नेटफ्लिक्स एआई उन मशीन लर्निंग और डेटा-संचालित प्रौद्योगिकियों के समूह को शामिल करता है जिन्हें नेटफ्लिक्स 2026 तक दुनिया भर में अपने 325 मिलियन से अधिक ग्राहकों के लिए स्ट्रीमिंग अनुभव को निजीकृत करने के लिए नियोजित करता है। कंपनी का अनुशंसा इंजन, जो फिल्मों और टेलीविजन श्रृंखलाओं का सुझाव देता है, इसके प्लेटफॉर्म का एक मुख्य घटक है, जो उपयोगकर्ता सहभागिता और प्रतिधारण को प्रभावित करता है। नेटफ्लिक्स की एआई प्रणालियाँ देखने के पैटर्न, खोज इतिहास और इंटरैक्शन डेटा का विश्लेषण करके अनुरूपित सामग्री सुझाव उत्पन्न करती हैं, एक ऐसी सुविधा जो 2010 के दशक की शुरुआत से इसकी सेवा का अभिन्न अंग बन गई है।
इतिहास और विकास
नेटफ्लिक्स की एआई यात्रा इसकी डीवीडी-द्वारा-मेल सेवा से शुरू हुई, जो 1998 में लॉन्च हुई थी। कंपनी ने शुरू में किराये के इतिहास के आधार पर फिल्मों की सिफारिश करने के लिए सरल सहयोगी फ़िल्टरिंग का उपयोग किया। 2006 में, नेटफ्लिक्स ने नेटफ्लिक्स प्राइज़ लॉन्च किया, एक सार्वजनिक प्रतियोगिता जिसमें उस टीम को $1 मिलियन की पेशकश की गई जो इसके अनुशंसा एल्गोरिदम में 10% सुधार कर सके। विजेता टीम, बेलकोर का प्रैग्मैटिक कैओस, ने 2009 में कई एल्गोरिदम को संयोजित करने वाले एन्सेम्बल तरीकों का उपयोग करके यह हासिल किया। इस प्रतियोगिता ने मशीन लर्निंग में नेटफ्लिक्स के निवेश को उत्प्रेरित किया, जिससे अधिक परिष्कृत निजीकरण प्रणालियों का विकास हुआ।
जैसे ही नेटफ्लिक्स ने 2007 में स्ट्रीमिंग की ओर रुख किया, डेटा की मात्रा तेजी से बढ़ी। 2011 तक, नेटफ्लिक्स उत्तरी अमेरिका में इंटरनेट स्ट्रीमिंग ट्रैफिक का सबसे बड़ा स्रोत बन गया था, जो पीक-घंटे के ट्रैफिक का 30% था। इस वृद्धि ने वास्तविक समय की सिफारिशों को संभालने के लिए अधिक उन्नत एआई की आवश्यकता उत्पन्न की। 2013 में, नेटफ्लिक्स ने मूल सामग्री का निर्माण शुरू किया, और एआई नई शो के लिए दर्शकों की पसंद की भविष्यवाणी करने में महत्वपूर्ण हो गया, जैसे कि हाउस ऑफ कार्ड्स की सफलता, जिसे केविन स्पेसी अभिनीत राजनीतिक नाटक के लिए मजबूत मांग का संकेत देने वाले डेटा के आधार पर हरी झंडी दी गई थी।
अनुशंसा प्रणाली
नेटफ्लिक्स की अनुशंसा प्रणाली एक हाइब्रिड मॉडल है जो सहयोगी फ़िल्टरिंग, सामग्री-आधारित फ़िल्टरिंग और प्रासंगिक बैंडिट्स को जोड़ती है। सहयोगी फ़िल्टरिंग समान देखने की आदतों वाले उपयोगकर्ताओं की पहचान करती है और उन वस्तुओं का सुझाव देती है जिनका उन्होंने आनंद लिया। सामग्री-आधारित फ़िल्टरिंग समान सामग्री की सिफारिश करने के लिए शैली, अभिनेता और निर्देशक जैसे मेटाडेटा का उपयोग करती है। प्रासंगिक बैंडिट्स, एक प्रकार का सुदृढीकरण लर्निंग, क्लिक और प्ले अवधि जैसे उपयोगकर्ता इंटरैक्शन के आधार पर वास्तविक समय में सिफारिशों को अनुकूलित करता है।
प्रणाली गहन शिक्षण तकनीकों का भी उपयोग करती है, जिसमें तंत्रिका नेटवर्क और ऑटोएन्कोडर शामिल हैं, ताकि उपयोगकर्ता-वस्तु इंटरैक्शन से अव्यक्त विशेषताओं को सीखा जा सके। उदाहरण के लिए, नेटफ्लिक्स समय के साथ उपयोगकर्ता की पसंद को मॉडल करने के लिए एक गहन तंत्रिका नेटवर्क का उपयोग करता है, जो स्वाद में बदलाव को पकड़ता है। कंपनी की एआई अपनी भविष्यवाणियों को परिष्कृत करने के लिए प्रतिदिन अरबों डेटा बिंदुओं को संसाधित करती है, जिसमें रोक, रिवाइंड और फास्ट-फॉरवर्ड क्रियाएं शामिल हैं।
निजीकरण सुविधाएँ
सिफारिशों के अलावा, नेटफ्लिक्स एआई कई निजीकरण सुविधाओं को शक्ति प्रदान करता है। "टॉप 10" सूचियाँ लोकप्रियता और उपयोगकर्ता-विशिष्ट प्रासंगिकता के संयोजन का उपयोग करके उत्पन्न की जाती हैं। "क्योंकि आपने देखा" पंक्ति समानता एल्गोरिदम का उपयोग करके संबंधित शीर्षकों का सुझाव देती है। नेटफ्लिक्स प्रत्येक शीर्षक के लिए उपयोगकर्ता की पसंद के आधार पर कलाकृति, या थंबनेल भी निजीकृत करता है। उदाहरण के लिए, एक उपयोगकर्ता जो कई रोमांटिक कॉमेडी देखता है, उसे एक जोड़े को दर्शाने वाला थंबनेल दिखाई दे सकता है, जबकि एक हॉरर प्रशंसक को एक रहस्यमय छवि दिखाई दे सकती है। यह एक मल्टी-आर्म्ड बैंडिट एल्गोरिदम के माध्यम से प्राप्त किया जाता है जो विभिन्न छवियों का परीक्षण करता है और सीखता है कि कौन सी सहभागिता को बढ़ाती हैं।
नेटफ्लिक्स की एआई वीडियो स्ट्रीमिंग गुणवत्ता को भी अनुकूलित करती है। यह अनुकूली बिटरेट स्ट्रीमिंग का उपयोग करता है, जो नेटवर्क स्थितियों के आधार पर वीडियो रिज़ॉल्यूशन को समायोजित करता है, और बैंडविड्थ की भविष्यवाणी करने और बफरिंग को कम करने के लिए मशीन लर्निंग का उपयोग करता है। कंपनी का "डायनामिक ऑप्टिमाइज़र" वीडियो को अधिक कुशलता से संपीड़ित करने के लिए एआई का उपयोग करता है, जिससे दृश्य गुणवत्ता बनाए रखते हुए बैंडविड्थ की बचत होती है।
प्रभाव और स्वागत
उपयोगकर्ता व्यवहार पर नेटफ्लिक्स एआई का प्रभाव महत्वपूर्ण है। अध्ययनों से पता चला है कि सिफारिशें प्लेटफॉर्म पर लगभग 80% दर्शक गतिविधि को संचालित करती हैं। "नेटफ्लिक्स प्रभाव", जहां शो बिंज-वॉचिंग के माध्यम से लोकप्रियता प्राप्त करते हैं, पहली बार 2010 में ब्रेकिंग बैड के साथ देखा गया था, जब नेटफ्लिक्स ने स्ट्रीमिंग अधिकार हासिल किए और श्रृंखला को व्यापक दर्शकों से परिचित कराया। यह घटना तब से कंपनी के लिए एक प्रमुख विपणन रणनीति बन गई है।
हालांकि, नेटफ्लिक्स एआई को आलोचना का सामना करना पड़ा है। कुछ उपयोगकर्ता गोपनीयता के बारे में चिंता व्यक्त करते हैं, क्योंकि प्रणाली व्यापक देखने का डेटा एकत्र करती है। अन्य "फ़िल्टर बबल" के बारे में चिंता करते हैं, जहां सिफारिशें विविध सामग्री के संपर्क को सीमित करती हैं। नेटफ्लिक्स ने "अंगूठा ऊपर/नीचे" रेटिंग प्रणाली की पेशकश करके और उपयोगकर्ताओं को देखने का इतिहास साफ़ करने की अनुमति देकर जवाब दिया है, लेकिन इन उपायों ने सभी चिंताओं को पूरी तरह से संबोधित नहीं किया है।
भविष्य की दिशाएँ
आगे देखते हुए, नेटफ्लिक्स व्यक्तिगत ट्रेलर और यहां तक कि इंटरैक्टिव सामग्री बनाने के लिए जनरेटिव एआई की खोज कर रहा है। कंपनी ने एआई-जनित कहानी के लिए पेटेंट दायर किए हैं जो दर्शकों की पसंद के अनुकूल होते हैं। इसके अतिरिक्त, नेटफ्लिक्स सामग्री उत्पादन में सुधार के लिए एआई में निवेश कर रहा है, जैसे कि स्क्रिप्ट का विश्लेषण करने और दर्शकों की प्रतिक्रिया की भविष्यवाणी करने के लिए मशीन लर्निंग का उपयोग करना। 2026 तक, नेटफ्लिक्स एआई-संचालित मनोरंजन में अग्रणी बना हुआ है, इसकी प्रणालियाँ मानवीय पसंद को समझने में अधिक परिष्कृत होती जा रही हैं।
यह भी देखें
- मशीन लर्निंग
- अनुशंसा प्रणाली
- सहयोगी फ़िल्टरिंग
- गहन शिक्षण
- सुदृढीकरण लर्निंग
- निजीकरण
- स्ट्रीमिंग मीडिया
- नेटफ्लिक्स प्राइज़
- बिंज-वॉचिंग
- अनुकूली बिटरेट स्ट्रीमिंग