Elon Musk hat den Empfehlungsalgorithmus der X-Plattform in die Transformer-Architektur umgeschrieben und Open Source gestellt, aber die Modellgewichte und Trainingsdaten nicht veröffentlicht.
(Frühere Zusammenfassung: Musk kämpft online gegen OpenAI: Der einst „Top-Gun“ fordert 134 Milliarden Dollar, doch die Nostalgie weicht letztlich dem Geschäft?)
(Hintergrund: In „Der ultimative Leitfaden zum Geldverdienen mit Artikeln auf X“: Musk führt X Articles mit doppeltem Ertrag, Zielgruppen-Targeting, Faktenpräsentation, Reduktion von Füllwörtern und Abonnentenwerbung ein…)

Inhaltsverzeichnis

• Vom harten Regelwerk zum umfassenden KI-Vorhersagewechsel
• Empfehlungs-Score-Formel zeigt „Aufmerksamkeitswirtschaft“
• Open-Source-Bereich und Grenzen der Black-Box

Am 20. Januar, US-Zeit, lädt Elon Musk den neuen Code „Phoenix“ für den Empfehlungsalgorithmus der X-Plattform auf GitHub hoch. Die Dokumente zeigen, dass das System sich vollständig von manuellen Feature-Engineering-Methoden wegbewegt hat und stattdessen eine Transformer-basierte KI-Architektur nutzt, aber die Modellgewichte und Trainingsdaten nicht mit veröffentlicht wurden.

Vom harten Regelwerk zum umfassenden KI-Vorhersagewechsel

In den letzten zehn Jahren basierte die Tweet-Reihung bei X (ehemals Twitter) hauptsächlich auf von Ingenieuren festgelegten „Wenn…dann…“-Regeln, z.B. Keywords, Follower-Beziehungen oder Verweildauer. Laut der jetzt offengelegten Code-Struktur von X wurde der Großteil der manuellen Features entfernt und durch eine Transformer-Analyse ersetzt, die das Nutzerverhalten anhand einer Sequenz verarbeitet, ähnlich wie bei xAI’s Grok.

Likes, Shares, Blockieren, Verweildauer usw. werden als aufeinanderfolgende Ereignisse betrachtet, wobei das Modell die Wahrscheinlichkeit für den nächsten Schritt vorhersagt, um die Sichtbarkeit und Reichweite der Inhalte zu steuern.

Empfehlungs-Score-Formel zeigt „Aufmerksamkeitswirtschaft“

Im Git-Dokument ist die Kernberechnung vereinfacht dargestellt:

Score = Σ (Probability × Weight)

Das bedeutet, es wird die Wahrscheinlichkeit geschätzt, dass ein Nutzer bei einem einzelnen Tweet bestimmte Aktionen ausführt, multipliziert mit den vom Plattform-Algorithmus festgelegten Gewichten.

Beispielsweise, wenn die Like-Wahrscheinlichkeit 60% und die Block-Wahrscheinlichkeit 5% beträgt, und die Plattform „Likes“ positiv gewichtet, „Blocks“ negativ, beeinflusst der endgültige Score direkt, ob der Tweet in die Empfehlung gelangt. Das Dokument weist darauf hin, dass die Verweildauer sogar auf Sekundenebene quantifiziert werden kann, was Content-Ersteller stärker auf „Verweildauer“ ausrichtet. Die genauen Gewichtungswerte der Aktionen sind im Code jedoch nicht offen gelegt.

Open-Source-Bereich und Grenzen der Black-Box

Obwohl der Code einsehbar ist, sind die tatsächlichen Modellparameter und vollständigen Trainingsdaten nicht veröffentlicht. Marktanalysen sehen im Vergleich zu TikTok oder Meta, die komplett geschlossen sind, bei Phoenix zumindest einen Einblick in den Rechenprozess; aber ohne Gewichte können externe Entwickler die Empfehlungsqualität nicht validieren oder das Modell reproduzieren.

Dies steht im Gegensatz zu den ersten Open-Source-Teilen bei X im Jahr 2023, bei denen einige Parameter sichtbar gemacht wurden. Musk reagierte auf Transparenzkritik von Slashdot und anderen Communities mit „Showcase-Open-Source“, behielt aber die eigentliche geschäftliche Schutzmauer.

Phoenix symbolisiert auch die Integration des Tech-Stacks von X und xAI: X speist Grok mit großen Echtzeit-Interaktionsdaten, das wiederum die Traffic-Verteilung steuert, wodurch ein geschlossener Kreislauf entsteht.