第8章第四部11分

Phoenix ─ AIは何を見ているか

予測しているのは「あなたがどうするか」。今回の更新で、反応数の特徴量も公開設定に入った。

この章で分かること

点数の元になる予測を出しているのが「Phoenix」というAIです。よく誤解されますが、Phoenixは投稿の良し悪しを判定しているのではなく、「この閲覧者がこの投稿にどう反応するか」を予測しています。

どんなAIか

公開されている学習設定の値です。本番の配信モデルがこの設定と完全に同じかは確認できません。xrecsys.py:260-294

モデルに入る「履歴」は、閲覧者の過去の体験の列です。1つの位置が「この人は、いつ、誰の、どの投稿を見て、何をして、何秒滞在したか」を表します。

位置の並べ方に工夫があります。最新の1件が常に同じ場所に置かれる設計（right_anchored_rope）になっているため、履歴が短い人でも長い人でも、「直近の1件」の扱いが揃います。

分類	中身
閲覧者	IPアドレス由来の特徴・国・言語・位置・性別・年齢など（インストール済みアプリは公開設定ではオフ）
各体験	投稿と著者のハッシュ・投稿の古さ・時間帯・意味コード・フォロー関係
投稿の反応数	いいね・返信・リポスト・引用・表示数（log2をとって入力）
候補のみ	14日を超えた古い投稿かどうかの印
履歴のみ	その位置で起きた行動・滞在時間

ただし、これは「いいね数に係数が掛かる」という意味ではありません。係数が掛かるのは、あくまで閲覧者ごとの予測です。反応数は、その予測をするモデルへの手がかりの1つです。どれくらい効いているかは、公開コードからは分かりません。

本文の意味は「Semantic ID（意味コード）」という形で渡されます。エンコーダが投稿の情報をベクトルにし、それを6階層×256通りのコードに量子化したものです。xrecsys.py:287-291

「最後まで読まれるとどれだけ有利か」という数値は公開されていません。ここから言えるのは、Xが滞在や読了を以前より予測の改善対象にしている、ということまでです。

「アルゴリズムはすぐ学習するのか？」という質問への答えは、少し意外です。モデルの再学習を待たなくても、入力が変わります。

home-mixer は閲覧者の行動の列を、リクエストごとにモデルへ渡します（既定で最大1024件）。したがって直前の行動も、次のリクエストの入力に含まれ得ます。param.rs:982-987

モデルは「あなたを覚えている」のではなく、「毎回あなたの直近を読み直している」。