Moving Average Fast Algorithmus

Wer wirklich kontrolliert, was Sie sehen in Ihrem Facebook-Feedand, warum sie ändern, es zu ändern, die wirklich kontrolliert, was Sie in Ihrem Facebook-Feedand sehen, warum sie es zu ändern, die Kontrollen Ihre Facebook-Feed Foto-Illustration von Lisa Larson-Walker. Bild von Tang Ming TungGetty Bilder. Jedes Mal, wenn Sie Facebook zu öffnen, entsteht eine der worldrsquos einflussreichsten, umstrittenen und missverstandenen Algorithmen in Aktion. Es scannt und sammelt alles, was in der vergangenen Woche von jedem Ihrer Freunde, alle, die Sie folgen, jede Gruppe, die Sie gehören, und jede Facebook-Seite yoursquove gemocht. Für den durchschnittlichen Facebook-Nutzer, thatrsquos mehr als 1.500 Beiträge. Wenn Sie mehrere hundert Freunde haben, könnte es so viele wie 10.000 sein. Dann, nach einer genau bewachten und ständig wechselnden Formel, Facebookrsquos News-Feed-Algorithmus rangiert sie alle, in dem, was es glaubt, die genaue Reihenfolge, wie wahrscheinlich Sie sind, um jeden Beitrag lohnt sich zu sein glaubt. Die meisten Benutzer sehen nur die ersten paar hundert. Will Oremus ist Slate senior Technologie Schriftsteller. Emailen Sie ihn an will. oremusslate oder folgen ihm auf Twitter. Niemand außerhalb von Facebook weiß sicher, wie es das tut, und niemand im Inneren des Unternehmens wird Ihnen sagen. Und doch prägen die Ergebnisse dieses automatisierten Ranking-Prozesses das soziale Leben und die Lesegewohnheiten von mehr als einer Milliarde täglich aktiver NutzerMdashone-Fünftel der Worldrsquos erwachsenen Bevölkerung. Die algorithmrsquos virale Macht hat die Medienindustrie auf den Kopf gestellt, treibt Startups wie BuzzFeed und Vox zu nationalen prominence während 100-jährige Zeitungen verdorren und sterben. Es trieb den stratosphärischen Aufstieg von Milliarden-Dollar-Unternehmen wie Zynga und LivingSocialmdashonly an, um das Helium von ihnen ein oder zwei Jahre später mit ein paar Anpassungen an ihren Code zu saugen, hinterlassen leergesteckte Investoren und entlassene Arbeiter. Facebookrsquos Nachrichten Zufuhralgorithmus kann gezwickt werden, um uns glücklich oder traurig zu bilden, die es uns zu den neuen und schwierigen Ideen herausstellen oder uns in den ideologischen Luftblasen isolieren kann. Und doch ist für all seine Macht, Facebookrsquos News-Feed-Algorithmus ist überraschend unelegant, wahnsinnig mercurial, und störrisch undurchsichtig. Es bleibt so wahrscheinlich wie nicht zu dienen uns Beiträge finden wir trivial, irritierend, irreführend, oder einfach nur langweilig. Und Facebook weiß es. In den vergangenen Monaten hat das soziale Netzwerk läuft ein Test, in dem es zeigt einige Benutzer die Top-Post in ihrem News-Feed neben einem anderen, niedrigeren Rang, bat sie, die eine theyrsquod bevorzugen zu lesen. Das Ergebnis Die algorithmrsquos Rankings entsprechen den userrsquos Vorlieben ldquosometimes, rdquo Facebook quittiert, sinkende, um spezifischer zu werden. Wenn sie donrsquot zusammenpassen, sagt die Firma, daß Punkte auf ldquoan Bereich für improvement. rdquo ldquoSometimesrdquo isnrsquot die Erfolgsrate, die Sie für solch ein gepriesenes und gefürchtetes Stückchen des Codes erwarten konnten. Die Nachrichtenzufuhr algorithmrsquos übergrößeneinfluß hat zu einem Strang der Kritik geführt, die es betrachtet, als ob es einen Verstand seiner eigenenmdashas besaß, wenn es eine runische Form der Intelligenz war, gelöst auf der Welt, zum des Endes über dem Ken des menschlichen Verstehens hinaus zu verfolgen. Zu einer Zeit, wenn Facebook und andere Silicon Valley Riesen zunehmend Filter unsere Entscheidungen und führen unsere Entscheidungen durch maschinelles Lernen Software. Wenn Tech-Titanen wie Elon Musk und wissenschaftliche Preisträger wie Stephen Hawking warnen vor der existentiellen Bedrohung durch A. I. Das Wort selbst mdash Algorithmus mdashhas begonnen, auf einem unheimlichen Affekt zu nehmen. Algorithmen, in der populären Phantasie, sind geheimnisvolle, mächtige Entitäten, die für alle Weisen stehen Technologie und Modernität dienen beide unseren Wunsch und bedrohen die Werte, die wir lieben. Ein Panel von News-Feed-Testern hat Facebooks entspricht der Familie Nielsen. Die Wirklichkeit des Facebookrsquos Algorithmus ist etwas weniger fantastisch, aber nicht weniger faszinierend. Ich hatte eine seltene Chance vor kurzem verbringen Zeit mit Facebookrsquos News-Feed-Team an ihrem Menlo Park, Kalifornien, Hauptquartier und sehen, wie es tatsächlich aussieht, wenn sie eine jener berüchtigten, marktführenden ldquotweaksrdquo auf die algorithmmdashwhy sie tun, wie sie machen Tun, und wie sie entscheiden, ob es funktioniert. Ein Blick in sein Inneres wirft Licht nicht nur auf die Mechanismen des Facebookrsquos Newsfeeds, sondern auf die Einschränkungen des maschinellen Lernens, die Fallstricke der datengetriebenen Entscheidungsfindung und die Bewegungen, die Facebook in zunehmendem Maße zu sammeln und Adressierung Feedback von einzelnen Menschen Benutzer, darunter eine wachsende Tafel von Testern, die immer Facebookrsquos Entsprechung der Nielsen Familie. Facebookrsquos-Algorithmus, lernte ich, isnrsquot fehlerhaft, weil einige Störungen im System. Itrsquos fehlerhaft, weil im Gegensatz zu den perfekt realisierten, fühlenden Algorithmen unserer Sci-Fi-Fieber Träume. Die Intelligenz hinter Facebookrsquos Software ist grundsätzlich menschlich. Menschen entscheiden, welche Daten in sie geht, was sie mit diesen Daten tun können, und was sie wollen, kommen aus dem anderen Ende. Wenn der Algorithmus irrt, sind die Menschen schuld. Wenn es entwickelt, itrsquos, weil ein Haufen von Menschen lesen eine Reihe von Tabellenkalkulationen, hielt eine Reihe von Treffen, lief ein paar Tests und beschlossen, es besser zu machen. Und wenn es immer besser wird, weil eine andere Gruppe von Menschen erzählt sie über die Art und Weise itrsquos fällt kurz: uns. Als ich bei Facebookrsquos weitläufigen, Frank Gehryndashdesigned Büro im Menlo Park ankomme, traf Irsquom von einem lanky 37-jährigen Mann, dessen knabenhaftes Gesicht schnell zwischen einem ernsten Lächeln und einem Ausdruck der intensiven Fokus verschiebt. Tom Alison ist der Direktor des Ingenieurwesens für die News-feed hersquos verantwortlich für die Menschen, die verantwortlich für den Algorithmus sind. Alison steuert mich durch ein Labyrinth aus Kabinen und offenen Minikitches zu einem kleinen Konferenzraum, wo er verspricht, die Facebook Algorithmrsquos wahre Natur entmystifizieren. Auf dem Weg dorthin erkenne ich, dass ich das Badezimmer benutzen und nach dem Weg fragen muss. Eine unwillkürliche Grimasse kreuzt sein Gesicht, bevor er sich entschuldigt, lächelt und sagt, ldquoIrsquoll gehen Sie there. rdquo Zuerst denke ich itrsquos, weil er doesnrsquot möchte, dass ich verloren gehe. Aber wenn ich aus dem Bad herauskomme, stehen ihre Besquos noch draußen stehen, und es fällt mir ein, dass ihrs nicht erlaubt, mich unbeaufsichtigt zu lassen. Foto von Christophe WuFacebook Für die gleichen reasonmdashFacebookrsquos heftigen Schutz des Handels secretsmdashAlison kann mir nicht viel über den eigentlichen Code, dass der Nachrichten-Feed-Algorithmus komponiert erzählen. Er kann mir jedoch sagen, was es tut, und whymdashand warum itrsquos sich immer ändernd. Er beginnt, wie Ingenieure oft tun, an der Tafel. LdquoWhen Sie Informatik studieren, ist einer der ersten Algorithmen, die Sie lernen, ein Sortieralgorithmus, rdquo Alison sagt. Er kritzelt eine Liste der positiven Zahlen in trockener Löschung: Die einfache Aufgabe zur Hand: Entwerfen Sie einen Algorithmus, um diese Zahlen in aufsteigender Reihenfolge zu sortieren. LdquoHuman Wesen wissen, wie dies zu tun, rdquo Alison sagt. LdquoWe nur Art tun es in unserem heads. rdquo Computer, muss jedoch genau gesagt werden, wie. Das erfordert einen Algorithmus: eine Menge konkreter Anweisungen, durch die ein gegebenes Problem gelöst werden kann. Der Algorithmus Alison zeigt mir ldquobobble Art, rdquo und es funktioniert wie folgt: Für jede Zahl in der Menge, beginnend mit der ersten, vergleichen Sie sie mit der Zahl, die folgt, und sehen, ob theyrsquore in der gewünschten Reihenfolge. Wenn nicht, umgekehrt. Wiederholen Sie die Schritte 1 und 2, bis yoursquore in der Lage, durch den Satz von Anfang bis Ende gehen, ohne Umkehrung beliebiger Zahlen. Die Tugend der Blasensorte ist ihre Einfachheit. Der Nachteil: Wenn Ihr Datensatz ist groß, itrsquos rechenintensiv und zeitaufwändig. Facebook, aus offensichtlichen Gründen, nicht verwenden Blase sortieren. Es verwendet einen Sortieralgorithmus, um die Menge aller Beiträge zu bestellen, die in Ihrem News-Feed erscheinen könnten, wenn Sie die App öffnen. Aber thatrsquos der triviale partmdasha minor Subalgorithmus innerhalb des Master-Algorithmus. Der nicht-triviale Teil ist die Zuweisung all dieser Stellen einen numerischen Wert in den ersten Platz. Das, kurz gesagt, ist die Aufgabe des Newsfeed-Ranking-Teams: ein System zu entwickeln, das in der Lage ist, jedem Facebook-Post einen ldquorelevancy-Scorerdquo zuzuordnen, der für jeden beliebigen Facebook-Nutzer spezifisch ist. Thatrsquos ein hartes Problem, weil whatrsquos relevant youmdasha Pfosten von Ihrem Kindheitfreund oder von einer Berühmtheit, die Sie followmdashmight absolut irrelevant zu mir sind. Für das, Alison erklärt, verwendet Facebook eine andere Art von Algorithmus, genannt Vorhersage-Algorithmus. (Facebookrsquos Nachrichten Zufuhralgorithmus, wie Googlersquos Suchalgorithmus oder Netflixrsquos Empfehlungsalgorithmus, ist wirklich ein weitläufiger Komplex von Software, die von den kleineren Algorithmen gebildet wird.) LdquoLetrsquos sagen, dass ich Sie bitten, den Sieger eines zukünftigen Basketballspiels, Bulls gegen Lakers, rdquo auszuwählen Alison beginnt. LdquoBulls, rdquo Ich blinde. Alison lacht, aber dann nickt er kräftig. Mein Gehirn hat seine Eingabe übernommen und produziert eine unmittelbare verbale Ausgabe, vielleicht nach einem scheinbaren Algorithmus von seinen eigenen. (Die menschlichen mentrsquos Algorithmen sind weitaus anspruchsvoller als alles, was Silicon Valley noch entwickelt hat, aber theyrsquore auch stark abhängig von Heuristiken und notorisch anfällig für Torheit.) Random Raten ist gut, wenn yoursquove nichts zu verlieren, sagt Alison. Aber Letrsquos sagen, dass es eine Menge Geld Reiten auf meinem Basketball-Vorhersagen, und ich machte sie Millionen von Mal am Tag. Irsquod brauchen einen systematischeren Ansatz. LdquoYoursquore, das vermutlich beginnt, indem es historische Daten betrachtet, rdquo sagt er. LdquoYoursquore Blick auf die Gewinn-Verlust-Rekord jedes Team, die Aufzeichnungen der einzelnen Spieler, whorsquos verletzt, whorsquos auf einer streak. rdquo Vielleicht yoursquoll berücksichtigen Umweltfaktoren: Whorsquos der Heimmannschaft Ist ein Kader auf kurze Rest, Oder nach einem Cross-Country-Flug Ihr Vorhersage-Algorithmus könnte alle diese Faktoren und vieles mehr. Wenn itrsquos gut, wird es nicht nur vorhersagen, die Gamersquos Sieger, sondern sagen Ihnen, seinen Grad an Vertrauen in das Ergebnis. Thatrsquos analog zu dem, was Facebookrsquos News Feed Algorithmus tut, wenn es zu prognostizieren, ob yoursquoll wie ein gegebener Post vorhersagen versucht. Ich frage Alison, wie viele Variablenmdashrdquofeatures, rdquo in maschinell lernenden lingomdashFacebookrsquos Algorithmus berücksichtigt. LdquoHundreds, rdquo sagt er. Es doesnrsquot nur vorhersagen, ob yoursquoll tatsächlich die gleiche Schaltfläche auf einem Post auf der Grundlage Ihrer Vergangenheit Verhalten. Es auch vorhergesagt, ob yoursquoll klicken Sie, kommentieren Sie, teilen Sie oder verstecken Sie es oder markieren Sie es sogar als Spam. Es wird voraussagen, jedes dieser Ergebnisse, und andere, mit einem gewissen Maß an Vertrauen, dann kombinieren sie alle zu produzieren eine einzige Relevanz-ScoreResquos spezifisch für Sie und diese Post. Sobald alle möglichen Post in Ihrem Feed hat seine Relevanz-Score erhalten hat, kann der Sortier-Algorithmus sie in der Reihenfolge, dass die yoursquoll sehen sie auf dem Bildschirm. Der Pfosten, den Sie an der Oberseite Ihres Futteres sehen, ist dann über Tausenden von anderen ausgewählt worden, als das, das Sie am meisten zum Lachen, zum Schreien, zum Lächeln, zum Klicken, wie, zum Teilen oder zum Anmerkung macht. Was, wenn Leute wie Pfosten, die sie nicht wirklich mögen Noch, egal wie sorgfältig Sie einen Algorithmus konstruieren, gibt es immer zu Daten, zu denen Sie arenrsquot privy: die coachesrsquo Spielpläne, wie Derrick Rosersquos Knie fühlt sich an diesem Tag, ob der Ball Ist richtig aufgeblasen. Kurz gesagt, das Spiel isnrsquot gespielt von Daten. Itrsquos von Menschen gespielt. Und die Menschen sind zu komplex für jeden Algorithmus zu modellieren. Facebookrsquos Vorhersage Algorithmus steht noch eine weitere Komplikation, diese ein wenig mehr erkenntnistheoretisch. Die Relevanz-Score soll analog zu der Wahrscheinlichkeit sein, dass die Bulls das Spiel gewinnen werden. Thatrsquos ein diskretes Ergebnis thatrsquos vollständig messbar: Sie entweder zu gewinnen oder sie donrsquot. Facebookrsquos Ranking-Algorithmus verwendet, um zu versuchen, eine ähnlich meßbare Ergebnis vorhersagen: ob yoursquod in irgendeiner Weise mit der Post in Frage zu interagieren. Interaktionen, die Menschen hinter Facebookrsquos News-Feed dachte, sind ein guter Indikator dafür, dass ein gegebener Post ein Akkord geschlagen hat. Sie sind auch der Brennstoff, der die Facebook-Wirtschaft fährt: Klicks, Likes, Aktien und Kommentare sind, was Beiträge machen viral, einzelne Nutzer in Gemeinden zu verwandeln und Verkehr zu den Werbetreibenden, dass Facebook stützt sich auf für Einnahmen. Aber diese Interaktionen sind nur eine grobe Proxy für das, was Facebook-Nutzer wirklich wollen. Was ist, wenn Menschen ldquolikerdquo Beiträge, die sie donrsquot wirklich, oder klicken Sie auf Geschichten, die sich als unbefriedigend Das Ergebnis könnte ein News-Feed, der für die Viralität optimiert, anstatt qualitymdashone, die Benutzer eine stetige Ernährung von Süßigkeiten Feeds, so dass sie schwindelig und a Wenig ungeniert, die Dinge links und rechts, aber allmählich wachsende hassen das ganze dumme Spiel. Wie optimieren Sie dagegen Es war Ende 2013, und Facebook war die heißeste Firma der Welt. Das soziale Netzwerk hatte über 1 Milliarde Benutzer geblasen und öffentlich zu einer Bewertung von mehr als 100 Milliarden gegangen. Es hatte verbrachte das vergangene Jahr Gebäude eine überarbeitete mobile App, die schnell überholte Google-Suche und Google Maps als die nationrsquos beliebtesten. Nicht mehr nur ein Weg, um mit Freunden in Kontakt zu bleiben, war Facebook in Wirklichkeit die globale Zeitung des 21. Jahrhunderts geworden: ein aktuelles Futter von Nachrichten, Unterhaltung und persönlichen Updates von Freunden und Lieben , Die automatisch auf die spezifischen Interessen jedes einzelnen Benutzers zugeschnitten ist. Innerhalb des Unternehmens waren die Verantwortlichen des Newsfeeds mit dem Wachstum begeistert. Aber während Userrsquo Engagement explodierte, war es nicht klar, ob ihre allgemeine Zufriedenheit mit Facebook Schritt gehalten wurde. Die Leute mochten mehr Dinge auf Facebook als je zuvor. Aber waren sie lieben Facebook weniger Um zu verstehen, wie diese Frage entstand, müssen Sie zurückspulen bis 2006. Facebookmdashwhich war ursprünglich wenig mehr als eine massive Kompendium von Profilseiten und Gruppen, so etwas wie Myspacemdashbuilt die News-Feed in diesem Jahr als Drehscheibe für Updates über Ihre friendsrsquo Aktivitäten auf der Website. Benutzer sträubten sich auf die Idee, dass ihre Status-Updates, Profilbildveränderungen und flirtotious Notizen auf einandersrsquos Seiten in die Feeds aller ihrer Freunde gestrahlt werden würden, aber Facebook drückte auf. Selbst dann, nicht alles, was Ihre Freunde haben es in Ihrem News-Feed gemacht. Um überwältigende Menschen mit Hunderten von Updates jeden Tag zu vermeiden, baute Facebook einen groben Algorithmus, um sie auf der Grundlage, wie wahrscheinlich sie von Interesse zu filtern. Mit keinen wirklichen Weg, um zu messen, dass mdashthe wie Button kam drei Jahre latermdashthe companyrsquos Ingenieure einfach Annahmen auf der Grundlage ihrer eigenen Intuition. Frühe Kriterien für die Aufnahme eines Posten in Ihrem News-Feed enthalten, wie neu es war und wie viele Ihrer Freunde es erwähnt. Im Laufe der Zeit versucht das Team versucht, diese Annahmen zu optimieren und zu testen, wie die Änderungen die Menge der Nutzer auf der Website verbracht betroffen. Aber ohne zu beurteilen, welche Art von Posten Freude an Menschen waren und welche langweilig, beleidigend oder verwirrend waren, waren die Ingenieure im Wesentlichen Werfen Dart. Adam Mosseri (stehend), der Leiter des Produkts für Newsfeeds, mit seinem Team von Produktmanagern. Im Uhrzeigersinn von ganz nach links: Greg Marra, Vibhi Kant, Uzma Barlaskar, Chris Tosswill, Mosseri, Scott Thomson und Sammi Krug. Foto von Christophe WuFacebook Die gleiche Taste wasnrsquot nur eine neue Möglichkeit für die Nutzer auf der Website zu interagieren. Es war eine Möglichkeit für Facebook, seine Nutzer bei der Lösung des Problems, wie am besten Filter ihre eigenen News-Feeds zu gewinnen. Dass Benutzer didnrsquot erkennen, dass sie das taten, war vielleicht der genialste Teil. Wenn Facebook den Benutzern mitgeteilt hatte, dass sie ihre friendsrsquo-Beiträge einstufen und überprüfen mussten, um dem Unternehmen zu helfen, festzustellen, wie viele andere Leute sie sehen sollten, hätten wir den Prozess mühsam und ablenkend gefunden. Facebookrsquos Newsfeed-Algorithmus war einer der ersten, heimlich zu gewinnen Benutzer bei der Personalisierung ihrer experiencecemdashand Einfluss auf alle elsersquos. Plötzlich hatte der Algorithmus eine Weise, die populärsten postsmdashand zu kennzeichnen und sie ldquoviral zu bilden, rdquo ein Ausdruck, der vorher auf Sachen angewendet wurde, die von Person zu Person, eher vermittelt wurden, die algorithmisch zu einem Massepublikum übertragen. Doch Facebook-Mitarbeiter werenrsquot die einzigen, die sehen konnten, was es für einen bestimmten Beitrag ging, um viral zu gehen. Verleger, Inserenten, Hoaxster und sogar einzelne Nutzer begannen, die Elemente, die virale Beiträge zu haben in commonmdashthe Features, die schien, reflexive mag aus einer großen Anzahl von Freunden, Anhänger und sogar zufällige Fremde auslösen neigen. Viele begannen, ihre Posten zu schneiden, um so viele wie möglich zu erhalten. Social-Media-Berater entstanden, um Menschen zu beraten, wie man Spiel Facebookrsquos-Algorithmus: die richtigen Worte zu verwenden, die richtige Zeit, um die Post, die richtige Mischung aus Worten und Bildern. LdquoLIKE DIESES, rdquo ein Gefühl-guter Pfosten würde anflehen, und Leute würden es tun, selbst wenn sie didnrsquot wirklich Sorgfalt so viel über den Pfosten. Es war nicht lange bevor Facebook Userrsquo Feeds begann, sich unheimlich ähnlich zu fühlen. Alle mit Inhalt gefüllt, der entwickelt wurde, um viral zu gehen. Viel von ihm mawkish oder patronizing. Ausgetrunken waren Substanz, Nuancen, Traurigkeit und alles, was Gedanken und Gefühle über einen einfachen Daumen nach oben provozierte. Engagement Metriken wurden upmdashbut war dies wirklich, was die News-Feed sollte für die Optimierung optimieren Die Frage beschäftigt Chris Cox, einem frühen Facebook-Mitarbeiter und die News-Feedrsquos intellektuelle Architekt. LdquoLooking bei Likes, Klicks, Kommentare und Aktien ist eine Möglichkeit zu bestimmen, was die Menschen interessiert sind, rdquo Cox, 33, sagt mir per E-Mail. (Hersquos jetzt Facebookrsquos Chef Product Officer.) Ldquo Aber wir wussten, es gab Orte, an denen dies unvollkommen war. Zum Beispiel können Sie lesen, eine tragische Post, die Sie donrsquot möchten klicken, kommentieren oder teilen, aber wenn wir Sie fragten, würden Sie sagen, dass es wirklich wichtig für Sie, es zu lesen haben. Vor ein paar Jahren, wussten wir, wir brauchten, um auf mehr als nur Likes und Klicks zu sehen, um zu verbessern, wie News Feed für diese Arten von Fällen gearbeitet. rdquo Ein Algorithmus kann für ein bestimmtes Ergebnis zu optimieren, aber es canrsquot Ihnen sagen, was das Ergebnis sollte Sein. Das können nur die Menschen. Cox und die anderen Menschen hinter Facebookrsquos News-Feed beschlossen, dass ihr letztes Ziel wäre, die Menschen zeigen alle Beiträge, die wirklich wichtig für sie und keine von denen, die donrsquot. Sie wussten, dass könnte bedeuten, opfern einige kurzfristige engagementmdash und vielleicht revenuemdashin den Namen der Benutzerzufriedenheit. Mit Facebook rechen in Geld, und Gründer und CEO Mark Zuckerberg Kontrolle der Mehrheit der stimmberechtigten Aktien. Hatte das Unternehmen den seltenen Luxus für den langfristigen Wert zu optimieren. Aber das bleibt noch die Frage, wie genau es geht. Medienorganisationen haben historisch definiert, was für ihr Publikum durch ihr eigenes redaktionelles Urteil wichtig ist. Drücken Sie sie auf, was eine Geschichte lohnt, und theyrsquoll appellieren an Werte wie Wahrheit, Berichterstattung und das öffentliche Interesse. Aber Cox und seine Kollegen bei Facebook haben sich Mühe gegeben, keine eigene Redaktionsmarke auf den News-Feed zu setzen. Stattdessen ist ihre Arbeitsdefinition, was zählt, um eine beliebige Facebook-Nutzer ist nur diese: was er oder sie würde an der Spitze ihrer Feeds gegeben die Wahl. LdquoDie perfekte Weise, dieses Problem zu lösen, wäre, alle zu fragen, welche Geschichten sie wollten sehen und die sie didnrsquot, aber thatrsquos nicht möglich oder praktisch, rdquo Cox sagt. Stattdessen beschlossen Facebook, einige Leute zu fragen, welche Geschichten sie sehen wollten und welche sie didnrsquot. Es gab ungefähr 1.000 dieser Leute, und bis vor kurzem lebten die meisten von ihnen in Knoxville, Tennessee. Jetzt sind sie überall. Adam Mosseri, Facebookrsquos 32-jähriger Direktor des Produktes für Nachrichtenzufuhr, ist Alisonrsquos weniger technisches counterpartmdasha ldquofuzzierdquo eher als ein ldquotechie, rdquo im Silicon-Talparteil. Er verkehrt in Problemen und Allgemeinheiten, wo Alison sich mit Lösungen und Besonderheiten beschäftigt. Hersquos die Nachrichten feedrsquos resident Philosoph. Der Push zu humanisieren die News-Feedrsquos Eingänge und Ausgaben begann unter Mosserirsquos Vorgänger, Will Cathcart. (Ich schrieb über einige dieser Neuerungen hier.) Cathcart begann mit der Sammlung von subtileren Formen von Verhaltensdaten: nicht nur, ob jemand geklickt, sondern wie lange er verbrachte das Lesen einer Geschichte, sobald er darauf geklickt, nicht nur, ob er es mochte, sondern ob Er mochte es vor oder nach dem Lesen. Zum Beispiel: Wollen Sie einen Beitrag vor Ihrer Lesung lesen, hat Facebook gelernt, entspricht viel schwächer zu Ihrem tatsächlichen Gefühl als es danach zu mögen. Nach der Einnahme der Zügel Ende 2013 wurde Mosserirsquos große Initiative zu gründen, was Facebook nennt seine ldquofeed Qualität panel. rdquo Es begann im Sommer 2014 als eine Gruppe von mehreren hundert Menschen in Knoxville, die das Unternehmen bezahlt, um in ein Büro kommen jeden Tag Und bieten kontinuierliche, detaillierte Feedback, was sie sahen in ihren News-Feeds. (Ihr Standort war, sagt Facebook, eine ldquohistorische accidentrdquo, die aus einem Pilotprojekt, in dem das Unternehmen mit einem ungenannten Drittanbieter-Subunternehmer zusammengezogen wuchs). Mosseri und sein Team didnrsquot nur studieren ihr Verhalten. Sie fragten sie auch Fragen, um zu versuchen, zu bekommen, warum sie mochten oder didnrsquot wie ein gegebener Pfosten, wie viel sie mochten, und was sie lieber zu sehen wünschten. LdquoThey schreiben tatsächlich einen kleinen Punkt über jede Geschichte in ihren Nachrichten Zufuhr, rdquo Anmerkungen Greg Marra, Produktmanager für das Nachrichten-Zufuhrrangmannschaft. (Dieses ist die Gruppe thatrsquos, die Facebookrsquos Äquivalent von Nielsen Familien werden.) LdquoThe Frage war, lsquoWhat konnten wir missingrsquo rdquo Mosseri sagt. LdquolsquoDo haben wir alle blinden spotsrsquordquo Zum Beispiel, fügt er hinzu, ldquoWe wissen, gibt es einige Dinge, die Sie sehen, in Ihrem Feed, die Sie liebten und Sie waren begeistert, aber Sie didnrsquot tatsächlich interagieren mit. rdquo Ohne eine Möglichkeit, das zu messen, würde der Algorithmus Entwerten solche Stellen zu Gunsten der anderen, die sich selbstverständlicher für Likes und Klicks leihen. Aber was Signal konnte Facebook nutzen, um diese Informationen zu erfassen Foto von Christophe WuFacebook Mosseri deputierte Produktmanager Max Eulenstein und Anwender Erfahrung Forscher Lauren Scheren, um die Futtermittelqualität Panel zu überwachen und fragen Sie es nur diese Art von Fragen. Zum Beispiel benutzte Eulenstein die Tafel, um die Hypothese zu testen, dass die Zeit, die ein Benutzer verbringt, eine Geschichte in ihrem Nachrichtenzufuhr zu betrachten, ein guter Indikator sein könnte, dass sie es mag, selbst wenn sie didnrsquot wirklich anklicken mag. LdquoWe spekulierte, dass es sein könnte, aber Sie konnten Gründe denken, warum es norsquot sein würde, rdquo Eulenstein sagt mir. LdquoIt könnte sein, dass es beängstigend oder schockierende Geschichten, die Sie anstarren, aber donrsquot wollen sehen. rdquo Die Futterqualität Panelistsrsquo Bewertungen erlaubt Eulenstein und Scheren nicht nur bestätigen ihre Ahnung, sondern um die Feinheiten in der Korrelation zu untersuchen und zu beginnen Zu quantifizieren. LdquoItrsquos nicht so einfach wie, lsquo5 Sekunden ist gut, 2 Sekunden ist schlecht, rsquo rdquo Eulenstein erklärt. LdquoIt hat mehr zu tun mit der Höhe der Zeit, die Sie verbringen auf eine Geschichte im Vergleich zu den anderen Geschichten in Ihren Nachrichten feed. rdquo Die Forschung ergab auch die Notwendigkeit, die Geschwindigkeit der usersrsquo Internet-Verbindungen zu kontrollieren, die es wie theyrsquore Ausgaben scheinen können Eine lange Zeit auf eine gegebene Geschichte, wenn theyrsquore eigentlich nur darauf warten, dass die Seite zu laden. Aus dieser Forschung entstand ein zwicken, dass Facebook im Juni aufgedeckt. In denen der Algorithmus die Rangliste der Geschichten, die Benutzer mehr Zeit in ihren Feeds verbracht. Innerhalb von Monaten waren Mosseri und sein Team so abhängig von dem Feedback, dass sie es bundesweit angenommen hatten und eine demografisch repräsentative Stichprobe von Personen im ganzen Land bezahlt haben, um ihre Facebook-Feeds täglich aus ihren eigenen Häusern zu bewerten und zu überprüfen. Im Spätsommer 2015 löste Facebook die Knoxville-Gruppe auf und begann, das Feed-Qualitäts-Panel im Ausland zu erweitern. Mosserirsquos Instinkt hatte Recht: Der Nachrichtenzufuhralgorithmus hatte blinde Punkte, die Facebookrsquos Datenwissenschaftler couldnrsquot auf ihren Selbst identifiziert haben konnten. Es dauerte eine andere Art von Datamdashqualitative menschliche feedbackmdashto beginnen, um sie zu füllen. Entscheidende, wie die Futterqualität Panel hat sich zu Facebookrsquos Algorithmus, hat das Unternehmen zunehmend bewusst, dass keine einzige Quelle von Daten kann es alles erzählen. Es hat durch die Entwicklung einer Art von Checks-and-Balances-System, in dem jeder News-Feed zwicken muss eine Batterie von Tests unter verschiedenen Arten von Publikum zu unterziehen, und auf eine Vielzahl von verschiedenen Metriken beurteilt werden. Dieser Balanceakt ist die Aufgabe des kleinen Teams von Newsfeed-Ranking-Ingenieuren, Datenwissenschaftlern und Produktmanagern, die jeden Tag in Menlo Park arbeiten. Theyrsquore Menschen wie Sami Tas, ein Software-Ingenieur, dessen Aufgabe ist es, die News-Feed-Ranking Teamrsquos vorgeschlagenen Änderungen in der Sprache, die ein Computer verstehen kann übersetzen. An diesem Nachmittag, als ich über seine Schulter schauen, ihrquill mich durch ein Problem, das so klein erscheinen könnte, um trivial zu sein. Es ist genau die Art von kleinen Problem, aber, dass Facebook nun kritisch betrachtet. Die meisten der Zeit, wenn die Menschen sehen eine Geschichte, die sie donrsquot Pflege in ihrer News-Feed, scrollen sie direkt an ihm vorbei. Einige Geschichten irk sie genug, dass theyrsquore verschoben, klicken Sie auf das kleine Drop-Down-Menü am oberen rechten Rand der Post und wählen Sie ldquoHide post. rdquo Facebookrsquos Algorithmus ist der Auffassung, dass ein starkes negatives Signal und bemüht sich, zeigen sie weniger Beiträge wie die in der Zukunft . Nicht jeder benutzt Facebook auf die gleiche Weise. Facebookrsquos Datenwissenschaftler waren sich bewusst, dass ein kleiner Anteil von usersmdash5 Prozentmdashwere machen 85 Prozent des Versteckens. Als Facebook grub tiefer, fand es, dass eine kleine Teilmenge der 5 Prozent versteckte fast jede Geschichte, die sie sahen sie, wie sie sie gemocht hatten und kommentiert. Für diese ldquosuperhider rdquo es stellte sich heraus und versteckte eine Geschichte didnrsquot bedeuten, dass sie es nicht mochten, es war einfach ihre Weise des Kennzeichnens des Pfostens ldquoread, rdquo wie Archivierung einer Mitteilung in Gmail. Doch ihre Aktionen waren die Vorspannung der Daten, die Facebook auf die Storys berufen. Verwickelt wie es ist, versucht der News-Feed-Algorithmus nicht, einzeln jedes userrsquos-Verhalten zu modellieren. Es behandelt Ihre Vorlieben als identisch im Wert zu meinen, und das gleiche gilt für unsere Häute. Für die Superhider entschied sich das Team jedoch, eine Ausnahme zu machen. Tas wurde mit dem Optimieren des Codes beauftragt, um diese kleine Gruppe von Personen zu identifizieren und den negativen Wert ihrer Häute zu ermäßigen. Die News-Feed Engireering und Design-Team. Von links nach rechts, hintere Reihe: Shilin Ding, Meihong Wang, David Vickrey, Lars Backstrom und Sami Tas. Von links nach rechts, erste Reihe: Amey Dharwadker, Geoff Teehan und Sanjeet Hajarnis. Foto von Christophe WuFacebook Das könnte wie eine einfache Lösung klingen. Aber der Algorithmus ist so wertvoll für Facebook, dass jeder Tweak auf den Code muss gettedmdashfirst in einer Offline-Simulation getestet werden, dann unter einer kleinen Gruppe von Facebook-Mitarbeitern, dann auf einem kleinen Bruchteil aller Facebook-Usermdashbefore es geht live. Bei jedem Schritt sammelt das Unternehmen Daten über die changersquos Wirkung auf Metriken von Benutzer-Engagement, um die Zeit auf der Website verbracht, um Werbeeinnahmen auf Seite Ladezeit. Diagnosetools werden eingerichtet, um eine ungewöhnlich große Veränderung auf einer dieser entscheidenden Metriken in Echtzeit zu erkennen, wobei eine Art interner Alarm ausgelöst wird, der automatisch die Schlüsselmitglieder des Newsfeed-Teams benachrichtigt. Sobald eine Änderung wie Tasrsquo auf jedem dieser Zuschauer getestet worden ist, präsentiert ihrquoll die daraus resultierenden Daten in einem der Newsfeed-Teamrsquos wöchentlich ldquoranking meetingsquo und Feld eine Volley-Fragen von Mosseri, Allison, Marra, und seine anderen Kollegen hinsichtlich ihrer Wirkung auf Verschiedene Metriken. Wenn das Team zufrieden ist, dass die Änderung positiv ist, frei von unbeabsichtigten Konsequenzen, werden die Ingenieure verantwortlich für den Code auf dem iOS, Android und Web-Teams allmählich rollen sie an die breite Öffentlichkeit. Selbst dann, Facebook canrsquot sicher sein, dass die Änderung wonrsquot haben einige subtile, längerfristige Wirkung, die es versäumt hatte, zu antizipieren. Um dies zu bewahren, unterhält es eine ldquoholdout grouprdquomdasha kleinen Anteil der Nutzer, die donrsquot sehen die Veränderung für Wochen oder Monate nach dem Rest von uns. Um von Facebookrsquos News Feed Algorithmus im Singular zu sprechen, kann dann irreführend sein. Es isnrsquot nur, dass der Algorithmus ist wirklich eine Sammlung von Hunderten von kleineren Algorithmen Lösung der kleineren Probleme, aus denen sich das größere Problem, was Geschichten, um Menschen zu zeigen. Itrsquos, dass, dank aller Tests und Holdout-Gruppen gibt es mehr als ein Dutzend verschiedene Versionen des Master-Algorithmus läuft in der Welt zu einem bestimmten Zeitpunkt. Tasrsquo ldquohide storiesrdquo tweak wurde am 31. Juli bekannt gegeben, und sein Post darüber auf Facebookrsquos ldquoNews Feed FYIrdquo Blog ging weitgehend unbemerkt von der breiten Öffentlichkeit. Vermutlich aber sind die Superhider der Welt jetzt marginal mehr zufrieden mit ihren Newsfeeds und damit eher zu halten Facebook, teilen Geschichten mit Freunden und Anzeigen der Anzeigen, die das Unternehmen im Geschäft zu halten. Facebookrsquos Feed Quality Panel hat die companyrsquos Newsfeed-Team reicher, mehr menschliche Daten, als es jemals zuvor hatte. Tas und der Rest des Ranking-Team wachsen mehr geschickt bei der Suche und Festsetzung der algorithmrsquos blinden Flecken. Aber es gibt eine andere Gruppe von Menschen, dass Facebook dreht sich mehr und mehr, wie es versucht, halten die News-Feed relevant: normale Nutzer wie Sie und mich. Die Umfrage, dass Facebook wurde in den letzten sechs Monaten läuft, eine Untermenge von Benutzern zu wählen, um ihre Favoriten unter zwei nebeneinander liegenden Postsmdashis ein Versuch, die gleiche Art von Daten aus einer viel breiteren Sample, als dies über das Feed-Qualität-Panel möglich ist, zu wählen . Aber die zunehmende Beteiligung der normalen Benutzer ist nicht nur auf der Eingangsseite der Gleichung. In den letzten zwei Jahren hat Facebook den Benutzern mehr Macht gegeben, ihre News-Feedsrsquo-Ausgabe zu kontrollieren. Der Algorithmus ist immer noch die treibende Kraft hinter der Rangliste der Beiträge in Ihrem Feed. Aber Facebook ist zunehmend die Benutzer in der Lage, Feinabstimmung ihrer eigenen feedsmdasha Ebene der Kontrolle hatte es lange widerstanden, wie schmerzhaft und unnötig. Facebook hat sieben Jahre damit verbracht, seinen Ranking-Algorithmus zu verbessern, sagt Mosseri. Es hat maschinell erlernte Assistenten, die logistische Regressionen entwickeln, um zu interpretieren, wie userrsquo vergangenes Verhalten vorhergesagt hat, mit welchen Beiträgen themrsquore wahrscheinlich zukünftig zu tun hat. LdquoWe konnte 10 weitere yearsmdashand verbringen und wir willmdashtrying, um diese maschinell-erlernentechniken zu verbessern, rdquo Mosseri sagt. LdquoBut können Sie eine Menge Wert gerade jetzt einfach nur fragen jemand: lsquoWas möchtest du sehen Was möchtest du nicht sehen Welche Freunde wollen Sie immer an der Spitze Ihres feedrsquo rdquo sehen Das Alter des Algorithmus ist Nicht über, aber es gab eine Änderung in der Geschwindigkeit. Das sind jetzt Fragen, die Facebook jedem Benutzer erlaubt, für sich selbst zu beantworten. You can now ldquounfollowrdquo a friend whose posts you no longer want to see, ldquosee lessrdquo of a certain kind of story, and designate your favorite friends and pages as ldquosee first, rdquo so that their posts will appear at the top of your feed every time you log in. How to do all of these things is not immediately obvious to the casual user: You have to click a tiny gray down arrow in the top right corner of a post to see those options. Most people never do. But as the limitations of the fully automated feed have grown clearer, Facebook has grown more comfortable highlighting these options via occasional pop-up reminders with links to explanations and help pages. It is also testing new ways for users to interact with the news feed, including alternate, topic-based news feeds and new buttons to convey reactions other than like. The shift is partly a defensive one. The greatest challenges to Facebookrsquos dominance in recent yearsmdashthe upstarts that threaten to do to Facebook what Facebook did to Myspacemdashhave eschewed this sort of data-driven approach altogether. Instagram, which Facebook acquired in 2012 in part to quell the threat posed by its fast-growing popularity, simply shows you every photo from every person you follow in chronological order. Snapchat has eclipsed Facebook as teensrsquo social network of choice by eschewing virality and automated filtering in favor of more intimate forms of digital interaction. Facebook is not the only data-driven company to run up against the limits of algorithmic optimization in recent years. Netflixrsquos famous movie-recommendation engine has come to rely heavily on humans who are paid to watch movies all day and classify them by genre. To counterbalance the influence of Amazonrsquos automated AB tests, CEO Jeff Bezos places outsize importance on the specific complaints of individual users and maintains a public email address for that very purpose. It would be premature to declare the age of the algorithm over before it really began, but there has been a change in velocity. Facebookrsquos Mosseri, for his part, rejects the buzzword ldquodata-drivenrdquo in reference to decision making he prefers ldquodata-informed. rdquo Engineering director Tom Alison, product director Adam Mosseri, and engineering director Lars Backstrom in the Saint Frank coffee shop in Facebooks Building 20. Photo by Christophe WuFacebook Facebookrsquos news feed ranking team believes the change in its approach is paying off. ldquoAs we continue to improve news feed based on what people tell us, we are seeing that wersquore getting better at ranking peoplersquos news feeds our ranking is getting closer to how people would rank stories in their feeds themselves, rdquo says Scissors, the user experience researcher who helps to ovesee the feed quality panel. Therersquos a potential downside, however, to giving users this sort of control: What if theyrsquore mistaken, as humans often are, about what they really want to see What if Facebookrsquos database of our online behaviors really did know us better, at least in some ways, than we knew ourselves Could giving people the news feed they say they want actually make it less addictive than it was before Mosseri tells me hersquos not particularly worried about that. The data so far, he explains, suggest that placing more weight on surveys and giving users more options have led to an increase in overall engagement and time spent on the site. While the two goals may seem to be in tension in the short term, ldquoWe find that qualitiative improvements to the news feed look like they correlate with long-term engagement. rdquo That may be a happy coincidence if it continues to hold true. But if therersquos one thing that Facebook has learned in 10 years of running the news feed, itrsquos that data never tell the full story, and the algorithm will never be perfect. What looks like itrsquos working today might be unmasked as a mistake tomorrow. And when it does, the humans who go to work every day in Menlo Park will read a bunch of spreadsheets, hold a bunch of meetings, ran a bunch of testsmdashand then change the algorithm once again. About 247Sports Composite: The 247Sports Composite is a proprietary algorithm that compiles rankings and ratings listed in the public domain by the major media recruiting services, creating the industrys most comprehensive and unbiased prospect and team rankings. Über 247Sports Recruiting: Angetrieben von innovativen Technologie-Produkten, beschäftigt 247Sports ein Personal von mehr als 50 Vollzeit-Recruiting-Reporter und Evaluatoren, die Rang und kompilieren Daten über die Nationen Elite High School Rekruten. 2017 Spieler Ranglisten Powered by 247Sport Composite 2017 Rekrutierung Ranglisten Powered by 247Sport Composite 2016 Fußball Rekrutierung Composite Team Rankings