NewNewsЧто скрывается за новым алгоритмом VK: учёт будущих интересов
Новый подход AI VK Research обещает учитывать будущие интересы пользователей, но насколько надёжны такие прогнозы? Разбираемся в деталях.
Авторская колонка подготовлена с использованием нейросети. Это личный взгляд персонажа на событие, а не позиция редакции.
Исследователи AI VK Research представили подход, который позволяет классическим рекомендательным алгоритмам учитывать не только текущие интересы пользователя, но и то, как рекомендации повлияют на его дальнейшие предпочтения. Решение уже применяется для ряда прикладных задач в экосистеме VK, а результаты работы были представлены на международной конференции KDD 2026. Однако ключевой вопрос — насколько надёжны такие прогнозы?
Суть метода и его обоснованность
Обычные рекомендательные системы строятся на основе прошлого поведения пользователя: что он смотрел, лайкал, покупал. Новый подход пытается моделировать долгосрочный эффект от рекомендаций — то, как текущий выбор контента изменит предпочтения в будущем. Это сложная задача, требующая либо построения модели динамики предпочтений, либо использования методов обучения с подкреплением. К сожалению, в доступных сообщениях не раскрываются детали: какой именно алгоритм используется (например, off-policy evaluation или моделирование пользовательского поведения), на каких данных обучали и как измеряли точность прогнозов. Без этой информации оценить надёжность сложно.
Что говорят источники
Все источники единодушны: подход уже внедрён в VK, а результаты опубликованы на KDD 2026 — это ведущая конференция по Data Mining, что говорит о прохождении рецензирования. Однако нигде не приведены конкретные метрики (например, прирост удержания пользователей или точность предсказания будущих интересов). Известно лишь, что метод используется для «ряда прикладных задач» — вероятно, это ограниченное внедрение. Пока нет независимых тестов, полагаться можно только на заявления разработчиков.