Создатель контента на YouTube, который понимает, что необходимо адаптироваться к данным статистики, но понятия не имеет, как это сделать, похож на садовника, который хочет собирать урожай, не посадив в землю ни одного семени. Стать успешным садовником, равно как и профессионалом на YouTube, не получится в одночасье. Вы должны взять лопату и копать. Вначале на ваших метафорических руках появятся мозоли, но когда мышцы для поиска и анализа данных укрепятся, вы начнете раскапывать сеть подземных соединений, откроете для себя целый мир «как» и «почему» и поймете, что требуется для создания успешного контента.

Искусственный интеллект YouTube (ИИ) – это развивающаяся структура в экосистеме, и для ее понимания и использования придется потрудиться, хоть она и достаточно гибкая. Вам также нужно быть гибким, то есть уметь подгонять свои стратегии под то, что работает в настоящее время. Чем лучше вы в этом разбираетесь, тем выше шансы на успех.

Как современные пользователи YouTube, мы привыкли, что платформа предлагает интересное нам видео без каких-либо подсказок, но так было не всегда. Изначально YouTube был местом, где можно было найти ответы на вопросы (например, как сменить шину) или развлечься (например, посмотреть, как кошки играют на клавиатуре), или посмеяться над детскими видео вроде «Чарли укусил меня за палец». Он был построен на более простом алгоритме, который выдавал рекомендации неточно. Но сегодня YouTube имеет сложную систему машинного обучения, которая действительно умеет угадывать, чего хотят люди. Давайте подробнее рассмотрим, как изменился его ИИ со временем и почему это важно для вас.

Примерно в 2011 году YouTube начал вносить системные изменения с одной целью: заставить людей дольше оставаться на платформе. Специалист YouTube, работавший над этой проблемой, обнаружил несколько зияющих дыр в системе. Например, к тому времени огромная часть зрителей начала пользоваться мобильными устройствами, но у платформы не было точной системы отслеживания их поведения. Какой ужас! Еще работать и работать.

С июля 2010 года YouTube тестировал программу под названием Leanback, которая после окончания просмотра видео ставила в очередь следующие видео, готовые к загрузке. Поначалу количество просмотров возросло, но вскоре снизилось. Те же результаты были получены от другой программы ИИ под названием Sibyl.

YouTube объединил усилия с командой проекта по машинному обучению Google Brain, чьи разработки находились на шаг впереди в этой области. Задачей сотрудничества было создание системы, позволяющей максимально долго удерживать зрителей на платформе. 15 марта 2012 года YouTube переключился с алгоритма, учитывающего количество просмотров видео, на алгоритм, который принимал во внимание только продолжительность просмотра. ИИ следовал за каждым зрителем, чтобы убедиться, что подобрал нужный контент. Его функцией также было рекомендовать подобные видео, но не абсолютно похожие. Подобные – это видео на ту же тему, но довольно сильно отличающиеся, такие видео нужны, чтобы сохранить интерес. Абсолютные копии отталкивали зрителей, потому что им приходилось смотреть одно и то же, как будто на повторе.

YouTube стремился максимально сократить для зрителей время поиска нужного или интересного им видео, чтобы они «смотрели дольше, а кликали меньше». ИИ мог лучше «вычислять» контент, который нравится, чтобы зрители проводили больше времени именно за его просмотром.

Это смещение акцента на время просмотра изменило аудиторию YouTube: люди и правда начали оставаться на сайте дольше. Вводящая в заблуждение тактика кликбейта больше не вознаграждалась ИИ, потому что зрители быстро уходили, если в видео не было того, что обещали заголовок и превью. Зрители досматривали те видео, которые содержали именно то, что им было нужно. ИИ отслеживал ролики с большей продолжительностью просмотра и чаще рекомендовал их. Кроме того, зрители оставались, чтобы увидеть, что им порекомендуют дальше, потому что это было похоже на то, что им интересно.

Другими словами, зрители ловили приманку нового искусственного интеллекта вместе с крючком, леской и грузилом. Он заставлял их остаться, а разработчики были все себя от радости. Они внимательно следили за статистикой переключений и, затаив дыхание, ждали, сработает новый подход или провалится. К маю 2012 года, всего через несколько месяцев после интеграции нового ИИ, данные показали, что среднее время просмотра в четыре раза превысило прошлогодние показатели. Коллективный вздох облегчения.

Со временем искусственный интеллект позволил создать персональную ленту рекомендаций для каждого зрителя. Сейчас на главной странице каждого аккаунта представлены видео, подобранные на основе интересов его владельца. ИИ умеет со сверхъестественной точностью предсказывать, что зритель, возможно, захочет посмотреть. Это революционные изменения. Вы больше не покидаете платформу из-за того, что следующее видео – просто еще одна версия только что просмотренного. Вы остаетесь, чтобы кликнуть на то, которого никогда раньше не видели, но оно определенно вас привлекло. Как будто YouTube нанял портного, который снял с вас мерки и сшил наряд, о котором вы даже не задумывались, но он сидит как влитой и не напоминает ни одну из ваших старых вещей.

Для дальнейших объяснений давайте перемотаем историю назад и кое-что вспомним. На рубеже первого десятилетия XXI века YouTube столкнулся с некоторыми суровыми истинами. Первая из них: зрители часто смотрели видео с других платформ, а не заходили к ним напрямую. Это лишало возможности собирать статистику о пользователях, а также сохранять ее и использовать для монетизации.

Другая суровая истина: у YouTube были разные операционные программы для разных устройств и приложений, поэтому им нужно было собрать все части и перезагрузить операционную систему в одном месте прямо из источника. Поразительно, но у платформы не было даже встроенной системы для анализа использования мобильных устройств, что было неприятным фактом, поскольку огромный процент зрительской аудитории пользовался телефонами и планшетами. Их древняя мобильная версия была настолько медленной, что с этим срочно нужно было что-то делать.

В 2012 году была создана InnerTube – программа для штаб-квартиры YouTube, предназначенная для обновления алгоритмов и разработок «сверху вниз». InnerTube перезагружала систему и наблюдала за процессом, чтобы убедиться, что все встало на свои места правильно и быстро. Крайне важно, чтобы обновление внедрялось оперативно и тестировалось по всем направлениям. Если оно не срабатывало, его нужно было успеть отменить, чтобы оно не повредило систему. После корректировки попытку повторяли.

Еще одной важной частью перезагрузки было использование глубокого машинного обучения. Искусственный интеллект Google прошел несколько этапов разработки и применения и становился все лучше и лучше. Теперь он был способен использовать гигантские нейронные сети, которые хорошо справлялись с такими вещами, как рекомендации и поиск. Глубокое обучение выходит за рамки базового машинного обучения, поскольку оно создано для имитации человеческих нейронных сетей и умеет делать нелинейные выводы.

Исходные данные для глубокого машинного обучения на YouTube были получены из анализа действий пользователей. Отслеживалось не только их «позитивное» поведение (например, какие видео им нравились и они продолжали их смотреть), но и «негативное» (например, что они пропустили или даже удалили со своей стартовой страницы или из рекомендаций). Такой всестронний мониторинг критично важен для точности алгоритма. Эта нейронная сеть стала настолько совершенна, что даже может предсказывать, что пользователь будет делать с новыми или незнакомыми видео, основываясь на его нынешнем поведении. Утверждение «у него есть собственный разум» – не такая уж большая натяжка. ИИ на самом деле не наблюдает за общим поведением пользователя в Интернете: его интересует только то, что имеет отношение к YouTube. Это важно, потому что позволяет поддерживать высокую точность выдаваемых рекомендаций.

Как?

Допустим, вы зашли на google.com и набрали в строке поиска «стейкхаусы в Лос-Анджелесе». Приведет ли это к тому, что, зайдя позже на youtube.com, вы увидите в рекомендациях видео о том, как приготовить идеальный стейк на гриле? Или видео-тур по Лос-Анджелесу? Скорее всего, нет. Но если вы наберете «как приготовить идеальный стейк на гриле» прямо в строке поиска YouTube и нажмете на первое рекомендуемое видео, следующим роликом может стать «Самый сильный человек в мире: целый день чревоугодия», а затем – «Как очистить чугунную сковороду». Эти вторичные видео не имеют ничего общего со стейком, но, как вам кажется, на какие видео вы, вероятнее всего, продолжите кликать? Машина глубокого обучения знает, что делает. А YouTube и его экосистема получают прямую выгоду, потому что, когда зрители смотрят больше видео, каждый, кто зарабатывает на этом, получает больше денег, а бренд получает больше рекламы.

Каждый день YouTube рекомендует пользователям сотни миллионов видео на десятках разных языков в каждом уголке мира. На его предложения приходится 75 % времени, которое люди проводят на платформе.

В 2012 году ежедневное время просмотров составляло в среднем около ста миллионов часов. В 2019 году этот показатель достиг умопомрачительного миллиарда часов в день. Один миллиард часов видеоконтента ежедневно потребляется зрителями на одном ресурсе! За семь лет и тысячи, если не десятки тысяч выполненных настроек и корректировок искусственный интеллект стал практически безошибочно рекомендовать видео, которые зрители смотрели бы дольше. Он стал опытным цифровым садовником, который знает, какой продукт выращивать для каждого клиента, основываясь на видео, которыми они «питаются». Вы также можете стать мастером-садовником YouTube, когда вооружитесь правильными инструментами. Просто возьмите свою лопату, потому что мы все еще осваиваем целину.