Escrito por: KarenZ, Foresight News
Título original: Explicación sencilla del nuevo algoritmo de recomendación de X: desde "extraer datos" hasta "puntuación"
¿Ha cambiado Musk el sistema de recomendación de Twitter de "reglas artificiales apiladas y la mayoría de algoritmos heurísticos" a "pura IA de gran modelo que adivina lo que te gusta"?
El 20 de enero, Twitter (X) reveló oficialmente su nuevo algoritmo de recomendación, es decir, la lógica detrás de la línea de tiempo "Para ti" (For You) en la página de inicio de Twitter.
En resumen, el algoritmo actual es: mezclar "el contenido publicado por las personas que sigues" y "el contenido de toda la red que podría gustarte" según una serie de acciones previas en X, como me gusta, comentarios, etc., ordenándolo según su atractivo para ti, pasando por dos filtros intermedios, y finalmente convirtiéndose en el flujo de información recomendada que ves.
A continuación, la lógica central traducida en términos sencillos:
Creación del perfil
El sistema primero recopila información contextual del usuario para crear un "perfil" para las recomendaciones posteriores:
-
Secuencia de comportamiento del usuario: historial de interacciones (me gusta, retweets, tiempo de permanencia, etc.).
-
Características del usuario: lista de seguidos, preferencias personales, etc.
¿De dónde viene el contenido?
Cada vez que actualizas la línea de tiempo "Para ti", el algoritmo busca contenido en los siguientes dos lugares:
-
Círculo de conocidos (Thunder): Tweets publicados por personas que sigues.
-
Círculo de desconocidos (Phoenix): Personas a las que no sigues, pero la IA, según tu gusto, buscará en la vasta red posts que podrían interesarte (incluso si no sigues al autor).
Estos dos grupos de contenido se mezclan, formando los tweets candidatos.
Completado de datos y filtrado preliminar
Después de extraer miles de posts, el sistema recupera los metadatos completos del post (información del autor, archivos multimedia, texto principal), un proceso llamado Hydration. Luego se realiza una limpieza rápida, eliminando contenido duplicado, posts antiguos, posts propios del usuario, contenido de autores bloqueados o palabras clave bloqueadas.
Este paso ahorra recursos de cálculo, evitando que contenido inválido entre en la fase central de puntuación.
¿Cómo se puntúa?
Esta es la parte más crucial. El modelo Transformer basado en Phoenix Grok examina cada uno de los posts candidatos restantes después del filtrado, calculando la probabilidad de que realices varias acciones sobre él. Es un juego de sumar y restar puntos:
Puntos a favor (retroalimentación positiva): La IA cree que podrías dar me gusta, retweetear, responder, hacer clic en la imagen o visitar el perfil.
Puntos en contra (retroalimentación negativa): La IA cree que podrías bloquear al autor, silenciarlo, reportarlo.
Puntuación final = (probabilidad de me gusta × peso) + (probabilidad de respuesta × peso) – (probabilidad de bloqueo × peso)...
Es importante destacar que en el nuevo algoritmo de recomendación, el Author Diversity Scorer (Puntuador de Diversidad de Autores) generalmente interviene después de que la IA calcula la puntuación final. Cuando detecta múltiples contenidos del mismo autor en un lote de posts candidatos, esta herramienta automáticamente "reduce" la puntuación de los posts posteriores de ese autor, haciendo que los autores que ves sean más diversos.
Finalmente, se ordenan según la puntuación y se seleccionan los posts con la puntuación más alta.
Filtrado secundario
El sistema vuelve a verificar los primeros posts con la puntuación más alta, filtra los que infringen normas (como spam, contenido violento), elimina duplicados de múltiples ramas de un mismo hilo, y finalmente los ordena de mayor a menor puntuación, convirtiéndose en el flujo de información que ves.
Resumen
X ha eliminado todas las funciones diseñadas manualmente y la mayoría de los algoritmos heurísticos de su sistema de recomendación. El avance central del nuevo algoritmo radica en "permitir que la IA aprenda automáticamente las preferencias del usuario", logrando un salto desde "decirle a la máquina qué hacer" hasta "dejar que la máquina aprenda por sí misma cómo hacerlo".
En primer lugar, las recomendaciones son más precisas, la "predicción multidimensional" se ajusta mejor a las necesidades reales. El nuevo algoritmo, basado en el gran modelo Grok, predice múltiples comportamientos del usuario: no solo calcula "si dará me gusta / retweeteará", sino también "si hará clic en el enlace", "cómo será el tiempo de permanencia", "si seguirá al autor", e incluso predice "si reportará / bloqueará". Este análisis refinado hace que la concordancia entre el contenido recomendado y las necesidades subconscientes del usuario alcance una altura sin precedentes.
En segundo lugar, el mecanismo del algoritmo es relativamente más justo, pudiendo romper, en cierta medida, el hechizo del "monopolio de las cuentas grandes", dando más oportunidades a cuentas nuevas y pequeñas: los antiguos "algoritmos heurísticos" tenían un problema fatal: las cuentas grandes, gracias a su alto historial de interacción, obtenían alta exposición sin importar el contenido, mientras que las cuentas nuevas, incluso con contenido de calidad, quedaban enterradas por "falta de acumulación de datos". El mecanismo de aislamiento de candidatos permite que cada post sea puntuado de forma independiente, sin importar "si otro contenido del mismo lote es viral". Simultáneamente, el Author Diversity Scorer también reduce el comportamiento de saturación de posts posteriores del mismo autor en el mismo lote.
Para la empresa X: Es una medida de reducción de costos y mejora de eficiencia, intercambiando potencia de cálculo por mano de obra, e IA por retención. Para los usuarios, nos encontramos frente a un "súper cerebro" que constantemente trata de adivinar nuestros pensamientos. Cuanto más nos entiende, más dependemos de él, pero precisamente porque nos entiende demasiado, caeremos más profundamente en la "burbuja de información" tejida por el algoritmo y seremos más susceptibles de ser capturados de forma precisa por contenido emocional.
Twitter:https://twitter.com/BitpushNewsCN
Grupo de Telegram de Bitpush:https://t.me/BitPushCommunity
Suscripción a Telegram de Bitpush: https://t.me/bitpush
