LinkedIn vient d’annoncer une percée majeure dans l’exploitation de l’intelligence artificielle pour rehausser la pertinence de son fil d’actualité. En s’appuyant sur les récents développements dans ce domaine, LinkedIn se positionne pour offrir à ses membres une expérience plus personnalisée et captivante. Découvrez dans cet article les détails de cette dernière déclaration.
Algorithme LinkedIn
LinkedIn met l’intelligence artificielle au cœur de l’amélioration de la pertinence de son fil d’actualité. L’utilisation d’incorporations pour transformer des identifiants rares en espaces d’incorporation permet de saisir des relations et des schémas importants entre les données, tout en simplifiant les calculs. La significative augmentation de la taille des modèles permet une personnalisation plus fine et une meilleure prise en compte des interactions complexes. La parallélisation des modèles a considérablement amélioré l’efficacité de la formation, permettant la création de modèles de plusieurs milliards de paramètres en un temps raisonnable.
Voici comment LinkedIn investit l’IA sur sa plateforme
En quête d’amélioration continue, LinkedIn a récemment apporté des améliorations significatives à son architecture. Ces améliorations visent à optimiser l’efficacité des processus tout en maintenant des performances exceptionnelles.
Le rôle de l’IA dans cette recherche d’amélioration
L’IA est au cœur de la stratégie d’amélioration de la pertinence du fil d’actualité de LinkedIn. En utilisant l’apprentissage en profondeur, la plateforme explore d’importants ensembles de données pour découvrir des schémas complexes, identifier des relations pertinentes, et offrir un contenu plus ciblé à chaque membre.
Les incorporations personnalisées
LinkedIn adopte une approche novatrice en transformant des identifiants peu fréquents en espaces d’incorporation. Ces derniers capturent des informations essentielles, telles que les préférences de chaque membre et leurs interactions passées. Résultat : une personnalisation plus développée et des recommandations plus précises.
En se basant sur les interactions passées, les préférences et les relations professionnelles, le fil d’actualité devient une source inestimable de contenu répondant aux besoins spécifiques de chaque utilisateur.
Adoption de la parallélisation des modèles et changement dans l’infrastructure de service
En parallélisant les modèles d’apprentissage, LinkedIn optimise l’efficacité de la formation, réduisant ainsi le temps nécessaire à la création de modèles de plusieurs milliards de paramètres. Le passage d’un modèle de service externe à un modèle de service en mémoire améliore l’efficacité opérationnelle et renforce la capacité d’innovation des modélisateurs.
Bonus : Résolution du problème de « Démarrage à Froid »
Un défi majeur auquel LinkedIn fait face est le « démarrage à froid », c’est-à-dire la difficulté de recommander du contenu pertinent aux nouveaux membres ou aux éléments récemment ajoutés. Grâce à des changements, notamment aux incorporations personnalisées, LinkedIn résout ce problème en associant les nouveaux éléments à des espaces d’incorporation existants, établissant ainsi des relations même avec peu d’informations.
Avantages des modèles de grande taille
L’expansion significative de la taille des modèles au sein de l’écosystème LinkedIn joue un rôle essentiel dans l’amélioration de la pertinence du contenu proposé aux membres. Cette augmentation de capacité permet une analyse plus fine des interactions, des schémas plus profonds et des nuances, améliorant ainsi la personnalisation pour chaque utilisateur.
En élargissant leur envergure, les modèles permettent une meilleure compréhension des intérêts spécifiques, des préférences et des habitudes professionnelles de chaque utilisateur.
