Ở hai bài viết trước, chúng ta đã khám phá cách Machine Learning giúp Netflix đề xuất những bộ phim phù hợp và thậm chí cá nhân hóa cả ảnh bìa cho từng người dùng.
Nhưng hãy thử đặt một câu hỏi ngược lại.
Nếu Netflix gợi ý sai thì sao?
Liệu Machine Learning có thất bại?
Hay hệ thống sẽ học được điều gì từ chính những lần dự đoán chưa chính xác đó?
Machine Learning không phải lúc nào cũng đúng
Hãy tưởng tượng tối nay bạn mở Netflix.
Trang chủ đề xuất cho bạn:
- Phim hành động
- Phim siêu anh hùng
- Phim khoa học viễn tưởng
Nhưng hôm nay bạn lại muốn xem một bộ phim hài nhẹ nhàng.
Bạn bỏ qua tất cả những gợi ý đầu tiên.
Sau đó tìm kiếm một bộ phim hoàn toàn khác.
Đối với bạn, đây chỉ là một lựa chọn.
Đối với Machine Learning, đây là một tín hiệu rất quan trọng.
Accuracy không phải là 100%
Trong Machine Learning, có một khái niệm gọi là Accuracy.
Đây là thước đo phản ánh mô hình dự đoán đúng bao nhiêu lần.
Tuy nhiên, với Recommendation System, mục tiêu không phải là:
“Dự đoán đúng tuyệt đối.”
Mà là:
“Đưa ra những gợi ý có khả năng được người dùng lựa chọn cao nhất.”
Mỗi người đều có thể thay đổi sở thích theo:
- Thời gian.
- Tâm trạng.
- Xu hướng.
- Sự kiện đặc biệt.
Không có mô hình nào có thể dự đoán chính xác 100%.
Netflix biết mình sai bằng cách nào?
Machine Learning không cần ai nói:
“Bạn vừa gợi ý sai.”
Nó tự biết điều đó thông qua hành vi của người dùng.
Ví dụ:
Bạn nhìn thấy một bộ phim.
Nhưng bạn:
- Không nhấn xem.
- Cuộn qua ngay.
- Tìm kiếm bộ phim khác.
- Thoát khỏi ứng dụng.
Tất cả đều là dữ liệu.
Ngược lại, nếu bạn:
- Nhấn Play ngay.
- Xem hết phim.
- Xem tiếp phần tiếp theo.
Machine Learning hiểu rằng dự đoán vừa rồi có khả năng chính xác.
Feedback Loop – Vòng lặp giúp AI ngày càng thông minh
Đây chính là Feedback Loop.
Một vòng lặp rất đơn giản.
Machine Learning đề xuất phim
↓
Người dùng phản hồi bằng hành động
↓
Thu thập dữ liệu mới
↓
Huấn luyện lại mô hình
↓
Đề xuất tốt hơn ở lần sauMachine Learning không học một lần.
Nó học sau mỗi lần người dùng tương tác.
Đó là lý do Netflix ngày càng hiểu bạn hơn.
Continuous Learning
Machine Learning sẽ trở nên vô dụng nếu nó không được cập nhật.
Hãy tưởng tượng:
Ba năm trước bạn rất thích phim siêu anh hùng.
Nhưng hiện tại bạn chỉ thích phim tài liệu.
Nếu Netflix vẫn sử dụng dữ liệu cũ, hệ thống sẽ liên tục gợi ý sai.
Vì vậy, mô hình phải liên tục học từ dữ liệu mới.
Đây được gọi là Continuous Learning.
Mặc dù không phải mọi hệ thống đều cập nhật theo thời gian thực, nhưng dữ liệu mới luôn được sử dụng để cải thiện các phiên bản mô hình tiếp theo.
Sai cũng là một dữ liệu quý giá
Một điểm thú vị trong Machine Learning là:
Sai không phải thất bại.
Sai là dữ liệu.
Mỗi lần người dùng không nhấn xem một bộ phim.
Mỗi lần họ bỏ qua một thumbnail.
Mỗi lần họ tắt trailer.
Machine Learning đều học thêm một điều về sở thích của người dùng.
Nói cách khác:
Không chỉ những lần dự đoán đúng giúp mô hình thông minh hơn, mà cả những lần dự đoán sai cũng vậy.
Vì sao điều này quan trọng?
Nếu không có Feedback Loop:
- Netflix sẽ mãi gợi ý những bộ phim cũ.
- Recommendation System sẽ ngày càng kém chính xác.
- Người dùng sẽ mất hứng thú với nền tảng.
Chính khả năng học liên tục đã giúp Netflix duy trì trải nghiệm cá nhân hóa cho hàng trăm triệu người dùng trên toàn thế giới.
Kết luận
Machine Learning không phải là một hệ thống hoàn hảo.
Nó luôn có những dự đoán đúng và cả những dự đoán sai.
Điểm khác biệt nằm ở chỗ:
Machine Learning biết học từ những lần sai đó.
Thông qua Accuracy, Feedback Loop và Continuous Learning, Netflix liên tục cải thiện Recommendation System để mỗi lần mở ứng dụng, bạn đều có nhiều khả năng nhìn thấy đúng bộ phim mình muốn xem.
Đó cũng là lý do Machine Learning không ngừng phát triển sau mỗi lượt nhấn, mỗi lần tìm kiếm và mỗi bộ phim bạn lựa chọn.
Tham khảo: Netflix Tech Blog: https://netflixtechblog.com/
Tác giả: Bùi Đình Tuyển – Data Analyst tại MCNA Technology School
📞 Hotline: 0939.866.825 (Mr. Minh Khang)
🌐 Website: mcna.vn
📍 Hà Nội: 30 Trung Liệt, Đống Đa | Liền kề 44B TT2 Văn Quán, Hà Đông
📍 TP.HCM: 50B Phan Tây Hồ, Cầu Kiệu
