5.3.1 Netflix մրցանակ
The Netflix մրցանակ օգտագործում բաց մրցույթ է կանխատեսել, ինչը ֆիլմեր մարդիկ սիրում:
Առավել հայտնի Open Call նախագծը Netflix մրցանակն է: Netflix- ը առցանց կինոնկարների վարձույթ է, իսկ 2000-ին գործարկել է Cinematch- ը, հաճախորդներին ֆիլմեր առաջարկելու ծառայություն: Օրինակ, կինեմատոգրաֆը կարող է նկատել, որ սիրում եք Star Wars- ը եւ Empire Strikes Back- ը եւ այնուհետեւ խորհուրդ կտաք, որ տեսնեք Jedi- ի վերադարձը : Սկզբում Cinematch- ը վատ աշխատեց: Սակայն, երկար տարիների ընթացքում, այն շարունակեց բարելավել իր ֆունկցիոնալ հնարավորությունները կանխատեսելու ունակությունը: 2006 թ.-ին, սակայն, Cinematch- ում առաջընթաց է գրանցվել: Netflix- ի հետազոտողները փորձել են շատ բաներ, որոնք կարող էին մտածել, սակայն, միեւնույն ժամանակ, նրանք կասկածում էին, որ այլ գաղափարներ կան, որոնք կարող են օգնել նրանց բարելավելու իրենց համակարգը: Այսպիսով, նրանք եկան այն, ինչ եղել է, այդ ժամանակ արմատական լուծում.
Քննադատական է Netflix մրցանակի վերջնական հաջողությունը այն էր, թե ինչպես է բաց կանչը մշակվել, եւ այս դիզայնը կարեւոր դասեր ունի, թե ինչպես բաց կանչերը կարող են օգտագործվել սոցիալական հետազոտության համար: Netflix- ը ոչ միայն պարզապես գաղափարների գաղափարական լուծում չի արել, այն է, որ շատերը պատկերացնում են, երբ առաջին անգամ համարում են բաց զանգը: Ավելի շուտ, Netflix- ը հստակ խնդիր է դրել պարզ գնահատման ընթացակարգով. Նրանք բողոքել են 100 միլիոն կինոնկարներ օգտագործելու համար, կանխատեսելու 3 միլիոն անցկացված վարկանիշներ (վարկանիշերը, որոնք օգտվողներն են կազմել, սակայն Netflix- ը չի ազատում): Առաջին մարդը, որը ստեղծել է ալգորիթմ, որը կանխատեսեց 3 միլիոն թողարկված վարկանիշը 10 տոկոսով, քան Cinematch- ը հաղթելու է միլիոն դոլար: Այս պարզ եւ հեշտ կիրառման գնահատման ընթացակարգը, համեմատելով կանխատեսված վարկանիշերը, անցկացված վարկանիշներով համեմատելով, նշանակում է, որ Netflix մրցանակը կազմված է այնպես, որ լուծումները ավելի հեշտ է ստուգել, քան առաջացնելը. այն դարձել է Cinematch- ի բարելավման մարտահրավեր, որը բաց է կոչվելու համար:
2006 թ. Հոկտեմբերին Netflix- ը թողարկել է տվյալների հավաքածու, որը պարունակում է մոտավորապես 500,000 հաճախորդներից 100 միլիոն ֆիլմերի վարկանիշ (մենք կքննարկենք այս տվյալների թողարկման գաղտնիության հետեւանքները գլուխ 6-ում): Netflix- ի տվյալները կարող են conceptualized որպես հսկայական մատրիցա, որը մոտ 20,000 ֆիլմերի մոտ 500,000 հաճախորդ է: Այս մատրիցիայի շրջանակում մոտ մեկ միլիոնից մինչեւ մեկ աստղի չափսը մոտավորապես 100 միլիոն էր (աղյուսակ 5.2): Խնդիրն այն էր, որ դիտարկված տվյալները օգտագործեն matrix- ում կանխատեսելու 3 միլիոն անցկացված վարկանիշը:
| Ֆիլմ 1 | Ֆիլմ 2 | Ֆիլմ 3 | ... | 20,000 ֆիլմ | |
|---|---|---|---|---|---|
| Հաճախորդ 1 | 2 | 5 | ... | Հաճախակի | |
| Հաճախորդ 2 | 2 | Հաճախակի | ... | 3 | |
| Հաճախորդ 3 | Հաճախակի | 2 | ... | ||
| \(\vdots\) | \(\vdots\) | \(\vdots\) | \(\vdots\) | \(\vdots\) | |
| Հաճախորդ 500,000 | Հաճախակի | 2 | ... | 1 |
Աշխարհի հետազոտողները եւ հաքերները մարտահրավեր են նետել եւ 2008 թ. Ավելի քան 30.000 մարդ էր աշխատում (Thompson 2008) : Մրցույթի ընթացքում Netflix- ը ստացել է ավելի քան 40,000 առաջարկվող լուծումներ ավելի քան 5000 թիմերից (Netflix 2009) : Ակնհայտորեն, Netflix- ը չի կարող կարդալ եւ հասկանալ բոլոր առաջարկվող լուծումները: Սակայն ամբողջ խնդիրը հարթ էր, սակայն, քանի որ լուծումները հեշտ էին ստուգել: Netflix- ը կարող էր համակարգիչ ունենալ համեմատել կանխատեսված վարկանիշերի հետ, որոնք նախատեսված են գնահատված գնահատականներով, օգտագործելով կանխորոշված չափորոշիչ (դրանց օգտագործած որոշ չափանիշը միջին քառակուսու սխալի քառակուսի արմատ): Դա հնարավորություն է տալիս արագորեն գնահատել այնպիսի լուծումներ, որոնք հնարավորություն տվեցին Netflix- ին ընդունելու բոլորի լուծումները, ինչը պարզ դարձավ այն բանի համար, որ լավ գաղափարներ եկան որոշ զարմանալի վայրերից: Փաստորեն, հաղթող լուծումը ներկայացվել է մի թիմի կողմից, որը սկսվել է երեք հետազոտողներից, ովքեր չունեին նախորդ փորձը ֆիլմի ցուցադրման համակարգեր (Bell, Koren, and Volinsky 2010) :
Netflix- ի մրցանակներից մեկի գեղեցիկ դրվագը այն է, որ այն թույլ է տալիս բոլոր առաջարկվող լուծումները արդարացիորեն գնահատել: Այսինքն, երբ մարդիկ բեռնել են իրենց կանխատեսված վարկանիշները, նրանք չպետք է վերբեռնեն իրենց ակադեմիական հավատարմագրերը, տարիքը, ռասսանությունը, սեռը, սեռական կողմնորոշումը կամ իրենց մասին որեւէ բան: Ստենֆորդից հայտնի պրոֆեսորի կանխատեսված վարկանիշները նույնն էին, ինչ վերաբերում էր իր ննջարանում գտնվող դեռահասին: Ցավոք, սա շատ չէ սոցիալական հետազոտության մեջ: Այսինքն, շատ սոցիալական հետազոտությունների համար գնահատումը շատ ժամանակատար է եւ մասամբ սուբյեկտիվ: Այսպիսով, հետազոտական գաղափարների մեծամասնությունը երբեք չի լրջորեն գնահատվում, եւ երբ գաղափարները գնահատվում են, դժվար է զերծ մնալ գաղափարի ստեղծողից այդ գնահատականներից: Բաց զանգի նախագծերը, մյուս կողմից, ունեն հեշտ եւ արդար գնահատական, որպեսզի նրանք կարողանան հայտնաբերել գաղափարներ, որոնք այլ կերպ բացակայում են:
Օրինակ, Netflix- ի մրցանակի ժամանակ, Simon Funk- ի էկրանին անունով մի մարդ իր բլոգում տեղադրել է առաջարկված լուծում, որը հիմնված է եզակի արժեքի տարրալուծման վրա, գծային վահանակի մոտեցում, որը նախկինում չի օգտագործվել այլ մասնակիցների կողմից: Funk- ի բլոգային գրառումը միաժամանակ տեխնիկական էր եւ զարմանալիորեն ոչ ֆորմալ: Արդյոք այս բլոգում գրված էր լավ լուծում կամ ժամանակի վատթարացում: Բաց զանգի նախագծից դուրս լուծումը երբեք չի ստացել լուրջ գնահատական: Ի վերջո, Սիմոն Ֆանքը MIT- ի պրոֆեսոր չէր: նա ծրագրային ապահովման մշակող էր, ով ժամանակին դարձավ Նոր Զելանդիայի շրջանում (Piatetsky 2007) : Եթե նա այդ գաղափարը էլեկտրոնային փոստով ուղարկեց Netflix ինժեներին, այն գրեթե չէր կարդացել:
Բարեբախտաբար, քանի որ գնահատման չափանիշները հստակ եւ հեշտ էր կիրառվել, կանխատեսված գնահատականները գնահատվել են եւ ակնթարթորեն պարզ էր, որ իր մոտեցումը շատ հզոր է. Նա մրցակցությունում չորրորդ տեղն է գրավել `հսկայական արդյունքի` հաշվի առնելով, որ այլ թիմեր արդեն իսկ եղել են ամիսների ընթացքում: Ի վերջո, նրա մոտեցումների մասերը օգտագործվել են գրեթե բոլոր լուրջ մրցակիցների կողմից (Bell, Koren, and Volinsky 2010) :
Այն փաստը, որ Սիմոն Ֆենկը ընտրեց գրել բլոգի գրառումը, բացատրելով իր մոտեցումը, այլ ոչ թե փորձելով գաղտնի պահել, ցույց է տալիս, որ Netflix մրցանակի բազմաթիվ մասնակիցներ բացառապես դրդված չեն միլիոն դոլար մրցանակով: Ավելի շուտ, շատ մասնակիցներ թվում էին, որ վայելում են մտավոր մարտահրավեր եւ խնդրի շուրջ զարգացած համայնքը (Thompson 2008) , զգացմունքները, որ ես ակնկալում եմ շատ հետազոտողներ:
Netflix- ի մրցանակը բաց զանգի դասական օրինակ է: Netflix- ը հարց է առաջադրել կոնկրետ նպատակին (կանխատեսելով կինոնկարներ) եւ խնդրեց բազմաթիվ մարդկանցից: Netflix- ը կարողացավ գնահատել այս բոլոր լուծումները, քանի որ նրանք ավելի հեշտ էին ստուգել, քան ստեղծել, եւ ի վերջո Netflix- ն ընտրեց լավագույն լուծումը: Դրանից հետո ես ձեզ ցույց կտամ, թե ինչպես կարելի է նույն մոտեցումը օգտագործել կենսաբանության եւ օրենքի մեջ, եւ առանց միլիոն դոլարի մրցանակի:
