پرش به محتوای اصلی
پرش به محتوای مقاله

متا کنترل الگوریتم فیس‌بوک را به زبان طبیعی در اختیار کاربران گذاشت

·۲۱ مهر ۱۴۰۵۴ دقیقه مطالعه
کنترل موضوع الگوریتم متا به فید و ریلز فیس‌بوک رسید
کنترل موضوع الگوریتم متا به فید و ریلز فیس‌بوک رسید
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تبدیل رابط کاربری مدیریت الگوریتم از سیگنال‌های رفتاری (لایک/کلیک) به ورودی‌های متنی مستقیم؛ کاربر اکنون می‌تواند با زبان طبیعی، وزن‌های رتبه‌بندی فید خود را تغییر دهد.

تصور کنید به جای اینکه امیدوار باشید هوش مصنوعی با تحلیل لایک‌های شما، علایقتان را حدس بزند، مستقیماً به او دستور دهید چه ببیند و چه نبیند. متا این رویای کنترل مطلق را با معرفی قابلیت «الگوریتم شما» (Your Algorithm) به واقعیت تبدیل کرد.

در ۱۳ اکتبر ۲۰۲۶، این شرکت مرکز کنترلی را راه‌اندازی کرد که به کاربران فیس‌بوک اجازه می‌دهد با استفاده از زبان طبیعی، موضوعاتی که توصیه‌های فید و ریلز آن‌ها را هدایت می‌کند، در لحظه اضافه یا حذف کنند. این اقدام در حالی رخ می‌دهد که پلتفرم‌های اجتماعی برای ایجاد تعادل بین سازمان‌دهی خودکار و اراده کاربر در تکاپو هستند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی شفافیت مدل‌های توصیه‌گر اشاره کردیم، صنعت به سمتی می‌رود که «جعبه سیاه» الگوریتم‌ها باز شود. متا پیش از این بر کاهش هزینه‌های عملیاتی تمرکز داشت — برای مثال وقتی Wonder Models هزینه‌های API را به ۴ دلار برای هر میلیون توکن رساند — اما اکنون چرخش راهبردی خود را به سمت تجربه‌ای کاربرمحور و شفاف انجام داده است.

فید شما را مانند مجله‌ای تصور کنید که شما سردبیر آن هستید. به جای تکیه بر حدس‌های ماشین، کافی است بگویید: «درباره باغبانی شهری بیشتر نشان بده و شایعات سلبریتی‌ها را کم کن».

دسترسی و بستر اجرا

به گزارش Meta Newsroom، این ابزارها مستقیماً در رابط کاربری ادغام شده‌اند تا دسترسی به آن‌ها ساده باشد. کاربران می‌توانند از طریق منوی سه-نقطه که در هر پست وجود دارد، به بخش «الگوریتم شما» دسترسی پیدا کنند.

این طراحی به کاربران اجازه می‌دهد مستقیماً با الگوریتم‌هایی که محتوا را رتبه‌بندی و توصیه می‌کنند، تعامل داشته باشند. متا این وضعیت را «نشستن در صندلی راننده» توصیف می‌کند؛ جایی که کاربر به جای تکیه بر رفتارهای غیرفعال، علایق خود را با کلمات خودش تعریف می‌کند.

سازوکار مدل‌های زبانی

طبق اعلام متا، این سیستم از مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — برای پر کردن شکاف بین داده‌های خام و قصد کاربر استفاده می‌کند. متا معتقد است LLMها با درک بستر و نیت پشت زبان طبیعی، جهشی واقعی در سیستم ایجاد کرده‌اند.

فرآیند رتبه‌بندی اکنون در چندین لایه عمل می‌کند:

  • پردازش زبان طبیعی: مدل‌های زبانی، متن آزاد کاربر را تفسیر می‌کنند تا بستر و نیت پشت ورودی‌های متنی را درک کنند. این کار باعث می‌شود الگوریتمی ساخته شود که واقعاً بتوان با آن حرف زد.
  • تطبیق آنی: توصیه‌ها بلافاصله پاسخ می‌دهند و در همان جلسه (Session) به‌روز می‌شوند تا نیاز لحظه‌ای کاربر را برآورده کنند و تغییرات در همان لحظه منعکس شوند.
  • بازخورد گفتگویی: پس از کلیک روی «علاقه‌مند هستم» یا «علاقه‌مند نیستم» روی یک پست، متا ممکن است سؤالات تکمیلی بپرسد. کاربران سپس می‌توانند با کلمات خود توضیح دهند که دقیقاً چه چیزی را دوست داشتند یا نداشتند.
  • سیگنال‌های ترکیبی: سیستم متن‌های آزاد را با هزاران سیگنال موجود، مانند پست‌های لایک شده، کامنت‌های گذاشته شده و محتوای تماشا شده ترکیب می‌کند.

یکپارچگی در اکوسیستم متا

این به‌روزرسانی فیس‌بوک، آخرین تکه از یک استراتژی گسترده‌تر در کل اکوسیستم متا است. متا ابتدا «الگوریتم شما» را در ۱۰ دسامبر ۲۰۲۵ برای ریلز اینستاگرام در آمریکا معرفی کرد. در زمان عرضه، این ویژگی به زبان انگلیسی در دسترس بود و به کاربران اجازه می‌داد خلاصه‌ای از موضوعاتی را ببینند که اینستاگرام فکر می‌کرد کاربر بیشترین علاقه را به آن‌ها دارد.

اینستاگرام در ۱۵ آوریل ۲۰۲۶ ابزار را به بخش Explore گسترش داد و تا ۱۰ ژوئن ۲۰۲۶، آن را به یک سیستم جهانی یکپارچه برای کاربران انگلیسی‌زبان تبدیل کرد که در تمام بخش‌های فید، ریلز و اکسپلور فعال بود. این یعنی تغییرات در ترجیحات کاربر در هر جای پلتفرم اعمال می‌شود و نیازی نیست هر بخش را به‌طور جداگانه تنظیم کند.

نسخه اینستاگرام شامل ویژگی‌های بصری خاصی است:

  • خلاصه‌های هوش مصنوعی: کاربر خلاصه‌ای تولید شده توسط AI از موضوعاتی که بر توصیه‌های او اثر می‌گذارند را می‌بیند.
  • برچسب‌های موضوعی: پست‌های توصیه شده دارای برچسب‌هایی مانند «از دویدن» یا «از استایل خیابانی» هستند.
  • برچسب‌های تعاملی: با ضربه روی یک برچسب، کاربر می‌تواند محتوای مرتبط بیشتری پیدا کند یا با تغییر سلیقه‌اش، ترجیحات را به‌روز کند.
  • نقاط دسترسی: دسترسی از طریق یک آیکون (دو خط با قلب) در قسمت بالای ریلز یا اکسپلور، و یا از طریق بخش «Content preferences» در تنظیمات و فعالیت‌ها (Settings and activity) امکان‌پذیر است.

در Threads، متا رویکرد متفاوتی را در ۱۱ فوریه ۲۰۲۶ با قابلیت «Dear Algo» پیش گرفت. این ویژگی قدرت‌گرفته از هوش مصنوعی، اجازه می‌دهد کاربر با نوشتن پستی عمومی که با عبارت «Dear Algo» شروع شود و سپس درخواستش را بنویسد، فید خود را برای سه روز تغییر دهد. برای مثال، کاربر می‌تواند درخواست محتوای بیشتر درباره پادکست‌های محبوب را بدهد.

کاربران تردز حتی می‌توانند درخواست «Dear Algo» دیگران را بازنشر (Repost) کنند تا همان ترجیحات روی فید آن‌ها هم اعمال شود. این ابزار فعلاً در آمریکا، نیوزیلند، استرالیا و انگلیس فعال است.

برای کاربر عادی، این یعنی «جعبه سیاه» رسانه‌های اجتماعی در حال تبدیل شدن به یک گفتگو است. دیگر نیازی نیست با کلیک‌های تکراری، الگوریتم را «آموزش» دهید؛ بلکه می‌توانید به آن فرمان دهید.

از منظر تجاری، این کار با جلوگیری از «به‌تله‌افتادن الگوریتمی» (Algorithmic rut) — جایی که کاربر احساس می‌کند در علایق قدیمی‌اش گیر کرده است — نرخ ریزش کاربران را کاهش می‌دهد. متا با دادن فرمان به کاربر، ارتباط بلندمدت تبلیغات و نحوه تحویل محتوا را بهبود می‌بخشد.

احتمالاً متا این کنترل‌های گفتگویی را به عامل‌های هوش مصنوعی (AI agents) و محیط‌های واقعیت مجازی خود نیز گسترش می‌دهد تا یک «پروفایل علایق» یکپارچه ایجاد کند که کاربر را در تمام سخت‌افزارها و نرم‌افزارهای متا دنبال کند. این رویکرد با استراتژی متا در توسعه دستیارهای هوشمند همسو است، مشابه آنچه در کنترل برنامه‌های بومی مک توسط عامل Muse مشاهده کردیم.

گام بعدی شما

  • اگر از اینستاگرام یا فیس‌بوک استفاده می‌کنید، منوی تنظیمات محتوا را برای یافتن برچسب‌های موضوعی بررسی کنید.
  • در تردز، از عبارت «Dear Algo» برای تست تغییر سریع فید خود استفاده کنید.
  • دقت کنید که چگونه تغییرات متنی شما، سرعت تغییر محتوای پیشنهادی را نسبت به لایک‌های ساده افزایش می‌دهد.

اما احتمالاً این کنترل‌های گفتگویی به‌زودی به محیط‌های واقعیت مجازی متا نیز سرایت می‌کنند — به تحلیل ما درباره اکوسیستم Quest مراجعه کنید.

چرا این موضوع مهم است؟

این تحول با تکیه بر اعتبار مدل‌های زبانی متا، تجربه کاربری را از حالت پذیرنده غیرفعال به مدیریت فعال تغییر می‌دهد. در نتیجه، دقت هدف‌گیری تبلیغاتی افزایش و نرخ خستگی کاربر از محتواهای تکراری کاهش می‌یابد.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی و تحریم‌ها، اکثر کاربران ایرانی برای استفاده از این قابلیت‌ها به ابزارهای تغییر آی‌پی نیاز دارند و دسترسی به نسخه‌های به‌روزرسانی‌شده اپلیکیشن‌ها در برخی مارکت‌ها محدود است.

·نگاه ما
تحریریه دات‌هوش

متا با این اقدام، مدل‌های زبانی را از یک ابزار تولید محتوا به یک لایه رابط کاربری (UI) برای مدیریت زیرساخت‌های پیچیده تبدیل کرد. این یعنی LLMها دیگر فقط برای چت کردن نیستند، بلکه به عنوان مترجمی بین زبان انسان و کدهای ریاضی رتبه‌بندی عمل می‌کنند. این تغییر پارادایم، قدرت را از مهندسان داده به کاربر نهایی منتقل می‌کند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.