ظهور الگوریتمهای تحت کنترل کاربر: عصر جدیدی برای رسانههای اجتماعی
عصر موتورهای پیشنهاددهنده «جعبه سیاه» رو به پایان است، زیرا غولهای رسانههای اجتماعی شروع به بازگرداندن فرمان کنترل به کاربران کردهاند. پلتفرمها با ادغام هوش مصنوعی پیشرفته و مدلهای زبانی بزرگ (LLMs)، فیدهای غیرفعال را به تجربههایی بسیار قابل شخصیسازی و هدایتشده توسط کاربر تبدیل میکنند.
از مصرف غیرفعال تا آموزش فعال
سالها بود که سیستمهای پیشنهاددهنده به عنوان یک مدل پخش همگانی و یکسان برای همه عمل میکردند که در آن کاربران فراتر از یک دکمه ساده «علاقهای ندارم»، راهکار محدودی داشتند. با این حال، یک تغییر بنیادین در حال رخ دادن است: رسانههای اجتماعی به سمت مدل سرویسهای استریم حرکت میکنند که در آن کاربران به عنوان گردآورندگان محیطهای دیجیتال خود عمل میکنند. این تکامل ناشی از نیاز به افزایش تعامل از طریق اطمینان از مرتبط بودن فوقالعاده محتوا و در عین حال پاسخگویی به تقاضای رو به رشد کاربران برای شفافیت و عاملیت است.
Threads و Instagram: بهرهگیری از LLMها برای شخصیسازی
Meta با استفاده از LLMها برای تفسیرپذیرتر و قابلکنترلتر کردن مدلهای پیچیده رتبهبندی، پیشگام این حرکت است. Threads از ابزار آزمایشی «Dear Algo» خود — که کاربران را ملزم میکرد برای نشان دادن علایق خود پستهای عمومی منتشر کنند — به ویژگی نامحسوستر «Your Algo» که در ژوئیه ۲۰۲۶ عرضه شد، تغییر مسیر داده است. اکنون کاربران میتوانند بهصورت خصوصی درخواست محتوای خاصی مانند «بیشتر بیسبال» یا «اخبار کمتر استرسزا» را بدهند و امکان تعیین مدت زمان این اولویتها را برای یک، سه یا هفت روز داشته باشند.
Instagram نیز مسیر مشابهی از شفافیت را دنبال کرده است. پس از عرضه ابزار Reels در دسامبر ۲۰۲۵، ابزار «Your Algorithm» اکنون در فید اصلی، Explore و Reels در دسترس است. به گفته Adam Mosseri، مدیر Instagram، مدلهای LLM تمایزدهنده اصلی در اینجا هستند؛ آنها به سیستم اجازه میدهند توضیح دهد چرا محتوای خاصی نمایش داده میشود و به کاربران اجازه میدهند اولویتهای خود را از طریق زبان طبیعی بیان کنند، که این امر باعث میشود فناوری زیربنایی برای کاربر معمولی بسیار قابلدسترستر شود.
TikTok: کنترل دقیق و فیلترینگ کلمات کلیدی با هوش مصنوعی
TikTok به اصلاح ابزار «Manage Topics» خود ادامه میدهد و به کاربران اجازه میدهد فید «For You» خود را از طریق یک مکانیزم اسلایدر تنظیم کنند. کاربران میتوانند وزن دستهبندیهایی مانند سفر، طنز یا امور جاری را تنظیم کنند تا تعیین کنند چه مقدار از آن محتوا نمایش داده شود.
برای افزودن لایهای عمیقتر از پیچیدگی فنی، TikTok در سال ۲۰۲۵ «فیلترهای هوشمند کلمات کلیدی» مبتنی بر هوش مصنوعی را معرفی کرد. این قابلیت فراتر از تطبیق ساده کلمات عمل میکند؛ این ویژگی از درک معنایی برای شناسایی مترادفها و مفاهیم مرتبط استفاده میکند. برای مثال، اگر کاربری کلمه «remodeling» را فیلتر کند، هوش مصنوعی بهطور هوشمند محتوای مرتبط با «renovation» یا «renovations» را نیز محدود میکند تا تجربهای روانتر و مؤثرتر را برای کاربر تضمین کند.
چرا این موضوع برای چشمانداز هوش مصنوعی اهمیت دارد
این تغییر نشاندهنده نقطه عطفی مهم در بهکارگیری هوش مصنوعی در سطح مصرفکننده است. ما شاهد گذار از هوش مصنوعی صرفاً پیشبینیکننده — که حدس میزند کاربر چه میخواهد — به سمت هوش مصنوعی مشارکتی هستیم؛ جایی که انسان و ماشین در کنار هم برای شکل دادن به یک خروجی همکاری میکنند. برای توسعهدهندگان و بنیانگذاران، این موضوع بر یک روند رو به رشد تأکید میکند: موفقترین پیادهسازیهای هوش مصنوعی آنهایی خواهند بود که عاملیت کاربر را در اولویت قرار داده و رابطهای کاربری شفاف و قابلاجرا برای شخصیسازی با حضور انسان (human-in-the-loop) فراهم کنند.
نکات کلیدی
- کنترل معنایی: پلتفرمهایی مانند TikTok از هوش مصنوعی استفاده میکنند تا از مسدودسازی کلمات کلیدی فراتر رفته و به سمت فیلترینگ معنایی حرکت کنند و قصد کاربر و مترادفهای پشت ترجیحات او را درک کنند.
- یکپارچهسازی LLM: Instagram از مدلهای زبانی بزرگ (LLM) برای پر کردن شکاف میان الگوریتمهای پیچیده رتبهبندی و درک کاربر استفاده میکند که امکان شخصیسازی شهودیتر فید را فراهم میسازد.
- ترجیحات زمانی: Threads در حال معرفی تنظیمات الگوریتمی محدود به زمان است که به کاربران اجازه میدهد بدون تغییرات دائمی در پروفایل خود، الگوهای مصرف محتوای خود را بهطور موقت تغییر دهند.