Meta преобразовала часть своих внутренних рабочих процессов в специализированную лабораторию пост-тренинга искусственного интеллекта — это часть более широкой стратегии по улучшению того, как её модели обучаются и работают. Лаборатория призвана ускорить доработки, которые могут сделать рекламу более эффективной и принести компании больше доходов, согласно деталям, предоставленным социальной медиа-гигантом.
Как работает лаборатория
Лаборатория использует существующие внутренние процессы — конвейеры модерации контента, циклы обратной связи пользователей и потоки данных об эффективности рекламы — в качестве обучающего материала для моделей ИИ после их первоначальной разработки. Вместо того чтобы рассматривать пост-тренинг как отдельный этап, Meta встраивает его в повседневные операции, позволяя моделям адаптироваться почти в реальном времени. Компания считает, что такой подход приведёт к созданию моделей, которые будут более чутко реагировать на изменения в поведении пользователей и потребностях рекламодателей.
Ставка на доход
Реклама является основным источником дохода Meta, и компания всё активнее полагается на ИИ для поддержания этого двигателя. Стратегия пост-тренинга направлена на тонкую настройку моделей специально для таргетинга рекламы, ставок и оптимизации креативов. Сделав лабораторию постоянной частью внутренней экосистемы, Meta надеется сократить разрыв между выпуском новой модели и достижением её пиковой производительности с точки зрения дохода. Если лаборатория будет работать так, как задумано, отдача может быть значительной.
Риски выполнения сохраняются
Однако путь от лаборатории к реальным улучшениям не гарантирован. Те же внутренние процессы, которые питают лабораторию, сами являются продуктами существующих систем компании, и недостатки в этих системах могут быть усилены, а не исправлены. Риски выполнения — от проблем с качеством данных до неверных сигналов вознаграждения — могут помешать моделям добиться реальных успехов. Meta не раскрыла конкретных контрольных показателей или сроков для результатов работы лаборатории, что оставляет её эффективность под вопросом.
Лаборатория — это одно из нескольких недавних шагов компании в области ИИ, которая также активно инвестировала в генеративный ИИ и большие языковые модели. Но данная инициатива выделяется тем, что она напрямую связывает доработку моделей с основными бизнес-операциями, что делает её успех сложнее отделить от повседневных показателей эффективности.
Пока лаборатория работает. Сможет ли она заточить преимущество Meta — или просто добавит ещё один уровень сложности в уже запутанный конвейер ИИ — покажут только следующие результаты отчётности.
