PyData Berlinで、自分のTikTok推薦アルゴリズムを作る方法について講演したことがある。TikTokのパーソナライズされた推薦エンジンは、世界で最も価値のあるAIなんだ。これがTikTokの差別化要因。クリックしてから1秒以内に推薦が更新されるから、人間が感じる遅延の範囲内なんだよ。もしAIの推薦が特徴の新鮮さが悪いと、良い推薦でも「遅い」と見なされて、知的とは思われない。TikTokの推薦システムは、ヨーロッパの技術(リアルタイムの特徴計算にApache Flinkを使用)やKafka、分散モデルのトレーニングインフラに部分的に基づいている。Monolithの論文は、「オンライン学習」が重要だと誤解を招くけど、実際はそうじゃない。あなたのクリックが1秒未満で予測のための特徴として利用可能になることが重要なんだ。これには、イベントごとのストリーム処理アーキテクチャが必要で(Flinkのように)、Felderaが私の現代的な選択肢になると思う。* https://www.youtube.com/watch?v=skZ1HcF7AsM * Monolithの論文 - https://arxiv.org/pdf/2209.07663