5.3.1 Netflix mukofoti

Netflix mukofoti odamlar kabi bo'ladi filmlar oldindan ochiq qo'ng'iroq foydalanadi.

Eng taniqli ochiq loyiha - Netflix mukofoti. Netflix onlayn kino lizing kompaniyasi bo'lib, 2000 yilda mijozlarga filmlarni taklif qilish uchun "Cinematch" xizmatini ishga tushirdi. Misol uchun, kinematograf Star Wars va Empire Strikes Back yoqdi va Jedi qaytarib ko'rishni tavsiya qilamiz. Dastlab, kinematom yomon ishlamadi. Biroq, ko'p yillar mobaynida u mijozlarning qaysi filmlarini zavqlanishlarini oldindan bilish qobiliyatini yaxshilashda davom etdi. Ammo, 2006 yilga kelib, kinematografiyada muvaffaqiyatga erishildi. Netflix'dagi tadqiqotchilar o'zlari haqida o'ylaydigan hamma narsalarni sinab ko'rishgan, biroq ayni paytda, ularning tizimini yaxshilashga yordam beradigan boshqa g'oyalar borligiga shubha qilishgan. Shunday qilib, ular o'sha paytda, radikal yechim bilan keldi: ochiq chaqiriq.

Netflix mukofotining yakuniy muvaffaqiyati uchun ochiq tanlov qanday yaratilganligi va bu dizayn ijtimoiy tadqiqotlarda qanday qilib ochiq chaqiriqlardan foydalanish mumkinligi borasida muhim saboqlarga ega. Netflix nafaqat g'oyalar uchun tuzilgan talablarni qo'yibgina qolmay, balki ko'pchilik odamlar birinchi marta ochiq suhbatni boshlaganini tasavvur qilishadi. Aksincha, Netflix oddiy baholash tartibi bilan aniq muammo tug'dirdi: ular odamlarga 3 millionta o'tkaziladigan reytinglarni (foydalanuvchi tomonidan tuzilgan, ammo Netflix tomonidan chiqarilgan reytinglar) taxmin qilish uchun 100 million kino reytingidan foydalanishga shikoyat qildilar. Kinemattsiyaga qaraganda, 3 mln. Ovozli reytingni 10% ga ko'paytirishni rejalashtirgan algoritmni yaratgan birinchi kishi million dollar oladi. Ushbu aniq va oson qo'llaniladigan baholash amaliyoti - prognozli reytinglarni o'tkazib yuborilgan reytinglar bilan taqqoslash - Netflix mukofoti ishlab chiqarilishdan ko'ra osonroq tekshirilishi mumkin bo'lgan tarzda shakllantirilganligi; kinematografni ochiq suhbatlar uchun mos keladigan muammoga aylantirish muammolarini hal qildi.

2006 yil oktyabr oyida Netflix taxminan 500 000 mijozdan 100 million kino reytingini o'z ichiga olgan ma'lumotlar to'plamini chiqardi (biz ushbu ma'lumotni 6-bobda maxfiylikka ta'sirini ko'rib chiqamiz). Netflix ma'lumotlari 20,000 film tomonidan taxminan 500 ming mijozga ega bo'lgan katta matritsa sifatida kontseptuallashtirilishi mumkin. Ushbu matritsa doirasida birdan besh gacha bo'lgan yulduzlar miqdori bo'yicha taxminan 100 mln. Reyting bor edi (5.2-jadval). Qiyinchilik matritsada kuzatilgan ma'lumotlardan 3 millionta o'tkaziladigan reytingni taxmin qilish uchun ishlatilgan.

Dunyo bo'ylab tadqiqotchilar va xakerlar bu muammolarga jalb qilindi va 2008 yilga kelib 30 mingdan ortiq kishi ishlamoqda (Thompson 2008) . Bellashuv davomida Netflix 5000 dan ortiq guruhdan taklif etilgan 40 mingdan ziyod echimni qabul qildi (Netflix 2009) . Shubhasiz, Netflix bu taklif qilingan echimlarni o'qib chiqa olmadi. Biroq, hamma narsa muammosiz yugurdi, chunki echimlar tekshirish oson. Netflix faqat oldindan belgilangan metrika (o'rtacha kvadratik xatoning kvadrat ildizlari ishlatilgan metrik) yordamida hisoblangan reytinglarni o'tkaziladigan reytinglar bilan taqqoslash uchun kompyuterga ega bo'lishi mumkin. Netflix ni har kimdan echimlarni qabul qilishga imkon beradigan echimlarni tezda baholash qobiliyati shu edi, chunki bu yaxshi g'oyalar hayratlanarli joylardan kelgan. Darhaqiqat, qozongan yechim oldindan tajribaga ega bo'lmagan kino taklif tizimini (Bell, Koren, and Volinsky 2010) uchta tadqiqotchi tomonidan boshlangan jamoa tomonidan taqdim etildi.

Netflix mukofotining eng yaxshi jihati, taklif etilgan barcha echimlarni adolatli baholashga imkon berdi. Ya'ni, odamlar o'zlarining prognozli reytinglarini yuklaganlarida, ularning ilmiy ma'lumotlarini, yoshini, irqini, jinsini, jinsiy orientatsiyasini yoki o'zlariga tegishli narsalarni yuklashlari shart emas edi. Stenforddan taniqli professorning prognozli bahosi yotoqxonasidagi o'smirlardan farqli o'laroq baholandi. Afsuski, bu aksariyat ijtimoiy tadqiqotlar uchun to'g'ri emas. Ya'ni, ijtimoiy tadqiqotlar ko'pchiligi uchun baholash juda ko'p vaqt talab qiladi va qisman sub'ektivdir. Demak, tadqiqot g'oyalarining ko'pchiligi hech qachon jiddiy baho bera olmaydi va fikrlarni baholashda bu fikrlarni g'oyalarni yaratuvchisidan ajratish qiyin. Boshqa tomondan, qo'ng'iroq loyihalarini oching, ular oson va adolatli bahoga ega bo'lishlari uchun, aks holda ularni o'tkazib yuboradigan fikrlarni topishlari mumkin.

Misol uchun, Netflix mukofoti vaqtida Simon Funk ismli kishi o'z blogida yagona ishtirokchi qiymatni ajralib chiqish bo'yicha taklif qilingan yechimni, boshqa ishtirokchilar tomonidan ishlatilmaydigan chiziqli algebra asosida yechim taklif qildi. Funkning blogi bir vaqtning o'zida texnik va g'alati norasmiy edi. Yaxshi echimni tasvirlaydigan ushbu blog yozuvi yoki u vaqtni sarflashmi? Ochiq chaqiruv loyihasi tashqarisida hal qilish hech qachon jiddiy baho olmagan bo'lishi mumkin. Endilikda Simon Funk MITda professor emas edi; u Yangi Zelandiya atrofida yuz bergan (Piatetsky 2007) dasturiy ta'minot ishlab chiqaruvchisi edi. Agar u bu fikrni Netflix'dagi muhandisga jo'natganida edi, u deyarli o'qilmas edi.

Yaxshiyamki, baholash mezonlari aniq va oson bajarilishi uchun uning taxmin qilingan baholari baholandi va uning yondashuvi juda kuchli ekanligi darhol ma'lum bo'ldi: u raqobatdagi to'rtinchi o'rinni egalladi, natijada boshqa jamoalar allaqachon ishtirok etdi muammo bo'yicha oylar davomida ishlash. Oxir-oqibat uning yondashuvlari deyarli barcha jiddiy raqiblar tomonidan qo'llanilgan (Bell, Koren, and Volinsky 2010) .

Endilikda Simon Funk o'zining yondashuvini tushuntiruvchi blog postini yozishni tanlaganligi, Netflix mukofoti ishtirokchilarining ko'pchiligi million dollarlik sovg'a bilan emas, balki uni maxfiy tutishga harakat qilmasligini ham ko'rsatmoqda. Aksincha, ko'plab ishtirokchilar intellektual kurashdan va muammolar atrofida rivojlangan jamoalardan bahra oladilar (Thompson 2008) , ko'plab tadqiqotchilar tushunadigan narsalar hissi.

Netflix mukofoti ochiq suhbatning klassik namunasidir. Netflix ma'lum bir maqsadga (kino baholarini taxmin qilish) savol bergan va ko'plab odamlardan takliflarni talab qilgan. Netflix ushbu echimlarni baholashga muvaffaq bo'ldi, chunki ular yaratishni nazorat qilishdan osonroq edi va natijada Netflix eng yaxshi echimni tanladi. Keyin biologiya va qonunchilikda va million dollarlik mukofotdan qanday foydalanish mumkinligini sizga ko'rsataman.