آزمایشگاه آزاد؛ بدون نیاز به ورود
حباب فیلتر چطور در این مدل شکل می‌گیره؟
فرض کن یک فید، هشت موضوع داره و یکی‌شون کمی بیشتر به چشمت می‌آد. این مدل می‌سنجه که وقتی الگوریتم همان موضوع‌های پرطرفدار رو دوباره بیشتر نشان بده، سهم موضوع‌ها چطور به‌هم می‌خوره.
آزمایش رو شروع کناز ۵ کلیک و سوگیری ۰٫۵ شروع کن. امتیاز تنوع حدود ۸۹٫۵ درصد و تعداد مؤثر موضوع‌ها ۷ است؛ این «۷» شمارش واقعی پست‌ها یا موضوع‌هایی که حتماً دیده‌ای نیست.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
پنج کلیک دیگر
سوگیری رو روی ۰٫۵ ثابت نگه دار. تعداد کلیک‌ها رو از ۵ به ۱۰ ببر و امتیاز تنوع و تعداد مؤثر موضوع‌ها رو مقایسه کن.
حدست چیه؟ وقتی نتیجهٔ کلیک‌ها دوباره روی نمایش فید اثر بذاره، سهم موضوع محبوب چه تغییری می‌کنه؟
توضیح نتیجه رو ببین
در این قاعدهٔ ساختگی، امتیاز تنوع از حدود ۸۹٫۵ به ۲۹٫۶ درصد می‌رسه و تعداد مؤثر موضوع‌ها از ۷ به ۳ گرد می‌شه. مدل برای موضوع محبوب سهم بیشتری می‌سازه؛ این عددها دربارهٔ یک شبکهٔ اجتماعی واقعی نیستن.
سوگیری کم و زیاد
تعداد کلیک رو روی ۵ نگه دار. یک بار سوگیری رو روی ۰٫۱ و بار دیگر روی ۰٫۹ بذار و خروجی‌ها رو بخون.
حدست چیه؟ اگر الگوریتم سهم موضوع‌های قبلاً پرطرفدار رو بیشتر تقویت کنه، تنوع چه تغییری می‌کنه؟
توضیح نتیجه رو ببین
در این نمونه، سوگیری ۰٫۱ امتیاز تنوع حدود ۹۹٫۲ درصد و ۸ موضوع مؤثر می‌ده؛ سوگیری ۰٫۹ آن رو به حدود ۴۲٫۲ درصد و ۴ موضوع مؤثر می‌رسونه. این مدل یک رابطهٔ انتخاب‌شده برای تمرینه، نه اندازه‌گیری یک سامانهٔ پیشنهاددهنده.
قبل از هر کلیک
سوگیری رو روی ۰٫۵ بذار. تعداد کلیک رو یک بار صفر و بار دیگر ۵ کن؛ ببین فید پیش از بازخورد چه‌قدر متنوعه.
حدست چیه؟ اگر هیچ کلیکی ثبت نشده و همهٔ موضوع‌ها سهم یکسانی دارن، امتیاز تنوع باید نزدیک ۰ باشه یا ۱۰۰ درصد؟
توضیح نتیجه رو ببین
با صفر کلیک، سهم هر هشت موضوع برابر است و امتیاز تنوع ۱۰۰ درصد می‌شود. بعد از ۵ کلیک، سهم موضوع محبوب در این مدل بالا می‌ره و امتیاز به حدود ۸۹٫۵ درصد می‌رسه. این روند از فرمول همین نمونه می‌آد؛ برای الگوریتم‌های واقعی نتیجه قطعی نیست.
پشت این حرکت چه خبره؟
حلقهٔ بازخورد در یک فید فرضی
مدل برای هر کدام از ۸ موضوع یک وزن نگه می‌داره. سهمِ نمایش هر موضوع از وزنش و سوگیری الگوریتم به دست می‌آد؛ بعد هر کلیک به وزن همان موضوع‌ها بر اساس سهم نمایش و جذابیت فرضی‌شان اضافه می‌کنه. چیزی که بیشتر نشان داده می‌شه، در محاسبهٔ بعدی هم می‌تونه سهم بیشتری بگیره.
سوگیری، وزن‌های قبلی را پررنگ‌تر می‌کند
share_i = w_i^(1 + 4*bias) / sum_j w_j^(1 + 4*bias)
در این مدل، سهم نمایش با توانِ یک‌به‌علاوهٔ چهار برابر سوگیری از وزن به دست می‌آد. سوگیری بیشتر اختلاف سهم‌ها رو پررنگ‌تر می‌کنه؛ اگر همهٔ وزن‌ها برابر باشن، انتخاب سوگیری به‌تنهایی فید شروع رو نامتوازن نمی‌کنه.
تنوع و تعداد مؤثر موضوع‌ها
effectiveTopics = exp(-sum_i share_i * ln(share_i)); diversity = (effectiveTopics - 1) / 7
مدل اول آنتروپی سهم‌ها رو حساب می‌کنه و از آن تعداد مؤثر موضوع‌ها رو می‌سازه. امتیاز تنوع هم تعداد مؤثر رو بین یک و هشت به مقیاس صفر تا یک می‌بره. برای کارت «موضوع‌های دیده‌شده» همین تعداد مؤثر به نزدیک‌ترین عدد صحیح گرد می‌شه؛ شمارش واقعیِ عنوان‌های دیده‌شده نیست.
این مدل، رفتار یک پلتفرم واقعی نیست
فقط یک موضوع در این صفحه جذابیت کمی بیشتر داره و سهم هر موضوع با یک قاعدهٔ ثابت عوض می‌شه. آدم‌ها و محتوای واقعی این‌قدر ساده رفتار نمی‌کنن؛ صفحه‌ساز، زمان، هدف کاربر، دنبال‌کردن موضوع‌های تازه و انتخاب‌های گوناگون در این محاسبه نیستن.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
اگر کارت می‌گه ۴ موضوع، یعنی دقیقاً فقط چهار جور پست می‌بینم؟
نه. چهار، تعداد مؤثر موضوع‌هاست که از سهم‌های فرضی فید حساب و به عدد صحیح گرد شده؛ مدل پست یا موضوع مشخصی نمایش نمی‌ده. نقطه‌های شکل هم فقط نمادین‌اند و نمی‌گن دقیقاً کدام موضوع‌ها دیده شده‌اند.
سؤال‌های رایج
حباب فیلتر در این تمرین یعنی چه؟
اینجا اسم یک الگوی ساده در مدل است: چیزی که بیشتر نشان داده می‌شه، با چند فرض دوباره سهم بیشتری می‌گیره و تنوع سهم‌ها پایین می‌آد. این نتیجهٔ یک مثال آموزشی است، نه حکم کلی دربارهٔ هر فید آنلاین.
چرا با صفر کلیک تنوع ۱۰۰ درصد است؟
همهٔ وزن‌ها از یک شروع می‌شن، پس در شروع سهم هشت موضوع برابر است. وقتی سهم‌ها برابرند، تعداد مؤثر موضوع‌ها به هشت می‌رسه و امتیاز تنوع مدل ۱۰۰ درصد می‌شه.
تعداد موضوع‌های دیده‌شده یک شمارش واقعی است؟
نه. این خروجی تعداد مؤثر موضوع‌ها از آنتروپی است که به عدد صحیح گرد می‌شه. مدل نمی‌دونه کاربر واقعاً کدام موضوع یا پست را دیده.
سوگیری بیشتر همیشه در یک فید واقعی تنوع رو کم می‌کنه؟
این مدل با قاعدهٔ خودش و کلیک‌های ثبت‌شده چنین روندی می‌سازه؛ اما فید واقعی عوامل و انتخاب‌های بیشتری داره. از این نمودار نمی‌شه رفتار همهٔ سامانه‌های پیشنهاددهنده رو پیش‌بینی کرد.
دایره‌های رنگی هویت موضوع‌ها رو نشان می‌دن؟
نه. شکل از امتیاز تنوع و تعداد مؤثر موضوع‌ها برای ساختن یک طرح خلاصه استفاده می‌کنه؛ موضوع‌ها نام ندارن و جایگاه دایره‌ها از دادهٔ واقعی یا فید واقعی نیومده.