वापरकर्त्याद्वारे नियंत्रित अल्गोरिदमचा उदय: सोशल मीडियासाठी एक नवीन युग

सोशल मीडिया क्षेत्रातील दिग्गज कंपन्या आता नियंत्रण पुन्हा वापरकर्त्यांच्या हाती सोपवू लागल्यामुळे, "ब्लॅक बॉक्स" शिफारस इंजिनचा (recommendation engine) काळ आता संपत चालला आहे. प्रगत AI आणि लार्ज लँग्वेज मॉडेल्स (LLMs) समाविष्ट करून, प्लॅटफॉर्म्स निष्क्रिय फीड्सचे रूपांतर अत्यंत सानुकूलित आणि वापरकर्त्याद्वारे नियंत्रित अनुभवात करत आहेत.

निष्क्रिय उपभोग ते सक्रिय प्रशिक्षण

अनेक वर्षांपासून, शिफारस प्रणाली (recommendation systems) एका 'वन-साईझ-फिट्स-ऑल' ब्रॉडकास्ट मॉडेलप्रमाणे काम करत होत्या, जिथे वापरकर्त्यांकडे केवळ "मला रस नाही" (Not Interested) या साध्या बटणाव्यतिरिक्त मर्यादित पर्याय होते. मात्र, आता एक मूलभूत बदल होत आहे: सोशल मीडिया आता स्ट्रीमिंग-सर्व्हिस मॉडेलकडे वळत आहे, जिथे वापरकर्ते त्यांच्या स्वतःच्या डिजिटल वातावरणाचे क्युरेटर्स (curators) म्हणून काम करतात. ही उत्क्रांती मजकूर अत्यंत सुसंगत असल्याची खात्री करून एंगेजमेंट वाढवण्याच्या गरजेतून आणि त्याच वेळी पारदर्शकता आणि स्वायत्ततेसाठी वाढत्या वापरकर्त्यांच्या मागणीमुळे प्रेरित आहे.

Threads आणि Instagram: वैयक्तिकीकरणासाठी LLMs चा वापर

Meta या आघाडीवर असून, जटिल रँकिंग मॉडेल्स अधिक समजण्यायोग्य आणि नियंत्रित करण्यायोग्य बनवण्यासाठी LLMs चा वापर करत आहे. Threads ने त्यांच्या प्रायोगिक “Dear Algo” टूलकडून—ज्यामध्ये वापरकर्त्यांना त्यांच्या आवडी दर्शवण्यासाठी सार्वजनिक पोस्ट करणे आवश्यक होते—जुलै २०२६ मध्ये लाँच केलेल्या अधिक गोपनीय “Your Algo” फीचरकडे संक्रमण केले आहे. वापरकर्ते आता खाजगीरित्या "अधिक बेसबॉल" किंवा "कमी तणावपूर्ण बातम्या" यांसारख्या विशिष्ट सामग्रीची मागणी करू शकतात आणि या आवडीचा कालावधी एक, तीन किंवा सात दिवसांसाठी सेट करू शकतात.

Instagram ने देखील पारदर्शकतेचा असाच मार्ग अवलंबला आहे. डिसेंबर २०२५ मध्ये Reels साठी रोलआउट केल्यानंतर, "Your Algorithm" टूल आता मुख्य फीड, Explore आणि Reels मध्ये उपलब्ध आहे. Instagram चे प्रमुख ॲडम मोसेरी (Adam Mosseri) यांच्या मते, LLMs हा येथे मुख्य फरक करणारा घटक आहे; ते प्रणालीला विशिष्ट मजकूर का प्रदर्शित केला जात आहे हे स्पष्ट करण्यास मदत करतात आणि वापरकर्त्यांना नैसर्गिक भाषेद्वारे त्यांच्या आवडी कळवण्याची परवानगी देतात, ज्यामुळे हे अंतर्गत तंत्रज्ञान सामान्य वापरकर्त्यासाठी अधिक सुलभ होते.

TikTok: सूक्ष्म नियंत्रण आणि AI कीवर्ड फिल्टरिंग

TikTok आपले "Manage Topics" टूल अधिक सुधारत आहे, ज्यामुळे वापरकर्ते स्लाइडर यंत्रणेद्वारे त्यांच्या "For You" फीडमध्ये सूक्ष्म बदल करू शकतात. वापरकर्ते प्रवास, विनोद किंवा चालू घडामोडी यांसारख्या श्रेणींचे महत्त्व (weight) समायोजित करून तो मजकूर किती प्रमाणात दिसावा हे ठरवू शकतात.

तांत्रिक प्रगतीचा एक सखोल स्तर जोडण्यासाठी, TikTok ने 2025 मध्ये AI-आधारित "Smart Keyword Filters" सादर केले. हे वैशिष्ट्य केवळ शब्दांच्या जुळणीपलीकडे जाते; ते समानार्थी शब्द आणि संबंधित संकल्पना ओळखण्यासाठी semantic understanding चा वापर करते. उदाहरणार्थ, जर एखाद्या वापरकर्त्याने "remodeling" फिल्टर केले, तर AI हुशारीने "renovation" किंवा "renovations" शी संबंधित मजकूर नियंत्रित करते, ज्यामुळे अधिक अखंड आणि प्रभावी वापरकर्ता अनुभव सुनिश्चित होतो.

हे AI क्षेत्रासाठी का महत्त्वाचे आहे

हा बदल ग्राहक-केंद्रित AI च्या उपयोजनातील एक महत्त्वपूर्ण टप्पा आहे. आपण केवळ predictive AI—जे वापरकर्त्याला काय हवे आहे याचा अंदाज लावते—कडून collaborative AI कडे वळताना पाहत आहोत, जिथे मानव आणि मशीन एकत्रितपणे आउटपुट तयार करण्यासाठी काम करतात. डेव्हलपर्स आणि संस्थापकांसाठी, हे एका वाढत्या ट्रेंडवर भर देते: सर्वात यशस्वी AI अंमलबजावणी त्या असतील ज्या वापरकर्त्याच्या स्वायत्ततेला (user agency) प्राधान्य देतात आणि human-in-the-loop कस्टमायझेशनसाठी स्पष्ट आणि कृतीक्षम इंटरफेस प्रदान करतात.

मुख्य निष्कर्ष

• Semantic Control: TikTok सारखे प्लॅटफॉर्म केवळ कीवर्ड ब्लॉक करण्यापलीकडे जाऊन semantic filtering साठी AI चा वापर करत आहेत, ज्यामुळे वापरकर्त्याच्या आवडीमागील हेतू आणि समानार्थी शब्द समजून घेणे शक्य होते.
• LLM Integration: Instagram जटिल रँकिंग अल्गोरिदम आणि वापरकर्त्याची समज यातील अंतर कमी करण्यासाठी Large Language Models चा वापर करत आहे, ज्यामुळे अधिक intuitive फीड कस्टमायझेशन शक्य होते.
• Temporal Preferences: Threads वेळेवर आधारित अल्गोरिदममधील बदल (time-bound algorithmic adjustments) सादर करत आहे, ज्यामुळे वापरकर्त्यांना प्रोफाइलमध्ये कायमस्वरूपी बदल न करता त्यांच्या कंटेंट उपभोगण्याच्या पद्धती तात्पुरत्या स्वरूपात बदलता येतात.