جوجل
#لينكدإن
#الذكاء_الاصطناعي
لينكدإن: نموذج LLM واحد يستبدل خمسة أنظمة تغذية
في خطوة تقنية جريئة، قامت منصة [[لينكدإن]] بإعادة تصميم نظام استرجاع التغذية الخاص بها بشكل جذري، مستبدلةً خمسة أنظمة منفصلة تعمل على معالجة البيانات بنموذج لغوي كبير (LLM) واحد. يهدف هذا التغيير الاستراتيجي إلى تحسين تجربة المستخدمين البالغ عددهم 1.3 مليار مستخدم، وتقديم محتوى أكثر تخصيصًا وذات صلة مهنيًا، بينما تسعى الشركة في الوقت ذاته إلى خفض التكاليف التشغيلية.
لطالما كانت أنظمة التوصية المعقدة في صلب تجربة المستخدم على منصات مثل لينكدإن، حيث تساهم بشكل كبير في تفاعل المستخدمين ورضاهم. ومع تزايد حجم البيانات وتوقعات المستخدمين، أصبح من الضروري تبني حلول أكثر كفاءة وذكاءً.
يوضح هذا التحول التزام لينكدإن بالاستفادة من أحدث التطورات في مجال الذكاء الاصطناعي. النموذج الجديد، الذي يركز على تقديم تجربة مستخدم فريدة، يعالج تحديات الحجم والتعقيد التي كانت تواجهها الأنظمة السابقة. كما تظهر الصورة المرفقة (صورة 1: crimedy7 illustration of a linkedin feed with code abstract - c06e1b00-840a-4fe3-b6b9-c1c3057c85f 2) تصورًا فنيًا لتغذية لينكدإن مع عناصر برمجية مجردة، مما يعكس الطبيعة التقنية لهذا التطور.
النموذج المولد للتوصيات وتحسين البنية التحتية
بالإضافة إلى دمج الأنظمة، طوّرت لينكدإن نموذجًا مولدًا للتوصيات (Generative Recommender) خاصًا بها. هذا النموذج المبتكر مصمم لإنشاء توصيات محتوى أكثر دقة وذات صلة، مما يعزز من جودة التغذية المعروضة للمستخدمين. كما يتضح من الصورة (صورة 2: LinkedIn ranking graphic)، فإن عملية الترتيب والتصنيف للمحتوى على لينكدإن تعتبر حجر الزاوية في تقديم تجربة مستخدم فعالة.
ولضمان قدرة البنية التحتية على التعامل مع المتطلبات الهائلة لنشر نماذج LLM على نطاق واسع، قامت لينكدإن بتحسين كبير في بنيتها التحتية للحوسبة. يشمل ذلك استغلال وحدات معالجة الرسوميات (GPUs) بفعالية أكبر، وهو أمر حيوي لتدريب ونشر النماذج اللغوية الكبيرة. تظهر الصورة (صورة 3: LinkedIn GPU graphic) كيف تستفيد لينكدإن من وحدات معالجة الرسوميات لدعم عملياتها المعقدة.
الاستفادة من الذكاء الاصطناعي لتعزيز التخصيص
يُعد هذا التغيير خطوة مهمة نحو تعزيز التخصيص على المنصة. فبدلاً من الاعتماد على أنظمة متعددة قد تتسبب في تباين النتائج، يوفر النموذج الموحد رؤية شاملة لاهتمامات المستخدمين وسلوكهم المهني، مما يمكنه من تقديم محتوى أكثر ملاءمة. هذا لا يقتصر على المقالات والمنشورات، بل يمتد ليشمل فرص العمل، والاتصالات المهنية، والدورات التدريبية.
تُظهر هذه الجهود كيف يمكن للشركات الكبرى تبني تقنيات الذكاء الاصطناعي المتقدمة لتحسين الكفاءة التشغيلية وتجربة المستخدم على حد سواء. إن القدرة على خدمة مليارات المستخدمين بنظام موحد يقلل من التعقيد ويزيد من المرونة.
من خلال دمج هذه التقنيات، لا تهدف لينكدإن فقط إلى تحسين تجربة التغذية، بل تسعى أيضًا لترسيخ مكانتها كمنصة رائدة في توفير حلول مهنية مبتكرة تعتمد على الذكاء الاصطناعي. هذا التطور يعكس الاتجاه العام في صناعة التكنولوجيا نحو الاعتماد المتزايد على النماذج اللغوية الكبيرة لتحليل البيانات الضخمة وتقديم خدمات أكثر ذكاءً.
ندعو قرّاءنا لمشاركة آرائهم حول تأثير هذه التغييرات على تجربتهم في استخدام لينكدإن. هل تعتقدون أن هذا التحديث سيجعل تغذية لينكدإن أكثر فائدة؟ شاركونا آراءكم في قسم التعليقات أدناه.
الأسئلة الشائعة
استبدلت لينكدإن خمسة أنظمة منفصلة لاسترجاع التغذية بنموذج لغوي كبير (LLM) واحد.
يهدف إلى تقديم تغذية أكثر تخصيصًا وذات صلة مهنيًا، بالإضافة إلى تقليل التكاليف التشغيلية.
طورت لينكدإن نموذجًا مولدًا للتوصيات (Generative Recommender) خاصًا بها.
التعليقات 0
سجل دخولك لإضافة تعليق
لا توجد تعليقات بعد. كن أول من يعلق!