マスクはXの推奨アルゴリズムを書き換え、Transformerアーキテクチャをオープンソース化したが、モデルの重みや訓練データは公開していない。
（前提：マスクのOpenAIへのオンライン抗議：かつての「トップ大哥」が1340億ドルを要求、思い出は結局ビジネスに敗れる？）
（補足：Xプラットフォーム上で記事を書いて稼ぐ究極ガイド》マスクがX Articlesの収益倍増、ターゲット設定、事実提示、無駄話削減、購読促進… ）

この記事の目次

• ハードルールからAI予測への全面切替
• 推薦スコア式が示す「注意力経済」
• オープンソース範囲とブラックボックスの境界

米国時間1月20日、イーロン・マスクはXプラットフォームの新しい推薦アルゴリズム「Phoenix」のコードをGitHubにアップロードした。ドキュメントによると、システムは従来の手動特徴工学から完全にTransformerを中心としたAIアーキテクチャに移行しているが、モデルの重みや訓練データは公開されていない。

ハードルールからAI予測への全面切替

過去10年以上、X（旧Twitter）のツイートの並び順は、エンジニアが定めた「もし…なら…」ルールに依存していた。例えばキーワード、フォロー関係、滞留時間などだ。現在公開されたコード構造によると、Phoenixは大部分の手動特徴を排除し、xAI傘下のGrokと同源のTransformerを用いてユーザー行動のシーケンスを解析している。

いいね、シェア、ブロック、閲覧時間などの動作は連続イベントとみなされ、モデルは確率分布を通じて次の動作を予測し、コンテンツの露出度と範囲を決定する。

推薦スコア式が示す「注意力経済」

Gitのドキュメントでは、最も核心的な計算ロジックが次のように簡略化されている：

Score = Σ (Probability × Weight)

これは、ユーザーが特定のツイートに対して引き起こすさまざまな行動の確率を推定し、それにプラットフォーム設定の重みを掛け合わせることを意味している。

例えば、いいねの確率が60%、ブロックの確率が5%の場合、プラットフォームが「いいね」に正の重み、「ブロック」に負の重みを与えると、最終スコアはそのツイートが推薦流に入るかどうかに直接影響する。ドキュメントによると、滞留時間は秒単位まで量化可能であり、コンテンツクリエイターはアルゴリズムに「滞留させる」ことをより意識させられる。具体的な行動の重み値については、コードベースは公開されていない。

オープンソース範囲とブラックボックスの境界

コードは閲覧可能だが、実際のモデルパラメータや完全な訓練データは公開されていない。市場分析では、TikTokやMetaの完全閉鎖と比べて、Phoenixは少なくとも計算の流れを示しているとされるが、重みが欠如しているため、外部の開発者は推薦効果を検証できず、モデルを再現することもできない。

これは、2023年にXが最初に一部パラメータをオープンソース化した際の状況と対比される。マスクは「展示的オープンソース」を通じて、Slashdotなどのコミュニティからの透明性に関する疑問に応えたが、実際の商業的な競争優位性は守られている。

Phoenixはまた、XとxAIの技術スタックがすでに統合されていることを示している。Xプラットフォームは膨大なリアルタイムインタラクションデータをGrokに供給し、Grokが流量配分を主導する閉ループを形成している。