소식

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

인류는 인공 지능 분야에서 폭발적인 업데이트를 맞이하고 있습니다. 미지의 세계로 기술이 확장되는 모든 단계는 놀라운 관심을 불러일으키고 있습니다.

인공지능의 경계가 확장되는 과정에서 중요한 트랙의 기술적 경로에는 혁신과 불일치가 공존한다. 기술 개척자의 판단과 선택은 많은 추종자들의 발자취에 영향을 미칩니다.

지난 1년 동안 Heart of the Machine은 Dark Side of the Moon, Shengshu Technology, Aishi Technology, Wuwen Core Dome 등 우수한 기업을 모든 사람에게 소개하는 데 앞장섰고, 첫 번째 "10,000 단어 인터뷰 스크립트"를 남겼습니다. "인터넷 세상에서.. 기술 경로가 아직 수렴되지 않은 단계에서 진정으로 믿음과 용기, 체계적인 인식을 갖춘 AI 기업가의 리더십을 봅니다.

이에 AGI 시대 인공지능의 다양한 하위 분야에서 리더십을 갖춘 기업가를 지속적으로 발굴하고 기록하기를 바라며, AI 트랙에서 가장 우수하고 잠재력이 높은 스타트업을 소개하고자 'AI Pioneers' 칼럼을 런칭했습니다. , AI 분야의 성과를 최첨단, 뚜렷한 인식으로 공유합니다.

작가 : 장징링

기계 심장 보고서

Kuaishou를 떠나 사업을 시작한 후 "Li Yan"은 Kuaishou 공동 창업자인 Su Hua, Redpoint Ventures 및 Matrix Partners로부터 조용히 3,200만 달러의 시드 라운드 자금 조달을 받았습니다.

Kuaishou의 초기 AI 시스템의 핵심 인물인 Li Yan은 한때 Kuaishou 내에 최초의 딥 러닝 부서를 구축했으며 나중에 Kuaishou가 멀티미디어 이해 기술 시스템을 구축하는 데 도움을 주었습니다.

그의 투자자 중 한 명은 교수와 학자, 모바일 인터넷 사용자, 학문적 천재로 구성된 세 가지 AGI 기업가 초상화 중에서 Yuanshi Technology가 "다중 모드, 검색 및 추천" 세 가지를 통합할 수 있는 능력을 가진 유일한 회사라고 결론지었습니다. 대규모 핵심 기술 스택을 갖춘 팀.

하지만 리옌은 2023년 초 창업을 공식적으로 확인한 이후 1년 넘게 거의 자취를 감추었다.

작년에 우리는 Li Yan의 팀에 여러 차례 인터뷰 초대장을 보냈고 그와 그의 기업가적 아이디어에 대해 이야기를 나누고 싶었지만 “제품이 아직 준비되지 않았습니다(공개적으로 사용 가능)”라는 이유로 모두 거절했습니다.

얼마 전 Yuanshi Technology의 제품인 'Ask Xiaobai'가 공식 출시되었고 콜드 스타트 ​​내부 테스트가 시작되었습니다. Li Yan 팀이 기업가적 진행 상황을 공개한 것도 이번이 처음입니다. 그래서 우리는 그의 기업가적 계획에 관해 그와 이야기를 나누고자 Li Yan을 다시 찾았습니다.

이번 독점 인터뷰에서 예상치 못한 점은 리옌의 선택이 순수 모델 회사도 아니고 복합적인 측면에서 시작하지도 않는다는 점이다.

'샤오바이에게 물어보세요' 제품에서 사용자는 화면을 열자마자 '피드'에서 AI가 생성한 AIGC 콘텐츠를 볼 수 있고, 사용자의 관심사에 따라 개인화되며, '채팅' 기능과 AI를 활용해 더 많은 일을 할 수 있다. 언제든지 콘텐츠 기반 콘텐츠.

이는 자체 개발한 LLM 모델을 기반으로 한 생성적 콘텐츠 커뮤니티 제품이라고 이해할 수 있습니다. 이전 콘텐츠 커뮤니티 제품과 비교하면 Li Yan의 행동은 "생성적 추천"에 있습니다.

이는 최첨단 기술 연구 분야로 현재까지는 Meta와 CMU만이 실질적인 성과를 거두고 있습니다. 그는 이전 추천 알고리즘과 비교하여 생성적 추천 알고리즘은 더 이상 협업 필터링 추천 시스템을 기반으로 하지 않을 것이며 추천은 현재의 '10개의 얼굴을 가진 수천 명의 사람'에서 '수천 명의 얼굴을 가진 사람'이라는 진정한 의미로 더욱 지능화될 것이라고 말했습니다. 열 개의 얼굴을 가진 사람 ". 사람은 수천 개의 얼굴을 가지고 있습니다."

사용자의 보다 심층적인 요구사항을 탐색함으로써 추천 효율성이 더욱 향상되고, 사용자는 자신에게 더욱 적합한 정보를 얻을 수 있습니다. 더욱이 대규모 모델에 고품질 코퍼스를 대량으로 주입하면 생성 추천 알고리즘에 '값'이 부여됩니다. 더 이상 사용자를 "기쁘게" 할 수는 없지만 실제로 주의가 필요한 고품질 정보에 주의를 기울이도록 사용자를 안내할 수 있습니다.

현재 Li Yan 팀은 LLM 기반 생성 추천 알고리즘을 제품 및 개발 방향의 핵심으로 사용하는 중국 최초의 스타트업 회사입니다.

Yuanshi의 한 투자자는 다음과 같이 믿습니다.이 새로운 기술 엔진이 콘텐츠 산업에 제공하는 비용 및 효율성 최적화는 기본적으로 Toutiao의 성공 경로와 일치합니다.생성적 추천 알고리즘 제품을 만드는 과정에서 "우리는 멀티모달, 검색, 추천이라는 세 가지 배경을 가진 유일한 팀이 Li Yan이라는 것을 확인했습니다."

비전:

고차원 추천 알고리즘 만들기

Heart of the Machine: 먼저 Yuanshi Technology가 원하는 것이 무엇인지 소개하겠습니다.

리얀: 우리는 기술 혁신과 정보 수집을 통해 사용자가 몰입 상태에 들어가 정신적 피로에 맞서 싸울 수 있도록 도울 수 있기를 바랍니다. (Mihaly Csikszentmihalyi의 "흐름" 이론에서 발췌)

머신 하트: 좀 추상적이군요. 더 자세히 설명해주실 수 있나요?

리얀:우리는 현 시대가 정보 폭발의 시대라고 느낍니다. 정보를 받을 수 있는 채널은 많지만, 우리가 원하는 정보를 진정으로 얻을 수 있는 채널은 없습니다.

예를 들어, 최근 WAIC에서 압도적인 보고서를 볼 수 있지만 각 보고서에는 몇 단어만 포함되어 있지만 실제로 관심 있는 정보를 얻을 수는 없습니다.

우리는 이것을 '영적 엔트로피'의 한 형태로 이해합니다. 이 개념은 심리학자 Mihaly Csikszentmihalyi가 제안했으며 우리가 원하는 것과 매우 정확하게 일치합니다. 우리가 하고 싶은 것은 모든 사람이 정보를 보고 행복감과 이득감을 느낄 수 있도록 돕는 것입니다. 이 상태는 일부 정보 제품을 과도하게 사용한 후에 느끼는 "더 불안하고, 더 피곤하고, 더 행복하다"는 것과는 다를 것입니다.

머신하트: 어떤 정보가 사람들을 더 불안하고 피곤하게 만들기보다는 더 행복하고 더 보람있게 만들까요?

리얀:여기에는 '플로우'라는 개념이 있는데, 이는 사람들이 자신과 관련 없는 것들을 많이 보는 것이 아니라, 자신이 정말 보고 싶은 정보를 볼 때만 플로우의 상태에 들어가 행복을 느끼게 된다는 뜻이다. 관련성이 없거나 흥미롭지 않습니다.

이것도 심리학 연구의 결과인데, 예를 들어 부모가 아이에게 숙제를 하라고 하면, 결국 아이는 소극적이고 자기가 하고 싶은 일만 하게 된다. 그는 행복감을 느낄 것입니다. 그래서 우리는 사용자가 몰입 상태에 들어가 정신적 엔트로피에 맞서 싸울 수 있도록 돕고 싶습니다.

기계의 심장: 실제로 대부분의 소셜 커뮤니티의 기본 추천 시스템은 이제 본질적으로 이 목표를 달성하기를 희망합니다(사용자에게 실제로 보고 싶은 것을 추천)?

리얀: 차이가 있습니다. 10년 후인 2034년에 제품과 기술을 포함한 오늘날의 추천 시스템을 살펴보면 실제로는 매우 낙후되어 있습니다. 현재 제품이 하는 일은 사실 완벽한 상태는 아닙니다.

기계의 심장: 현재 수준과 "더 나은" 수준을 어떻게 이해합니까?

리얀:비유하자면, 현재의 정보유통은 정신이 너무 풍요롭지 않은 단계의 원시인류의 본능적인 반응에 가깝다. 어쩌면 인간의 본능은 '먹고 싶다', '울고 싶다', "웃고 싶어"”, 이것은 매우 직접적입니다.

추천 시스템의 반영은 예를 들어 당신이 잘생긴 남자를 좋아한다면 그들은 항상 당신에게 잘생긴 남자를 추천할 것이라는 것일 수 있습니다. 추천 시스템은 그다지 깊이 있는 생각을 가지고 있지 않습니다. 우리 제품이 바라는 것은 사용자의 본능적인 반응을 기쁘게 하는 것이 아니라, 더 높은 지혜와 배려, 사랑으로 추천하는 것입니다.

Heart of the Machine: 이것은 미학적 측면에서 더 높은 차원처럼 들리며 "사용자 교육"과 비슷합니다.

리얀: 엄밀히 말하면 교육이 아닙니다. 상대적으로 짧은 시간 안에 보면 많은 것들이 명확하게 보이지 않습니다. 그러나 예를 들어 인류 발전의 전체 역사를 살펴보면, 인류 문명의 모든 발전에는 비판과 반성, 심지어는 전복과 재건이 수반된다는 것을 알게 될 것입니다. 제한이 있습니다. 온라인 세계에서도 마찬가지입니다. 우리는 인류가 축적한 보다 문명화된 요소와 진보된 아이디어를 콘텐츠 유통에 도입하기를 희망합니다.

기술 구현 경로:

모델이 값을 갖도록 모델을 학습하려면 더 높은 품질의 데이터를 선택하세요.

Heart of the Machine: 사용자가 더 나은 흐름을 달성하는 데 도움이 되는 콘텐츠 제품을 만들고 싶다고 말했습니다. 왜 더 나은 LLM을 만드는 것부터 시작합니까?

리얀: 우리는 LLM이 AGI로 이어지는 매우 중요한 노드라고 믿습니다. 대규모 언어 모델은 사용자와 콘텐츠를 더 잘 이해할 수 있으며, 사용자가 무엇에 관심을 갖고 있고, 좋아하고, 싫어하는지 알 수 있습니다. 모든 사용자의 개인적인 관심과 취미는 토큰화될 수 있으며, 대규모 모델은 이를 매우 잘 이해할 수 있습니다.

이전 추천 시스템은 이러한 수준의 이해를 달성할 수 없었으며, 이를 통해 사용자에게 많은 개별 레이블을 지정하고 이를 통해 사용자를 특성화하고 이해하려고 했습니다. 이제 대형 모델은 사용자의 기존 관심사를 더 잘 이해할 수 있을 뿐만 아니라 사용자 관심사의 마이닝을 강화하고 사용자의 암묵적인 관심사와 취미를 추론할 수 있습니다.

대형 모델을 사용하면 인터넷 전체에서 최고 품질의 자료를 압축할 수 있고, 텍스트에 담긴 인류 문명을 압축하고, 이러한 문명을 활용하고, 더 나아가 이러한 기능을 생성적 추천에 적용할 수 있으며, 이는 그 가치, 세계관 및 그에 따른 고차원 권장 가치 시스템.

대형 모델은 실제로 이러한 가장 진보된 인식을 정보 소비와 연결하고 콘텐츠 소비 수준을 더욱 향상시키는 다리 역할을 합니다.

Machine Heart: 이 "고급" 콘텐츠는 논문을 참조합니까? 사회과학과 자연과학을 모두 포함하나요, 아니면 하나에 더 집중하나요?

리얀:대형 모델은 인간이 인터넷 전체에 축적한 모든 선진 문명과 정보를 읽어내며 모든 면에서 발전할 수 있다.

기계의 심장: 대형 모델이 "발전된 문명"이 무엇인지 어떻게 결정합니까?

리얀:사실 이 문제에 대해서는 큰 모델이 아닌 우리 인간이 이미 판단을 내렸습니다. 예를 들어, 우리의 권위 있는 논문, 저널, 저명한 학자들이 쓴 책은 큰 모델에 의해 정의되는 것이 아니라 인간 스스로가 확립한 고품질의 정보입니다. 오랜 기간 동안.

Machine Heart: 그렇다면 고품질 데이터에서 이 부분이 정확히 무엇인가요? 원천?

리얀: 우리는 데이터 기반 모델 역량 구축을 중요하게 생각합니다. 우리 모델에서는 알고리즘을 사용하여 사용 가능한 고품질 데이터의 양을 10배 이상 늘립니다. 또한 데이터 선택 측면에서 우리는 더 고전적인 책, 이론 및 논문을 사용하여 대규모 모델을 훈련하므로 모델이 사용자를 더 깊이 이해할 수 있는 능력을 갖게 됩니다. 맹목적으로 사용자가 단기적인 즐거움에 머물도록 두지 않습니다. 대신 고품질의 정보를 축적하는 데서 오는 장기적인 행복이 있습니다.

Machine Heart: 방금 생성적 추천 알고리즘이 사용자에 대한 이해도를 향상시킬 수 있다고 말씀드렸습니다. 다양한 추천 알고리즘에 대한 사용자의 이해도를 비교할 수 있는 정량적 기준이 있나요?

리얀: 회사마다 추구하는 목표가 다르기 때문에 최적화 목표도 다릅니다. 일반적으로 기간, 클릭률 및 유지율이 될 수 있습니다. 우리의 기술 원칙과 사업 방향은 새로운 영역이기 때문에 현재 우리는 이 문제를 평가하기 위한 매우 복잡한 내부 데이터 시스템을 보유하고 있습니다.

Heart of the Machine: LLM에서 현재 Yuanshi 기술의 장점은 무엇입니까?

리얀: 회사가 설립된 첫날, 즉 2023년 4월경부터 대형 모델의 첫 번째 버전은 MoE 아키텍처를 기반으로 했습니다. 시장의 전반적인 기술 경로 선택은 매우 미래 지향적입니다. 2023년 4월부터 지금까지 1년 넘게 우리 모델은 4가지 버전을 반복했습니다. 많은 공개 테스트 세트에서 우리의 결과는 다른 많은 모델보다 낫습니다.

또한, 우리의 고품질 코퍼스는 답변의 질을 매우 높게 만들어주며, 모델은 깊이 생각하는 능력을 갖추고 있습니다. 셋째, 우리 대형 모델의 속도도 매우 경쟁력이 있으며 지연 시간도 매우 짧습니다. 우리는 모델 훈련 및 추론을 극도로 최적화하여 대규모 모델 훈련 비용을 크게 줄였습니다. 이제 무료이며 피크 기간 동안 사용 비용을 지불할 필요가 없습니다.

Machine Heart: 왜 MoE가 더 우수한 경로라고 생각하시나요?

리얀: 우리는 자체 제품을 만들기 위해서는 모델의 기본 링크를 통합할 수 있는 능력이 필요하다고 믿습니다. 대형 모델 시대에는 모델 효과가 더 좋으며 이는 종종 모델의 매개변수가 더 크다는 것을 의미합니다. 그러나 TO C 제품으로서 모델 추론 비용이 높으면 상업적으로 작동하지 않습니다. 따라서 우리는 많은 수의 매개변수와 낮은 추론 비용이 모두 필요하며, 상업적 타당성을 위한 전제 조건으로 결국 MoE를 선택할 수 있습니다. 우리는 첫날부터 이 문제에 대해 명확하게 생각했고, 우리가 작성한 첫 번째 코드 줄은 MoE였습니다.

Heart of the Machine: Yuanshi는 애플리케이션 회사로 자리매김하고 있으므로 연구 개발 과정에서 더 경제적일 수 있는 일부 오픈 소스 모델을 사용하는 것을 고려해 보셨나요?

리얀:우리의 목표는 모델 수준의 회사가 되는 것이 아니지만, 여전히 자체 대형 모델 개발을 선택하는 이유는 다른 사람의 모델이 우리 목표에 부합하지 않는다고 믿기 때문입니다. 회사.

우리는 모델 수준에서 비즈니스 모델을 시도한 적이 없습니다. 이는 개인적인 지식과 관련이 있습니다. 어떤 사람들은 대형 모형이 물과 전기라고 생각하는데, 이는 제가 대형 모형을 잘 만들면 여러분이 그것을 할 필요가 없고 여러분 모두가 제 능력을 사용할 수 있다는 뜻입니다. 그러나 우리는 대규모 모델의 더 큰 의미는 사용자에게 극한의 서비스를 제공하는 능력과 시나리오 기반 기능에 있다고 믿습니다. 고정된 시나리오에서 사용자에게 더 나은 서비스를 제공하고 이전에는 전혀 사용할 수 없었던 경험을 제공합니다.

또한 변경 사항을 미세 조정하는 능력도 제한적이었습니다. 우리는 이를 수행하는 데 매우 혁신적이기 때문에 기본 모델 아키텍처를 크게 변경해야 합니다. 또한 내부적으로 자체 개발한 모델을 사용하여 오픈 소스 모델과 비교할 예정입니다. 내부 자체 개발 모델의 결과가 오픈 소스 모델의 결과보다 훨씬 낫다는 사실이 입증되었습니다. 이 모델은 완전히 제 시나리오에 맞게 구축되었기 때문에 훈련 데이터 구축부터 알고리즘 설계까지 많은 작업이 이루어졌습니다.

Machine Heart: 당신은 또한 중국의 다중 양식의 초기 탐험가 중 한 명입니다. 다중 양식에 대한 시간표가 있습니까?

리얀: 현재 텍스트 대형 모델은 여전히 ​​​​핵심의 핵심입니다. 지능의 기초입니다.

제품 가치:

사용자의 개별 요구에 더 많은 주의를 기울일 수 있는 능력

Heart of the Machine: Yuanshi Technology의 제품 형태는 실제로 시중의 거의 모든 대형 모델 C-end 제품과 다릅니다. 왜 그러한 제품을 정의하고 싶습니까?

리얀: 우리는 특정 그룹의 사람들을 대상으로 하는 제품이 아니며 광범위한 사람들을 대상으로 하며 수직적인 콘텐츠 커뮤니티가 아닙니다. 우리는 AI 생성 및 유통 능력이 향상되면서 AI 시대 미래 콘텐츠 카테고리의 경계가 점점 흐려질 것이라고 믿습니다.

제품 수준에서 우리 제품에는 현재 두 가지 기능이 있습니다. 하나는 피드이고 다른 하나는 채팅입니다. 우리는 이를 "샤오바이에게 물어보세요"라고 부릅니다. 한 가지 측면은 사용자가 생활 속의 어떤 질문이든 물어볼 수 있다는 것입니다. 한편, 샤오바이는 사용자가 AI에게 묻는 질문을 바탕으로 사용자를 배려하고 적극적으로 사용자에게 푸시하는 데 앞장서겠습니다. 샤오바이라는 이름은 사용자들이 안정감과 친밀감을 갖고, 냉정한 AI나 폭력적인 AI를 버리고, 사용자들과 긴밀한 접촉을 할 수 있기를 바라면서 만든 것입니다.

머신하트: 그럼 AI 기능을 갖춘 콘텐츠 상품으로 이해해도 되는 건가요?

리얀:네, 이 외에도 여러분의 취향을 이해해주는 실시간 온라인 친구이기도 합니다. 그것이 당신에게 도움이 될 수 있는지 알아보십시오.

Heart of the Machine: 피드 스트림의 모든 콘텐츠가 AIGC에서 나오나요? 이 콘텐츠의 품질을 보장하는 방법은 무엇입니까?

리얀: 대형 모델을 활용해 콘텐츠를 제작한다면 먼저 사용자가 어떤 콘텐츠를 좋아하는지 파악한 뒤, 해당 주제를 기반으로 고품질의 기사 콘텐츠를 생성하고 정리해야 한다. 이 두 가지 수준은 한편으로는 이해 능력이고 다른 한편으로는 세대 능력입니다. 지금 보면 이 두 가지 측면에서 능력의 대규모 모델에는 여전히 개선의 여지가 많이 있습니다. 이것이 우리가 사업을 시작한 이유이기도 합니다. 우리는 이 문제를 크게 개선할 수 있는 능력이 있다고 믿기 때문입니다.

Heart of the Machine: 제품은 Zhihu, Xiaohongshu 및 Toutiao의 AI 버전과 약간 비슷해 보입니다. 이들과 비교하면 차이점과 장점이 무엇입니까?

리얀: 우리는 먼저 사용자의 개인화된 요구에 더 많은 관심을 기울입니다. 이전 세대에서 방금 말씀하신 모든 제품의 경우 추천 시스템의 가장 기본적인 원칙은 협업 필터링입니다. 즉, 한 사용자가 A와 B를 좋아하고 다른 사용자가 A와 C를 좋아하면 B와 C도 마찬가지입니다. 또한 비슷합니다. 그러면 각각 B와 C를 추천해 드리겠습니다. 이 협업 필터링 방법에는 매우 명백한 문제가 있습니다. 즉, 항상 일부 척추 카테고리를 추천한다는 것입니다.

왜? 왜냐하면 당신이 어떤 주제를 좋아한다면 당신도 그 주제를 좋아하는 다른 사람들처럼 아름다운 여자와 잘생긴 남자를 더 좋아할 확률이 높고, 그들 모두는 오락을 좋아하는 경향이 있기 때문입니다. 그래서 시스템은 결국 당신이 실제로 오락을 좋아하고 잘생긴 남자와 아름다운 여자를 좋아한다고 결정할 것입니다.

이 방법에는 장점이 있습니다. 사용자 시간을 빠르게 늘리고 지속적으로 성장할 수 있습니다. 하지만 문제는 사용자의 개인적인 관심과 틈새 관심을 묻어두기 때문에 사용자를 자세히 이해하기 어렵다는 점입니다.

그리고 우리는 대형 모델을 기반으로 이를 수행합니다. 우선, 저희는 잘생긴 남자, 미인, 예능 콘텐츠를 추천하기보다는 귀하의 개인화된 관심사를 배려하기를 바랍니다. 이 경우, 이 추천 시스템은 진정한 개인화 추천 시스템이 아닙니다.

따라서 충분히 지능적인 추천 시스템은 이론적으로 사용자의 모든 관심 사항을 처리할 수 있어야 합니다. 그것이 귀하의 일반적인 관심사이든 틈새 개인의 관심사이든 상관 없습니다. 지금까지 수행된 작업이 충분하지 않습니다.

머신하트: 창업할 때 현재 흔히 볼 수 있는 챗봇이나 감성적인 동반상품 형태가 아닌 이 방향을 선택한 이유는 무엇인가요?

리얀: 우리는 LLM과 권장 사항의 통합이 새로운 유형의 상호 작용, 즉 "활성" 상호 작용이 필요하지 않은 원활한 경험을 정의할 수 있는 기회를 제공한다고 믿습니다. 현재 순수한 채팅 유형의 상호 작용에는 여전히 사용자에 대한 특정 사용 임계값이 있으며 사용자는 적극적으로 질문을 시작해야 합니다. 어느 정도는 더 넓은 범위의 사용자가 침투하고 사용하는 것을 제한합니다. 오늘날 우리가 사용하는 모든 추천 제품과 마찬가지로 사용자가 많이 사용하지만 여전히 사용자가 해당 제품을 반복적으로 제거하는 것을 볼 수 있습니다. 척을 반복한다는 것은 그것 없이는 살 수 없다는 것을 의미하지만, 계속 미루는 것은 100% 만족하지 않는다는 것을 의미한다. 이는 추천 상품이 실제로는 여전히 좋은 기회를 갖고 있다는 생각을 하게 만드는 지점이다.

이를 바탕으로 우리 팀의 배경은 이를 수행하는 데 매우 적합하다고 생각합니다. 저와 팀은 검색, AI 연구 및 대규모 제품 구현에 대한 깊은 경험을 가지고 있습니다.

Machine Heart: 하지만 현재 콘텐츠 기반 제품은 일반적으로 상용화 경로가 불분명한 딜레마에 직면해 있으며 이에 대해 어떻게 생각하시나요?

리얀: 아직은 사용자의 가치를 좀 더 제대로 발휘해야 하는 단계입니다. 큰 사용자 가치를 바탕으로 상업적 가치를 이야기하는 것은 의미가 있습니다. Kuaishou와 같은 많은 제품이 대용량 콘텐츠 제품의 강력한 수익화 기능을 보여주는 매우 성공적인 사례를 제공했습니다.

머신하트: 제품을 되돌아보면, 제품에 대한 더 나은 응답능력의 가치는 무엇인가요?

리얀: 두 가지가 있다고 생각합니다. 첫 번째는 답변이 좋을수록 사용자 충성도가 높아진다는 것입니다. 이 경우 더 많은 사용자 신호를 알 수 있고 사용자를 더 잘 이해할 수 있습니다. 궁극적으로 시스템은 이를 사용하여 사용자가 좋아하고 실제로 필요한 콘텐츠를 만들 수 있습니다. 긍정적인 경험과 데이터 사이클을 지속적으로 형성합니다.

Machine Heart: 낙관적으로 생각하면 생성 추천 알고리즘의 점진적인 성숙이 콘텐츠 산업에 어떤 영향을 미칠 수 있습니까? 당신의 상상 속에서 성숙한 "Ask Novice"는 어떤 모습일까요?

리얀:생성적 추천은 콘텐츠 트랙에 새로운 활력을 불어넣어 정교한 개선이 아닌 이 부문에서 큰 변화를 가져올 수 있게 해줍니다.

현재 대형 모델과 기타 관련 기술은 비약적으로 발전하고 있지만 인간과 AI 사이의 의사소통에는 명백한 병목 현상이 있습니다. 샤오바이에게 물어보세요, 샤오바이는 AI 기술의 포용성을 크게 촉진하고 AI가 필요한 일반 사용자가 AI의 힘을 더 많이 느낄 수 있기를 바랍니다.