Uvnitř technologie je série blogů, která jde ruku v ruce s naší Podcast technické diskuse. Zde se ponoříme hlouběji do klíčových technických výzev, kterým čelíme, a sdílíme jedinečné přístupy, které k tomu používáme. V tomto vydání Uvnitř technologieMluvili jsme s Michelle Gong, Senior Engineering Manager, abychom se dozvěděli více o tom, jak práce personalizačního týmu pomáhá uživatelům Roblox najít zážitky, které si zamilují.
Jaké technické problémy řešíte?
Náš personalizační tým, který je součástí skupiny Growth, je zodpovědný za poskytování personalizovaných a relevantních doporučení našim uživatelům. Chceme lidem umožnit najít obsah, který se jim bude líbit, zajistit dlouhodobé zapojení do Robloxu a propojit zkušenosti se správnými lidmi.
Dnes máme 66 milionů aktivních uživatelů denně, ale toto číslo každým rokem roste zhruba o 20 %, což znamená, že přichází stále více dat. Velkou technickou výzvou je proto zachovat odezvu v reálném čase a zajistit, aby nebyla zohledněna personalizovaná doporučení. To nevyžaduje dlouhé čekání, a to vše bez zvýšení nákladů na služby. Ve skutečnosti je to jeden z důvodů, proč jsme v loňském roce kompletně přestavěli naši backendovou infrastrukturu.
Jak rosteme, přemýšlíme, jak zlepšit uživatelský zážitek, aniž bychom potřebovali spoustu dalšího výpočetního výkonu. Myslíme si, že strojové učení by mohlo být součástí odpovědi, ale zjistili jsme, že řešení ML mohou využívat více výpočetních zdrojů a zvyšovat náklady, jak se datové modely zvětšují. Toto pro nás není škálovatelné, takže pracujeme na zlepšení vyhledávání a hodnocení v reálném čase, aniž by nám vznikly tyto dodatečné náklady.
Jaká jsou některá z inovativních řešení, která vytváříme pro řešení těchto technických problémů?
Vytváříme systém doporučení, který lidem pomůže rychle objevit obsah, který je nejvíce zajímá. K tomu se učíme, jak na problém aplikovat nejpokročilejší technologie ML. Do těchto systémů jsme například integrovali výuku s vlastním dohledem, pokročilé architektury a techniky z velkých jazykových modelů (LLM) a kontrafaktuální hodnocení.
Existuje mnoho pokročilých předem vyškolených LLM, ale nemůžeme je přímo použít, protože jsou spojeny s vysokými náklady na služby. Místo toho trénujeme naše vlastní modely pomocí technik často používaných k vytváření LLM. Jedním příkladem je sekvenční modelování, protože jazyk a herní historie uživatele Roblox jsou sekvence. Chceme pochopit, jak velká část herní historie uživatele může předpovědět jeho současné a budoucí zájmy a preference. Tento model nám v tom pomáhá.
Učení reprezentace s vlastním dohledem je nyní široce používáno v počítačovém vidění a porozumění přirozenému jazyku a tuto techniku aplikujeme na naše systémy doporučení.
Jaká jsou hlavní ponaučení z této technické práce?
Cílem Robloxu je propojit miliardu uživatelů a abychom toho dosáhli, musíme identifikovat řešení, která vyvažují užitečnost a náklady. Když to děláme efektivně, jsme schopni více investovat do naší komunity.
Rozhodli jsme se například investovat do vlastních datových center a tento hazard se vyplácí. Nejdůležitější věcí, kterou jsme se naučili, je, že když máme zdroje a schopnosti něco udělat sami, je efektivnější vytvořit něco na míru, než platit za technologie třetích stran. Budováním našich platforem a modelů od základů jsme schopni hledat inovativní řešení optimalizovaná pro naše podnikání a naše omezení zdrojů a požadavky.
Jaká hodnota Robloxu podle vás nejlépe odpovídá tomu, jak vy a váš tým přistupujete k technickým výzvám?
Respektujte komunitu. Hluboce nám záleží na našich tvůrcích a vývojářích. Na jejich názorech opravdu záleží. Zpětnou vazbu vývojářů bereme velmi vážně. Hodně času trávím odpovědí na otázky vývojářů přímo ve spolupráci s naším týmem pro vztahy s vývojáři. Když jsme si udělali čas na pochopení jejich zpětné vazby a viděli, jak pro ně můžeme vylepšit naši platformu, pomohlo nám to zajistit, že se také zaměřujeme na správné věci.
Také bych řekl, že se podíváme z dlouhodobého hlediska. Připojil jsem se k Roblox, protože opravdu věřím v Daveovu vizi dlouhodobého pohledu. Ve skutečnosti se při naší každodenní práci vyhýbáme vytváření krátkodobých hacknutých řešení. Místo toho se zaměřujeme na vytváření principiálních, spolehlivých a škálovatelných řešení, protože stavíme pro budoucnost.
Co vás nejvíce vzrušuje na směru, kterým se Roblox a váš tým ubírají?
Máme před sebou tolik jedinečných výzev. Budování systémů doporučení jako oboustranného trhu a pro dlouhodobé udržení uživatelů představuje obrovskou příležitost k růstu. Ale myslíme také na věci, jako je vizuální porozumění a porozumění textu pro případy použití, jako jsou doporučení, vyhledávání, důvěra a zabezpečení atd.
Navíc jsme strukturováni tak, abychom mohli jednat velmi rychle a být velmi efektivní. Každý člen týmu je extrémně motivovaný a nadšený z výzev, kterým čelíme. Pokud vás to zajímá, máme pro vás místo.
Pokud to zní jako výzvy a příležitosti, kterým se chcete věnovat, podívejte se na naše dostupné pozice na roblox.com/careers.
