Jeste li se ikada zapitali kako Netflix gotovo nepogrešivo zna da ćete nakon napetog skandinavskog trilera poželjeti laganu britansku komediju? Taj osjećaj da vas platforma "poznaje" nije slučajan.

Riječ je o jednom od najsofisticiranijih sustava strojnog učenja na svijetu, koji je toliko učinkovit da više od 80 posto sadržaja koji korisnici pogledaju dolazi izravno iz njegovih preporuka, a ne aktivnog pretraživanja. Ta razina personalizacije tvrtki štedi procijenjenih milijardu dolara godišnje, sprječavajući odljev korisnika prezasićenih izborom.

Od stotina modela do jedinstvenog 'mozga'

Godinama se Netflixov ekosustav preporuka sastojao od stotina neovisnih, visoko specijaliziranih modela. Jedan algoritam bio je zadužen za red "Nastavi gledati", drugi je optimizirao "Top 10 listu", a treći slagao preporuke temeljene na jednom pogledanom filmu. Iako je ovaj pristup bio uspješan, stvorio je ogroman teret za održavanje i usporio inovacije. Promjena implementirana u jednom modelu mjesecima se prenosila na ostatak sustava.

No, tijekom 2025. godine dogodila se tiha revolucija. Netflix je počeo s tranzicijom na jedinstveni Foundation Model za personalizaciju, arhitekturu inspiriranu velikim jezičnim modelima (LLM) poput GPT-a. Ideja je jednostavna, ali efikasna - umjesto da promatra riječi u rečenici, model promatra cjelokupnu povijest interakcija korisnika kao jedan dugi, složeni narativ. Njegov zadatak nije predvidjeti iduću riječ, već idući "interakcijski token", odnosno najvjerojatniji sljedeći korak korisnika.

Taj "token" nije samo naslov filma. To je bogati paket podataka koji uključuje vrijeme gledanja, korišteni uređaj, jeste li pauzirali, premotali unatrag ili odustali nakon deset minuta. Analizirajući milijarde takvih događaja dnevno, sustav uči "jezik ukusa" svakog pojedinca. Unutar ovog sustava djeluje i komponenta nazvana "Hydra", model za višezadaćno učenje koji istovremeno optimizira različite poslovne ciljeve, od povećanja gledanosti serija do poticanja klikova na Netflixove igre, sve unutar jedne neuronske mreže.

Personalizacija na steroidima

Snaga ovog sustava najočitija je u detaljima koje rijetko primjećujemo. Jedan od najfascinantnijih primjera je personalizacija naslovnih slika (tzv. thumbnails). Netflix za svaki naslov stvara više vizualnih varijanti, a zatim koristi tehniku strojnog učenja zvanu kontekstualni banditi kako bi u stvarnom vremenu odabrao onu koja će najvjerojatnije privući baš vas.

Ako, primjerice, često gledate romantične drame, za film Pulp Fiction sustav bi vam mogao prikazati sliku s Umom Thurman i Johnom Travoltom u sceni plesa. Ako pak preferirate akciju, vjerojatnije je da ćete vidjeti scenu s oružjem. No, personalizacija se ne zaustavlja na slikama. Cijela početna stranica je jedinstvena za svakog korisnika.

Algoritam ne bira samo koje će naslove preporučiti, već i kojim će ih redoslijedom prikazati. Red "Napeti trileri" može biti na vrhu za jednog korisnika, dok će za drugog biti skriven na dnu stranice. Zanimljivo je da se sustav pritom gotovo isključivo oslanja na bihevioralne podatke, poput brzine kojom prelazite preko sadržaja ili gdje se najdulje zadržavate. Demografski podaci poput dobi ili spola namjerno se ne koriste kao primarni faktori.

Rješavanje vječnih problema

Jedan od najvećih izazova za svaki sustav preporuka je takozvani "problem hladnog starta": kako preporučiti potpuno novi film ili seriju o kojoj ne postoje podaci o gledanosti? Foundation Model to rješava na elegantan način. Za novi naslov, inicijalna preporuka temelji se na analizi njegovih metapodataka, žanra, redatelja, glumaca i sažetka radnje.

Kako korisnici počnu gledati sadržaj, sustav postupno smanjuje oslanjanje na metapodatke i daje prednost stvarnim podacima o interakciji. Gledajući u budućnost, Netflix već integrira generativnu umjetnu inteligenciju kako bi dodatno poboljšao iskustvo. Od ove godine korisnici mogu pretraživati sadržaj koristeći prirodni jezik i opisne upite, poput "pronađi mi znanstveno-fantastični film s napetom atmosferom u svemiru, ali da nije horor".