség, amely köré a probléma (Thompson 2008) , érzések várok sok kutató képes megérteni.

A Netflix egy klasszikus példája a nyílt felhívás. Netflix feltett egy kérdést egy konkrét cél (előre film alapján), és kért megoldások sok ember. Netflix képes volt értékelni az összes ezeket a megoldásokat azért, mert könnyebb ellenőrizni, mint létrehozni, és végül Netflix felvette a legjobb megoldás. Ezután megmutatom, hogy ez ugyanaz a megközelítés lehet használni a biológia és a jog.