全球科技領軍企業(yè)Meta近期透漏，Meta正在開發(fā)一款全新的巨型AI模型，專門應用于旗下視頻推薦引擎，旨在為其全平臺提供精準的視頻推薦服務。Facebook平臺負責人湯姆·埃利森（Tom Alison）當?shù)貢r間周三在舊金山的摩根士丹利科技會議上透露了這一消息。

據(jù)湯姆·埃利森介紹，這款正在研發(fā)中的巨型AI推薦模型，將成為Meta至2026年技術戰(zhàn)略藍圖的基石部分，該項目預計在未來幾年內(nèi)逐步部署到Meta旗下的各大產(chǎn)品線，包括但不限于Facebook、Instagram以及Oculus等平臺，將重新定義用戶與視頻內(nèi)容的交互方式。

Meta大動作，巨型模型推動視頻推薦革新

目前Meta對各個產(chǎn)品例如Reels、Groups和Facebook信息流等采用獨立的推薦模型，新的AI模型預計將實現(xiàn)平臺間的統(tǒng)一推薦，未來無論是Reels等短視頻服務還是長視頻內(nèi)容都將實現(xiàn)更精準的個性化推薦。

湯姆·埃利森透露這種新的模型架構已經(jīng)在Reels、Instagram等跨平臺體系下進行了測試。在初步測試中，這一模型架構成功地幫助增加了用戶在Facebook上的觀看時間，具體提升了8%至10%。

這一測試成果表明，新模型在數(shù)據(jù)學習能力上有所超越，能夠有效地從大數(shù)據(jù)中提取信息，進而提升用戶的使用體驗。

此外，Meta還在探索生成式人工智能技術的多種應用場景，包括在核心信息流中加入更復雜的聊天工具，允許用戶在看到感興趣的內(nèi)容時，通過簡單操作就能獲取更多相關信息。

隨著AI技術在推薦系統(tǒng)的持續(xù)滲透，推薦系統(tǒng)的智能化程度在不斷提升。AI對推薦系統(tǒng)的以及視頻流媒體服務賦能主要體現(xiàn)在這幾個方面，首先是增強內(nèi)容個性化推薦，AI技術通過機器學習算法（如協(xié)同過濾、矩陣分解、深度學習等）可以捕捉用戶的個性化行為模式、興趣偏好以及隱含需求，從而提供高度個性化的推薦內(nèi)容，比如在視頻內(nèi)容推薦場景中，AI可以根據(jù)用戶的觀看歷史、停留時間、點贊評論等行為數(shù)據(jù)，精確推算出用戶可能喜歡的新視頻。

其次是實時動態(tài)優(yōu)化，AI能夠?qū)崟r分析和更新用戶的行為數(shù)據(jù)，實時響應用戶的行為變化，提供動態(tài)更新的推薦列表，保持與用戶當前狀態(tài)的同步性和新鮮感，增強用戶體驗。

第三是增強內(nèi)容理解優(yōu)化推薦效果，自然語言處理（NLP）技術使得AI能夠深入理解視頻標題、描述、標簽、評論等文本信息，結合視頻內(nèi)容的主題、情感色彩和適合的觀眾群體，進而精準推薦，實現(xiàn)基于內(nèi)容的推薦，而非僅依賴用戶行為數(shù)據(jù)，并通過不斷學習和優(yōu)化，提高推薦系統(tǒng)的準確性和效果。

第四是能進行多模態(tài)數(shù)據(jù)處理，AI模型能夠跨模態(tài)地理解并綜合考慮各類信息，如文字、圖像、音頻和視頻等，實現(xiàn)更豐富多元的內(nèi)容推薦。此外還能增強推薦解釋性，AI技術通過增加模型的可解釋性，讓用戶了解為何某個視頻被推薦給他們，提高信任度和用戶滿意度。

最后是效率不斷提升，利用GPU加速等，AI推薦系統(tǒng)可以高效處理海量用戶數(shù)據(jù)和內(nèi)容數(shù)據(jù)，迅速完成復雜模型的訓練和在線推理，提升推薦服務的響應速度。

總之，通過AI技術賦能，能有力推動推薦系統(tǒng)的智能化升級，實現(xiàn)高度自動化、精細化、個性化的推薦，提高了用戶體驗，進一步提高用戶粘性從而為企業(yè)創(chuàng)造更高的商業(yè)價值。

Meta憑借在AI領域的深厚積累和技術優(yōu)勢，打造的這款模型有望引領新一輪視頻內(nèi)容消費體驗的升級浪潮。