Компания VK представила инновационную систему рекомендаций на базе искусственного интеллекта под названием Discovery. Технология кардинально меняет подход к подбору контента для пользователей — теперь алгоритм анализирует смысловое содержание материалов, отказавшись от традиционной опоры на лайки и пользовательские оценки. В основе разработки лежит мультимодальная языковая модель, обученная на массиве из более трех миллионов русскоязычных материалов.

Система способна интерпретировать сюжеты видео, определять тематику публикаций и находить глубокие смысловые связи между разнородным контентом. По заявлению компании, внедрение технологии уже показало впечатляющие результаты — позитивные реакции выросли на 7%, а точность видеорекомендаций увеличилась на 60%. Это существенный прорыв в области персонализации контента для российских пользователей.

Технология Discovery использует сложную кросс-форматную модель, которая проводит раздельный анализ различных элементов контента. Система отдельно обрабатывает название материала, изучает обложку, анализирует аудиодорожку и детально разбирает видеоряд. Все полученные данные объединяются в едином информационном пространстве, что позволяет алгоритму выявлять смысловые связи между материалами разных форматов. Такой подход дает возможность рекомендовать пользователям релевантный контент независимо от его типа — будь то видеоролик, музыкальная композиция или текстовая публикация.

Особое внимание разработчики уделили распознаванию персон в видеоконтенте. Для этого создана отдельная система, работающая на базе двух моделей машинного обучения. Первая модель анализирует видеоряд с высокой частотой — один кадр в секунду, что обеспечивает детальное сканирование материала. Вторая модель занимается идентификацией лиц и формирует единый образ персонажа на протяжении всего видео. Это позволяет системе точно определять, какие известные личности присутствуют в контенте, и учитывать этот фактор при формировании рекомендаций.

Мультимодальная языковая модель, лежащая в основе Discovery, демонстрирует способность к глубокому пониманию контента. Обучение на более чем трех миллионах русскоязычных материалов позволило системе научиться интерпретировать не только явные, но и скрытые смысловые пласты публикаций. Алгоритм понимает контекст, определяет эмоциональную окраску материалов и выявляет тематические связи, которые могут быть неочевидны при поверхностном анализе.

Результаты внедрения технологии подтверждают эффективность нового подхода. Рост позитивных реакций на рекомендованный контент на 7% свидетельствует о том, что пользователи получают действительно интересные им материалы. Увеличение точности видеорекомендаций на 60% показывает, насколько смысловой анализ превосходит традиционные методы подбора контента на основе пользовательских предпочтений. Система учитывает не историю лайков и просмотров, а реальное содержание материалов, что делает рекомендации более разнообразными и релевантными.

Читайте также: 

• Xiaomi представила умную стиральную машину на 12 кг всего за $230
• Маск анонсировал создание миллиона роботов Optimus для борьбы с бедностью
• GPT-5 создаёт полноценные приложения за минуты: этот случай удивит даже опытных промпт-инженеров
• ByteDance представила самого доступного ИИ-помощника для программистов за $1,3 в месяц
• OpenAI запустила GPT-5-Codex: новый ИИ-помощник для разработчиков