5.3.1 Netflix کے انعام

Netflix کے انعام کی پیشن گوئی کرنے کے لئے لوگوں کو پسند کرے گا جس فلمیں کھلے کال کا استعمال کرتا ہے.

سب سے زیادہ معروف کھلے کال کے منصوبے کی Netflix انعام ہے. Netflix کے ایک آن لائن فلم کا کرایہ کمپنی ہے، اور 2000 میں یہ صارفین کے لئے فلموں کی سفارش کرنے Cinematch، ایک سروس کا آغاز کیا. مثال کے طور پر، Cinematch آپ سٹار وار اور سلطنت حملوں پسند کیا کہ واپس اور پھر آپ Jedi کی واپسی دیکھتے ہیں مشورہ ہے کہ محسوس کر سکتے ہیں. ابتدائی طور پر، Cinematch غیر تسلی بخش کام کیا. لیکن، بہت سے سال کے دوران، Cinematch گاہکوں لطف اندوز کرے گا جو فلم کی پیشن گوئی کرنے کی صلاحیت کو بہتر بنانے کے لئے جاری رکھا. 2006 کی طرف سے، تاہم، Cinematch پر پیش رفت متزلزل. Netflix کے میں محققین وہ سوچ سکتا ہے بہت زیادہ سب کچھ کوشش کی تھی، لیکن ایک ہی وقت میں، وہ انہیں ان کے نظام کو بہتر بنانے میں مدد مل سکتی ہے کہ دوسرے خیالات تھے کہ مشتبہ. ایک کھلے کال: اس طرح، وہ اپ کیا تھا کے ساتھ، وقت، ایک انقلابی حل آیا.

Netflix کے انعام کی ممکنہ کامیابی کے لئے اہم کھلے کال ڈیزائن کیا گیا تھا کہ کس طرح تھا، اور اس کے ڈیزائن سوشل ریسرچ کے لئے استعمال کیا جا سکتا ہے کہ کس طرح کھلے کال کے لئے اہم سبق ہے. Netflix کے صرف وہ سب سے پہلے ایک کھلے کال پر غور کریں جب بہت سے لوگوں کا تصور کیا ہے جس میں خیالات کے لئے ایک درخواست کو اسنرچت، باہر نہیں ڈالی. بلکہ، Netflix کے ایک سادہ تشخیص کے معیار کے ساتھ ایک واضح مسئلہ درپیش ہے: وہ 3 کروڑ منعقد آؤٹ ریٹنگز کی پیشن گوئی کرنے کے لئے 100 ملین فلم کی درجہ بندیوں کا ایک مجموعہ استعمال کرنے کے لئے لوگوں کو چیلنج کیا (کہ صارفین کو بنایا تھا ریٹنگز لیکن Netflix کے جانے نہ دیا کہ). 10٪ بہتر Cinematch سے زیادہ 1 ملین ڈالر جیت گے 3 ملین منعقد آؤٹ ریٹنگز کی پیشن گوئی کر سکتا ہے کہ ایک الگورتھم پیدا کر سکتا ہے جو کوئی بھی. یہ واضح اور آسان تشخیص کے معیار-کا موازنہ منعقد آؤٹ کی پیش گوئی کی ریٹنگ کے لاگو کرنے کے لئے کی درجہ بندیوں مراد ہے کہ Netflix کے انعام کے حل کے پیدا مقابلے میں چیک کرنے کے لئے آسان ہے کہ اس طریقے سے بنائے گئے کیا گیا تھا؛ یہ ایک کھلا کال کے لئے موزوں ایک مسئلہ میں Cinematch بہتر بنانے کے چیلنج کر دیا.

2006 کے اکتوبر میں، Netflix کے (ہم 6 باب میں یہ اعداد و شمار کی رہائی کی رازداری مضمرات پر غور کریں گے) کے بارے میں کے بارے میں 500،000 صارفین کی طرف سے 100 ملین مووی ریٹنگز استعمال ڈیٹاسیٹ جاری کیا. Netflix کے اعداد و شمار کے 20،000 فلموں کی طرف سے تقریبا ہے 500،000 صارفین کو ایک بہت بڑا میٹرکس کے طور پر تصور کیا جا سکتا ہے. اس میٹرکس کے اندر اندر، 1 سے 5 ستارے (ٹیبل 5.2) سے ایک پیمانے پر تقریبا 100 ملین ریٹنگز موجود تھے. چیلنج 3 کروڑ منعقد آؤٹ ریٹنگز کی پیشن گوئی کرنے کی میٹرکس میں منایا ڈیٹا استعمال کرنے کے لئے تھا.

دنیا بھر کے محققین اور ہیکروں چیلنج کرنے کے لئے تیار کر رہے تھے، اور 2008 تک 30،000 سے زیادہ لوگوں کو اس پر کام کر رہے تھے (Thompson 2008) . مقابلہ کے دوران، Netflix کے 5،000 سے زائد ٹیموں سے 40،000 سے زائد مجوزہ حل موصول ہونے (Netflix 2009) . ظاہر ہے، Netflix کے پڑھا اور ان تمام مجوزہ حل نہیں سمجھ سکے. پوری بات کے حل کی جانچ پڑتال کرنے کے لئے آسان تھے کیونکہ، تاہم، آسانی سے بھاگ گیا. Netflix کے صرف ایک کمپیوٹر ایک پہلے سے متعین کردہ میٹرک (مخصوص میٹرک ان کا مطلب مربع خرابی کی مربع جڑ تھا استعمال کیا) کی طرف سے منعقد آؤٹ ریٹنگز کی پیش گوئی کی درجہ بندیوں کا آپس میں موازنہ کر سکتے ہیں. یہ فوری طور پر کی Netflix فعال یقین ہے کہ اچھے خیالات کچھ حیرت انگیز مقامات سے آئے کیونکہ اہم ثابت ہوا جس میں ہر شخص، سے حل کو قبول کرنے کے لئے حل کا اندازہ کرنے کے لئے اس کی صلاحیت تھی. سچ تو یہ ہے، جیتنے کے حل تین محققین کوئی پیشگی تجربہ عمارت مووی سفارش نظام تھا کہ نے شکریہ ایک ٹیم کی طرف سے پیش کیا گیا تھا (Bell, Koren, and Volinsky 2010) .

Netflix کے انعام سے ایک خوبصورت پہلو یہ ہے کہ ان کے حل منصفانہ اندازہ ہے کرنے کے لئے دنیا میں سب سے چالو حالت میں ہیں ہے. لوگوں کو ان کی پیش گوئی ریٹنگز اپ لوڈ کیا کرتے ہیں، وہ ان کی تعلیمی اسناد، ان کی عمر، نسل، جنس، جنسی رجحان، یا خود کے بارے میں کچھ اپ لوڈ کرنے کی ضرورت نہیں تھی. اس طرح، سٹینفورڈ سے ایک مشہور پروفیسر کی پیش گوئی ریٹنگز بالکل اس کے کمرے میں ایک نوجوان سے ان لوگوں کے طور پر ایک ہی علاج کیا گیا. بدقسمتی سے، یہ زیادہ تر سماجی تحقیق میں سچ نہیں ہے. یہ سب سے زیادہ سوشل ریسرچ، تشخیص میں بہت وقت لگتا ہے اور جزوی طور ساپیکش ہے، ہے. لہذا، سب سے زیادہ تحقیق خیالات سنجیدگی کا اندازہ کبھی نہیں رہے ہیں، اور جب خیالات تعین کر رہے ہیں، یہ خیالات کے خالق کی طرف سے ان کے اندازہ جدا کرنے کے لئے مشکل ہے. کیونکہ مسائل کے حل کی جانچ پڑتال کرنے کے لئے آسان ہیں، کھلے کالز محققین وہ صرف مشہور پروفیسروں سے حل سمجھا ہے تو درار کے ذریعے گر گی کہ تمام ممکنہ طور پر شاندار کے حل تک رسائی حاصل کرنے کی اجازت دیتے ہیں.

مثال کے طور پر، سکرین کے نام کے ساتھ Netflix کے انعام کسی کے دوران ایک موقع پر شمعون فنک ایک واحد قدر سڑن کی بنیاد پر ان کے بلاگ مجوزہ حل پر پوسٹ کیا، دیگر شرکاء کی طرف سے پہلے استعمال نہیں کیا گیا تھا کہ لکیری الجبرا سے ایک نقطہ نظر. فنک کے بلاگ پوسٹ کو بیک وقت تکنیکی اور عجیب طرح سے غیر رسمی تھا. اس بلاگ پوسٹ کو ایک اچھا حل بیان کرنے یا اس کو وقت کا ضیاع کیا گیا تھا؟ ایک کھلے کال کے منصوبے سے باہر، حل سنگین تشخیص کبھی نہیں موصول ہوئی ہے ہو سکتا ہے. تمام سائمن فنک کیل ٹیک یا ایم ائی ٹی میں پروفیسر نہیں تھا کے بعد؛ انہوں نے ایک سافٹ ویئر ڈویلپر کون، وقت، نیوزی لینڈ کے گرد backpacking کے گیا تھا (Piatetsky 2007) . وہ Netflix کے اوپر ایک انجنیئر کے لیے اس خیال کو ای میل کیا تھا، تو یہ تقریبا یقینی طور پر سنجیدگی سے لیا گیا ہے نہیں کرے گا.

خوش قسمتی سے، تشخیص کے معیار کو واضح اور لاگو کرنے کے لئے آسان تھے، کیونکہ ان کی پیش گوئی ریٹنگز تعین کیا گیا، اور یہ فوری طور پر واضح ان کے نقطہ نظر بہت طاقتور تھا. وہ مقابلہ میں چوتھے مقام پر پہنچے، ایک زبردست نتیجہ دیئے دوسری ٹیموں نے پہلے ہی کیا گیا تھا کہ مسئلہ پر ماہ کے لئے کام کر رہے ہیں. آخر میں، سائمن فنک کی اپروچ کے کچھ حصوں تقریبا تمام سنگین حریف کی طرف سے استعمال کیا گیا تھا (Bell, Koren, and Volinsky 2010) .

حقیقت یہ ہے کہ سائمن فنک، ان کے نقطہ نظر کی وضاحت کی بجائے اسے خفیہ رکھنے کی کوشش کے مقابلے میں ایک بلاگ پوسٹ لکھنے کے لئے انتخاب کیا ہے کہ، بھی Netflix کے انعام میں بہت سے شرکاء کو خصوصی طور پر ایک ملین ڈالر انعام سے تحریک نہیں کیا گیا کہ وضاحت کرتا ہے. بلکہ بہت سے شرکاء نے دانشورانہ چیلنج اور برادری مسئلہ کے ارد گرد تیار ہے کہ لطف اندوز کرنے کے لئے لگ رہا تھا (Thompson 2008) ، احساسات مجھے توقع ہے کہ بہت سے محققین کو سمجھ سکتے ہیں.

Netflix کے انعام ایک کھلے کال کی ایک کلاسک مثال ہے. Netflix کے (فلم ریٹنگز کی پیشن گوئی) ایک مخصوص مقصد کے ساتھ ایک سوال درپیش ہے اور بہت سے لوگوں سے حل کروایا. ان کے تخلیق کرنے کے مقابلے میں اس بات کی تصدیق کرنے کے لئے آسان تھے کیونکہ Netflix کے ان تمام مسائل کے حل کا اندازہ کرنے کے قابل تھا، اور بالآخر Netflix کی سب سے بہترین حل اٹھایا. اس ایک ہی نقطہ نظر حیاتیات اور قانون میں استعمال کیا جا سکتا ہے کہ کس طرح اگلا، میں تمہیں دکھاتا ہوں.