Twitter ha publicado el código fuente de su algoritmo de recomendación en GitHub, como respuesta a la propuesta de Elon Musk de hacerlo público hace casi un año. En una conversación en Twitter Space, Musk afirmó que esperaba que los usuarios pudieran encontrar posibles «problemas» en el código y ayudar a mejorarlo.
Una oportunidad para la transparencia y la colaboración
La decisión de Twitter de hacer público el código de su algoritmo de recomendación es una oportunidad para la transparencia y la colaboración en la mejora de la tecnología. La publicación del código es una muestra de que la compañía está abierta a la retroalimentación y dispuesta a mejorar su algoritmo.
El algoritmo de recomendación de Twitter se encarga de mostrar los tweets en la sección «Para ti» de la plataforma. El código publicado cubre únicamente esta sección, por lo que no se ha liberado el código subyacente del algoritmo de búsqueda o cómo se muestra el contenido en otras partes de Twitter.
Los detalles encontrados en el código
Los usuarios de Twitter han encontrado detalles interesantes en el código del algoritmo de recomendación. Por ejemplo, Jane Manchun Wong señaló que «el algoritmo de Twitter etiqueta específicamente si el autor del tweet es Elon Musk». Esto podría explicar por qué los tweets de Musk aparecen con tanta frecuencia. Wong también señaló que el algoritmo tiene etiquetas que indican si el autor del tweet es un «usuario poderoso» y si es republicano o demócrata.
La respuesta de Elon Musk y de Twitter
Cuando se le preguntó sobre este aspecto del algoritmo, Musk expresó su desacuerdo y afirmó que «definitivamente no debería estar dividiendo a las personas en republicanos y demócratas, eso no tiene sentido». Un ingeniero de Twitter aclaró que las categorías solo se utilizan «con fines de seguimiento estadístico y no tienen nada que ver con el algoritmo». Dijo que las etiquetas están destinadas «a asegurarnos de no tener sesgos hacia un grupo en particular». Sin embargo, no se explicó por qué Musk tenía su propia categoría.
La publicación del código de su algoritmo de recomendación por parte de Twitter es una buena noticia para la transparencia en la industria tecnológica. Permitir que los usuarios accedan al código fuente del algoritmo es una señal de que la compañía está abierta a recibir retroalimentación y colaboración en la mejora de la tecnología.
Los componentes del algoritmo de recomendación de Twitter
El algoritmo de recomendación de Twitter está compuesto por varios servicios y trabajos que se interconectan. Aunque hay muchas áreas de la aplicación en las que se recomiendan Tweets, en este artículo nos centraremos en el feed «Para ti» del timeline.
El algoritmo de recomendación de Twitter consta de tres etapas principales:
- Obtener los mejores Tweets de diferentes fuentes de recomendación mediante un proceso llamado «sourcing de candidatos».
- Clasificar cada Tweet utilizando un modelo de aprendizaje automático.
- Aplicar heurísticas y filtros, como filtrar Tweets de usuarios que has bloqueado, contenido para adultos y Tweets que ya has visto.
El servicio que se encarga de construir y servir el feed «Para ti» es Home Mixer. Home Mixer está construido sobre Product Mixer, un marco de trabajo personalizado de Scala que facilita la creación de feeds de contenido. Este servicio actúa como columna vertebral de software que conecta diferentes fuentes de candidatos, funciones de puntuación, heurísticas y filtros.
Cómo se eligen los Tweets
La base de las recomendaciones de Twitter es un conjunto de modelos y características principales que extraen información latente de los datos de Tweets, usuarios y compromisos. Estos modelos buscan responder preguntas importantes sobre la red de Twitter, como «¿Cuál es la probabilidad de que interactúes con otro usuario en el futuro?» o «¿Cuáles son las comunidades en Twitter y cuáles son los Tweets más populares dentro de ellas?».
La tubería de recomendación de Twitter está compuesta por varios componentes que consumen estas características. El proceso comienza con la obtención de los candidatos de diferentes fuentes de recomendación.
Fuentes de candidatos
Twitter tiene varias fuentes de candidatos que utiliza para recuperar Tweets recientes y relevantes para el usuario. Para cada solicitud, se intentan extraer los mejores 1500 Tweets de una piscina de cientos de millones de Tweets a través de estas fuentes. Los candidatos se encuentran entre las personas a las que sigues (En red) y las que no (Fuera de red). En el feed «Para ti», los Tweets dentro de la red y fuera de la red tienen un 50% de probabilidad en promedio, aunque esto puede variar de un usuario a otro.
Fuentes dentro de la red
La fuente dentro de la red es la fuente de candidatos más grande y tiene como objetivo proporcionar los Tweets más relevantes y recientes de los usuarios que sigues. Los Tweets de los usuarios que sigues se clasifican eficientemente en función de su relevancia utilizando un modelo de regresión logística. Los mejores Tweets se envían a la siguiente etapa.
Una vez que se han obtenido los candidatos a aparecer en el timeline, se procede a ranquearlos para decidir su orden de aparición. El objetivo es ofrecer los tweets más relevantes y con mayor potencial de interacción para el usuario. Para ello, se utiliza una red neuronal con aproximadamente 48 millones de parámetros, que se entrena continuamente con las interacciones de los usuarios con los tweets.
La red neuronal utiliza miles de características para determinar la relevancia de cada tweet y otorgarle una puntuación. De estas puntuaciones, se seleccionan las 10 más altas para darle una clasificación final al tweet. Es importante destacar que en este punto del proceso, todos los tweets se tratan por igual, sin importar su origen.
Heurísticas, filtros y características del producto
Después del proceso de ranqueo, se aplican una serie de heurísticas, filtros y características del producto para crear un timeline equilibrado y diverso. Algunos ejemplos de estas características incluyen:
- Filtros de visibilidad: se eliminan tweets basados en su contenido y las preferencias del usuario. Por ejemplo, se eliminan tweets de cuentas bloqueadas o silenciadas.
- Diversidad de autores: se evita que aparezcan muchos tweets seguidos del mismo autor.
- Balance de contenido: se asegura de que se entregue una cantidad equilibrada de tweets de In-Network y Out-of-Network.
- Fatiga basada en feedback: se disminuye la puntuación de ciertos tweets si el usuario ha proporcionado comentarios negativos sobre ellos.
- Prueba social: se excluyen tweets Out-of-Network que no tengan una conexión de segundo grado con el tweet, como una medida de calidad. En otras palabras, se asegura de que alguien que el usuario sigue ha interactuado con el tweet o sigue al autor del tweet.
- Conversaciones: se proporciona más contexto para las respuestas al enlazarlas con el tweet original.
- Tweets editados: se determina si los tweets en el dispositivo están desactualizados y se envían instrucciones para reemplazarlos con las versiones editadas.
Mezcla y entrega
Finalmente, el servicio Home Mixer tiene una selección de tweets listos para enviar al dispositivo del usuario. Como último paso, se mezclan los tweets con otro contenido no relacionado con tweets, como anuncios, recomendaciones de seguimiento y sugerencias para nuevos usuarios, y se devuelve al dispositivo para mostrarlos.
Serán muchos los detalles que aparecerán a partir de ahora, sin duda.
Podéis bajar el código en este enlace.
Más información en blog.twitter.com.