Evo kako radi veštačka inteligencija

Autor : Bilten.rs , Izvor : mediji

Svako jutro listate vesti na telefonu – nekoliko klikova oblikuje šta ćete videti tokom dana. 

Iza te jednostavne radnje krije se složen sistem koji prati vaše reakcije, gradi profil preferencija i filtrira hiljade objava. 

U nastavku objašnjavamo kako sistemi mere angažovanje i zašto to menja sadržaj koji vidite.

Kako algoritmi oblikuju dnevni informativni tok?

Sistemi preporuka rade po principu angažovanja. Što duže zadržite pažnju na platformi, to sistem smatra preporuku uspešnijom. Sadržaj koji izaziva brzu emocionalnu reakciju – iznenađenje, radoznalost, ljutnju – ima prednost nad tekstovima koji zahtevaju dublju koncentraciju.

Sportske vesti su dobar primer. Izveštaj o transferu igrača može biti kratak, konkretan i lako svarljiv.

Čitaocima ne treba dodatni kontekst: dovoljno je ime, klub i cifra. Model preporuka to prepoznaje i takve naslove gura napred. Nasuprot tome, analiza taktičkih promena u timu zahteva više vremena i pažnje, pa ima manje šanse da se pojavi na vrhu liste.

Ovaj mehanizam nije ograničen na sport. Isti princip važi za poslovne vesti, lifestyle sadržaje, pa čak i za recepte. Što je sadržaj kraći i direktniji, to bolje funkcioniše u ekosistemu brzih preporuka.

Sastavni elementi preporučivačkih modela

Sistemi ne rade samo na osnovu vaših ličnih navika. Oni kombinuju tri izvora podataka: vaše prethodno ponašanje, ponašanje sličnih korisnika i trenutne trendove na platformi. To stvara dinamičan okvir koji se prilagođava u realnom vremenu.

Vaše prethodno ponašanje obuhvata sve što ste kliknuli, koliko dugo ste čitali i da li ste podelili tekst. Model pamti i ono što niste kliknuli – naslove koje ste preskočili, teme koje ignorišete. Na osnovu toga gradi sliku o tome šta vas zanima.

Ponašanje sličnih korisnika dopunjuje tu sliku. Ako ste vi i još hiljadu ljudi kliknuli na isti članak – na primer o najnovijim transferima u Evroligi – sistem pretpostavlja da delite interesovanja. Kada neko iz te grupe klikne na tekst o novim modelima guma, postoji šansa da će i vama biti prikazan.

Trenutni trendovi imaju posebnu težinu. Ako se tema brzo širi – na primer, vest o neočekivanom rezultatu na turniru – preporuke je guraju napred čak i korisnicima koji inače ne prate tu oblast. Logika je jednostavna: ako svi pričaju o nečemu, verovatno želite da znate zašto.

Kada sportske vesti pomeraju prioritete u preporukama?

Sport je specifična kategorija u ekosistemu preporuka. Rezultati mečeva, transferi igrača, izjave trenera – sve to generiše brze reakcije.

Čitaoci žele informaciju odmah, bez uvodnih pasusa i konteksta. Sistemi zato favorizuju kratke forme.

Primer su izveštaji o transferima. Kad se pojavi vest da je igrač prešao u novi klub, platforme registruju skok u pretragama i klikovima.

Model reaguje tako što tu temu postavlja na vrh liste. Ali ne samo osnovnu vest – već i povezane sadržaje: analize, komentare, statistike, pa čak i starije tekstove o istom igraču.

Ovde dolazi do mešanja formata. Čitalac koji traži brzi pregled dobija kolaž naslova: od faktografskih vesti do spekulativnih analiza.

Sistem često ne pravi razliku između pouzdanog izveštaja i klik‐mamca – oboma se daje prostor jer oboje generiše angažovanje. Ozbiljna informacija se lako izgubi u bujici povezanih, ali površnih sadržaja.

Slična dinamika važi i za druge oblasti. Vest o poslovnom dogovoru može biti praćena desetinama komentara, mišljenja i predviđanja.

Sve to se tretira kao relevantan sadržaj, jer čitaoci klikaju. Originalna informacija se razblažuje, a čitalac dobija utisak da zna više nego što zaista zna.

Šta čitaoci mogu očekivati od preporuka

Personalizacija ima svoju cenu. Što više sistem uči o vašim preferencijama, to uži postaje krug tema koje vam prikazuje.

To nije greška – to je njegova svrha. Cilj je da vas zadrži na platformi, a najsigurniji način za to je da vam servira ono što već volite.

Problem nastaje kada želite da izađete iz tog kruga. Ako redovno čitate sportske vesti, preporuke će vas zasuti sportom.

Ako pokušate da pročitate nešto iz ekonomije ili kulture, moraćete aktivno da tražite – predlozi vas neće odvesti tamo. Nastaje efekat mehura u kojem ste okruženi sličnim temama, sličnim naslovima, sličnim perspektivama.

Postoji i suprotna strana. Sistemi ponekad greše.

Jedan klik na naslov koji vas nije zaista zanimao može pomeriti preporuke u neočekivanom pravcu. Platforma pretpostavlja da ste otkrili novo interesovanje i počinje da vam nudi sličan sadržaj. Potrebno je vreme – i svesno ignorisanje tih predloga – da se model vrati na prethodnu putanju.

Korisno je povremeno proveriti raznolikost izvora. Ako sve vesti dolaze sa iste platforme ili iz istog tipa medija, verovatno gledate kroz filter. Direktan odlazak na sajtove različitih portala, provera datuma objave i traženje dužih analiza mogu pomoći da dobijete širu sliku.

Sistemi preporuka nisu neutralni vodiči kroz informacije – oni su alati dizajnirani da maksimizuju angažovanje. 

Razumevanje te logike ne znači odbacivanje predloga, već svesnije korišćenje. Kada znate kako model funkcioniše, lakše je prepoznati kada vas vodi prema onom što zaista želite, a kada samo prema onom što je najlakše servirati. Za još zanimljivosti, posetite naš sajt!

bilten logo

Kako biste nas lakše pratili i bili u toku preuzmite našu aplikaciju za Android ili Iphone.

www.VRACARRESORT.com

POGLEDAJTE JOŠ

Podelite vest