Netflix Aprimora Recomendações com Modelo de Linguagem e Supera Sistema Anterior

A Netflix está em fase de testes com um novo sistema de recomendação baseado em modelos de linguagem, batizado de GenRec, que apresentou resultados superiores ao seu motor de sugestões tradicional. Este avanço é um passo significativo para aprimorar a personalização do conteúdo oferecido aos assinantes, tornando as sugestões mais relevantes e adaptadas às preferências individuais.

O sistema GenRec inova ao converter o comportamento do usuário em texto simples, abandonando a necessidade de milhares de características elaboradas e manualmente construídas, que caracterizam o método atual da plataforma. Segundo o The Decoder, a Netflix confirmou que o GenRec não apenas superou seu motor de recomendação existente, mas também exigiu uma fração dos dados de treinamento rotulados que o sistema antigo demandava.

O modelo de recomendação atual da Netflix, desenvolvido ao longo de anos, depende de uma vasta quantidade de dados sobre usuários, títulos e interações, o que torna caro e complexo integrar novos tipos de conteúdo, como jogos, formatos ao vivo ou podcasts. Os modelos de linguagem de uso geral disponíveis no mercado, por sua vez, não são adequados para recomendações, pois tendem a superestimar conteúdos populares, 'alucinar' títulos inexistentes e ignorar regras de negócio específicas.

Para preencher essa lacuna, a Netflix desenvolveu o GenRec. O modelo proprietário é treinado em duas fases: primeiro, um modelo de linguagem de código aberto é ajustado com dados da Netflix para compreender o catálogo e o comportamento do usuário. Em seguida, uma segunda rodada de treinamento especializado transforma esse modelo base em um sistema de classificação de recomendações, que é atualizado com maior frequência para incorporar novos títulos e mudanças nas preferências.

Em vez de codificar dados do usuário como vetores numéricos densos, a Netflix os converte em texto. Eventos como reproduções, durações de visualização, avaliações de 'curtir' ou 'não curtir', adições à lista e desistências são transformados em uma espécie de diálogo. O modelo, então, identifica padrões como preferências de gênero ou interesses em constante mudança de forma autônoma, sem a necessidade de recursos manualmente elaborados. Para evitar sugestões de títulos que não existem, um componente separado garante que apenas entradas reais do catálogo sejam pontuadas.

Os testes realizados pela Netflix mostraram melhorias tangíveis na qualidade das recomendações. Em avaliações offline, o GenRec entregou cerca de 1,6% de melhoria na qualidade de classificação em comparação com o sistema de produção existente, que foi otimizado por muitos anos. Notavelmente, ele precisou de aproximadamente 40 vezes menos exemplos rotulados na segunda fase de treinamento para alcançar esse resultado.

Em um experimento A/B online, conduzido por quatro semanas com cerca de dez por cento do tráfego da plataforma em superfícies de recomendação pré-computadas, uma métrica de curto prazo que monitora o comportamento do usuário na tela inicial aumentou em 0,115 por cento. Uma métrica central de longo prazo também mostrou melhoria de 0,006 por cento. Segundo a Netflix, ambos os ganhos são estatisticamente significativos e não podem ser atribuídos ao acaso.

O que muda na prática

• Recomendações mais precisas: Os assinantes podem esperar sugestões de filmes e séries que realmente se alinham aos seus gostos, com uma adaptação mais rápida a mudanças nas suas preferências.
• Maior diversidade de conteúdo: A plataforma terá mais facilidade para integrar e recomendar novos formatos, como jogos, podcasts ou eventos ao vivo, que hoje são complexos para o sistema tradicional.
• Experiência mais fluida: A capacidade do GenRec de entender padrões de comportamento sem depender de recursos manuais pode levar a uma interface mais intuitiva e responsiva às interações do usuário.
• Otimização de custos: Embora o impacto direto para o usuário não seja evidente, a necessidade de menos dados de treinamento e a eficiência do GenRec em processar informações podem resultar em uma operação mais econômica para a Netflix, permitindo mais investimentos em conteúdo.

A Netflix vê o GenRec como parte de uma transição mais ampla em direção a modelos de linguagem de propósito geral, afastando-se de arquiteturas personalizadas para cada tarefa. A equipe da empresa classifica o GenRec como "um passo inicial, mas promissor" e uma "forte alternativa" aos modelos de recomendação tradicionais. No entanto, uma substituição completa do sistema atual ainda não está em discussão. A empresa já utiliza aprendizado de máquina em diversas áreas, como a previsão de categorias de conteúdo e o framework VOID para remoção de objetos de vídeo, destacando seu contínuo investimento em inteligência artificial.