A estas alturas, probablemente no sea una sorpresa saber que buena parte del contenido que ves en tus redes sociales favoritas es escogido por una inteligencia artificial, que analiza tus gustos e intereses con el objetivo de mostrarte las imágenes, vídeos o texto que más probabilidades tenga de «engancharte» para que sigas pasando aún más tiempo en la plataforma.
Pero, por primera vez, Meta ha compartido detalles relacionados con el funcionamiento de este tipo de sistemas. A través de una publicación en su blog, el presidente de asuntos globales de Meta, Nick Clegg, ha detallado la tecnología detrás del sistema que hace que la experiencia con Instagram y Facebook sea completamente diferente para cada usuario.
Un sistema basado en 22 «tarjetas» que analizan lo que haces en Instagram
Clegg explica que la información recopilada por este sistema se almacena en 22 fichas o tarjetas de sistemas de IA, cada una de ellas formada por muchos modelos y reglas dinámicas. Todas ellas se pueden consultar en el Centro de Transparencia de Meta.
Estas tarjetas cuentan con reglas que tienen en cuenta la forma en que los usuarios de Meta consumen contenido dentro de las diferentes plataformas, ya sea a través del Feed, las Historias o los Reels.
A partir de la información recopilada, el sistema de recomendación automatizado basa su funcionamiento en cuatro fases: inventario, señales, predicciones y relevancia.
En la fase de inventario, el algoritmo analiza el conjunto total de publicaciones que el usuario puede ver al abrir la red social. Posteriormente, para cada una de las publicaciones, el algoritmo tiene en cuenta una serie de señales como la persona que publicó el contenido y la relación del usuario con ella, el número de amigos que indicaron que les gusta esa publicación, el tipo de contenido o su popularidad.
Con esta información, el algoritmo ya puede emplear esas señales para elaborar una serie de predicciones personalizadas, basándose en las probabilidades de que resulte interesante al usuario. Estas predicciones contemplan varias cosas, desde la probabilidad de que el usuario comente la publicación o realice otro tipo de interacción, hasta si se trata de contenido original o publicado por amigos o familiares del usuario.
Finalmente, se llega a la fase de Relevancia, donde el algoritmo debe calcular una puntuación para cada publicación del inventario basándose en las señales y las predicciones obtenidas en los procesos anteriores. Así, las publicaciones con mayor relevancia aparecen más arriba en el feed o en las primeras posiciones de las historias, y las que tienen menor relevancia aparecen al final.