Маск переписав алгоритм рекомендацій платформи X у архітектуру Transformer та відкрив його код, але не опублікував ваги моделі та тренувальні дані.
(Попередній огляд: Маск онлайн захищає OpenAI: колись «перший» вимагає 1340 мільярдів доларів, чи перемогла комерція над ідеалами?)
(Додатковий контекст: «Остатичний гід з написання статей на платформі X для заробітку» — Маск запустив X Articles для подвоєння доходів, налаштування аудиторії, подання фактів, зменшення балаканини, просування підписки…)

Зміст статті

• Повний перехід від жорстких правил до AI-прогнозування
• Формула рейтингу рекомендацій, що демонструє «економіку уваги»
• Обсяг відкритого коду та межі чорної скриньки

У США 20 січня Елон Маск завантажив новий код алгоритму рекомендацій платформи X — «Phoenix» — на GitHub. Документи показують, що система повністю перейшла від ручної інженерії ознак до архітектури AI на основі Transformer, але ваги моделі та тренувальні дані не були опубліковані разом.

Повний перехід від жорстких правил до AI-прогнозування

За останні десять років ранжування твітів у X (раніше Twitter) головним чином базувалося на правилах, написаних інженерами, наприклад, за ключовими словами, зв’язками підписки або часом перебування. Згідно з кодовою структурою, яку зараз розкрила X, Phoenix видалив більшість ручних ознак і перейшов до аналізу поведінки користувачів за допомогою Transformer, що походить від Grok під юрисдикцією xAI.

Дії, такі як лайки, поширення, блокування, час перегляду, розглядаються як послідовні події. Модель через ймовірнісне розподілення прогнозує наступну дію, визначаючи рівень і обсяг показу контенту.

Формула рейтингу рекомендацій, що демонструє «економіку уваги»

У Git-файлах основна логіка обчислень спрощена до:

Score = Σ (Probability × Weight)

Це означає, що враховуються ймовірності того, що користувач виконає різні дії щодо окремого твіту, і ці ймовірності множаться на ваги, встановлені платформою.

Наприклад, якщо ймовірність лайку 60%, блокування 5%, і платформа надає позитивну вагу для «лайку» і негативну для «блокування», то кінцевий бал безпосередньо вплине на те, чи потрапить цей твіт до рекомендаційного потоку. Документи вказують, що час перебування навіть можна кількісно вимірювати до секунд, що означає, що творці контенту будуть більш орієнтовані алгоритмом на «утримання уваги», а конкретні значення ваг не розкриваються у кодовій базі.

Обсяг відкритого коду та межі чорної скриньки

Хоча код доступний для перегляду, реальні параметри моделі та повний тренувальний набір даних не опубліковані. Аналіз ринку вважає, що порівняно з TikTok або Meta, які є цілком закритими, Phoenix хоча б надає процес обчислень; але через відсутність ваг зовнішні розробники не можуть перевірити ефективність рекомендацій і відтворити модель.

Це контрастує з ситуацією 2023 року, коли X вперше відкрив частину параметрів, і Маск у відповідь на запити спільнот, таких як Slashdot, застосував «демонстраційне відкриття», зберігаючи при цьому справжню бізнес-стратегію.

Phoenix також символізує інтеграцію технологічного стеку X і xAI: платформа X годує Grok великими потоками даних у реальному часі, а Grok повертає керування трафіком, формуючи замкнене коло.