یادگیری ماشین در اینستاگرام نقشی اساسی دارد. اینستاگرام در سال ۲۰۱۰ راه‌اندازی شد و به‌سرعت به یکی از معروف‌ترین برنامه‌های کاربردی در جهان تبدیل شد. اینستاگرام اخیراً از مرز یک‌میلیارد کاربر فعال در پلتفرم خود عبور کرده است. این سرمایه خیلی زیادی است؛ زیرا در سال ۲۰۱۲ (دو سال پس از راه اندازی) با فقط پنجاه‌میلیون کاربر به‌قیمت یک‌میلیارد دلار خریداری شد. تا سال ۲۰۱۹ اینستاگرام پنجمین برنامه‌ای بود که بیشترین تعداد دانلود را داشت. در این مطلب نگاهی انداخته‌ای به کاربرد یادگیری ماشین در اینستاگرام و توضیح داده‌ایم این پلتفرم چطور از این فناوری برای رشد خود استفاده کرده است.
مقدمه
میلیون‌ها کاربر هر روز عکس‌های خود را در اینستاگرام آپلود می‌کنند و با لایک‌کردن و نظر‌دادن با هم در تعامل هستند. اینجاست که بیگ‌دیتا و یادگیری ماشین وارد عمل می‌شوند. با چنین حجم بالایی از داده‌ها که هر روز به اینستاگرام سرازیر می‌شود، اینستاگرام کاری باورنکردنی در استفاده از یادگیری ماشین و هوش مصنوعی انجام داده است. در ادامه نگاهی به تعدادی از کاربردهای یادگیری ماشین در اینستاگرام می‌اندازیم.
کاربردهای یادگیری ماشین در اینستاگرام
برخی از مواردی که اینستاگرام در آن از الگوریتم‌های یادگیری ماشین استفاده می‌کند به‌این شرح است:
Word Embedding
واضح‌ترین راهی که اینستاگرام توانست این کار را انجام دهد، از طریق «تعبیه کلمه» یا Word Embedding است. با کمک تگ‌ها و اطلاعات ترند، کاربران می‌توانند عکس‌هایی را درمورد فعالیت‌ها، موضوعات و مکان‌های پرطرفدار در سراسر جهان (رستوران‌ها، نمایشگاه‌های خیابانی و غیره) پیدا کنند. Word Embedding ترتیب ظاهر‌شدن کلمات در متن را رمزگشایی می‌کند تا میزان ارتباط آن‌ها را اندازه‌گیری کند. اینستاگرام از این تکنیک استفاده می‌کند تا ببیند حساب‌ها چقدر به هم متصل هستند. برای اینکه اینستاگرام توصیه‌های خاصی را ارائه کند، سیستم «Explore» «حساب‌های اولیه» یا Seed accounts (حساب‌هایی که در گذشته با ذخیره یا لایک محتوای آن‌ها در تعامل بوده‌اند) را مشاهده می‌کند و سپس محتوای مشابهی را برای نشان‌دادن به شما کشف می‌کند. بعد از همه‌ی این‌ها محتوا از طریق سیستمی جداگانه عبور می‌کند تا اطمینان حاصل شود که هرزنامه، سخنان نظرات حاوی تنفر و محتوای نقض سیاست‌های اینستاگرام فیلتر شده است.
فیدهای شخصی‌شده
فیدهای شخصی‌شده یکی دیگر از موضوع‌های محبوب هنگام صحبت درمورد اینستاگرام است. تصور کنید عاشق ورزش هستید، اما پست‌های آشپزی به شما نشان داده می‌شود یا عاشق میم‌های چالشی کدنویسی هستید، اما درعوض عکس‌های سیاسی به شما نشان داده می‌شود؛ قطعاً این تجربه وحشتناک خواهد بود. اینستاگرام از یادگیری ماشین (Machine Leaning) استفاده کرده است تا محتوای خاصی را که می‌خواهید روی گوشی شما نشان دهد و اطمینان حاصل کند که ساعت‌ها از آن برنامه لذت می‌برید.
تبلیغات هدفمند
تبلیغات هدفمند یکی دیگر از کاربردهای اساسی است. اینستاگرام از داده‌هایی که تولید می‌کند به‌نفع خود در تبلیغات استفاده می‌کند. گذشته از این، از آنجا که اینستاگرام تحت‌مالکیت فیس بوک است، این امکان فراهم می‌شود تا این پلتفرم از شبکه‌ی وسیعی از بینش و اطلاعات برای کمک به هدف‌قراردادن تبلیغات براساس علاقه‌های مخاطبان (لایک‌ها، صفحاتی که دنبال می‌کنند، با چه افرادی بیشتر در ارتباط هستند و حتی پست‌هایی که ذخیره می‌کنند) داشته باشد. با تمامی داده‌های کلانی که اینستاگرام به آن دسترسی دارد، آن‌هم درحالی‌که فیس‌بوک آن را پشتیبانی می‌کند، آن‌ها می‌توانند فضای کمپین تبلیغاتی را در سطح هدفمندی به فروش برسانند. تعداد کمی از شرکت‌های دیگر توانایی انجام‌دادن این کار را دارند.
Spam
مسائل مربوط به اسپم یا Spam از دیگر زمینه‌های کاربرد یادگیری ماشین در اینستاگرام است. چه به اندازه اینستاگرام بزرگ یا حتی به‌اندازه حساب جی‌میل خود کوچک باشید، قطعاً در روز مقدار زیادی اسپم یا هرزنامه دریافت می‌کنید. اینستاگرام با استفاده از الگوریتمی به‌نام «DeepText» تصمیم گرفته است تا حد امکان این اسپم‌ها را حذف کند. این الگوریتم قابلیت تشخیص پیام‌های اسپم را در بیش از ۹ زبان دارد و پس از شناسایی این پیام‌ها، به‌طور خودکار آن‌ها را از برنامه حذف می‌کند. جای تعجب نیست که این برنامه می‌تواند پیام‌ها را تقریباً به‌خوبیِ انسان‌ها درک کند.
تحقیقات مد و زیبایی‌شناسی
با میلیون‌ها عکس که هر روز در اینستاگرام به اشتراک گذاشته می‌شوند، دانشگاه کرنل (Cornell) تصمیم گرفت ببیند چگونه می‌تواند روند مد را میان سال‌های ۲۰۱۳ تا ۲۰۱۶ دنبال کند. آنان یک برنامه تشخیص اشیا (Object Recognition) را برای تشخیص انواع مختلف لباس‌هایی که افراد در عکس‌های خود می‌پوشند ایجاد کردند؛ سپس این برنامه توانست تعیین کند که کدام گرایش‌ها در کدام مناطق جهان محبوب هستند، چه لباس‌هایی با هم جفت می‌شوند و چگونه روندها در مناطق مختلف در یک دوره‌ی زمانی متفاوت بوده است
حرف آخر
این‌ها فقط تعدادی از راه‌هایی هستند که اینستاگرام می‌تواند با به‌کارگیری داده‌های بزرگ به‌منظور کسب اطلاعات بیشتر در مورد مصرف‌کنندگان خود استفاده کند؛ درواقع این موارد صرفاً معدودی از کاربردهای یادگیری ماشین در اینستاگرام است. استفاده استراتژیک از داده‌ها نقش عمده‌ای در رشد و حفظ کاربر ایفا می‌کند.
ورود به دنیای یادگیری ماشین با کلاس‌های آنلاین کافه‌تدریس
کافه‌تدریس با استفاده از بهترین استادان دوره‌های جامع علم داده و یادگیری ماشین را برگزار می‌کند. شما با شرکت این دوره‌ها می‌توانید از هر نقطه‌ی جغرافیایی با شرکت در این کلاس‌ها علم داده و یادگیری ماشین را به‌صورت کاملاً عملی و با کار روی پروژه‌های واقعی یاد بگیرید.
برای آشنایی با دوره‌های علم داده و یادگیری ماشین کافه‌تدریس روی این لینک کلیک کنید: