Image Score: Learning and Evaluating Human Preferences for Mercari Search
تقدم هذه الورقة نهجاً فعالاً من حيث التكلفة، يعتمد على النماذج اللغوية الكبيرة (LLM) باستخدام تقنية "سلسلة الأفكار" (Chain-of-Thought) لتوليد تسميات لجودة الصور ترتبط بالسلوك البشري على منصة ميركاري (Mercari) للتجارة الإلكترونية، مما يؤدي في النهاية إلى نمو كبير في المبيعات من خلال تحسين ملاءمة البحث وقابلية التفسير.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل "ميركاري" (Mercari) كأنها سوق رقمي ضخم وصاخب يشبه الأسواق الشعبية، حيث يبيع ويشتري الملايين كل شيء، من الملابس العتيقة إلى الإلكترونيات المستعملة. في هذا السوق، أهم شيء بالنسبة للبائع هو "واجهة متجره" — وهي الصورة التي يلتقطها لسلعته. إذا كانت الصورة ضبابية، أو مظلمة، أو غير مرتبة، سيتجاوزها المشترون أثناء التصفح حتى لو كان السعر مثالياً. أما إذا كانت الصورة مشرقة، واضحة، وتبدو احترافية، فسيتوقف المشترون وينقرون عليها.
أراد فريق ميركاري حل مشكلة محددة: كيف يمكننا تلقائياً تحديد أي الصور "جيدة" وأيها "سيئة" دون توظيف جيش من الحكام البشر؟
إليك قصة كيف فعلوا ذلك، مشروحة ببساطة:
١. المشكلة: المشتري "الصامت"
في المتجر العادي، قد تسأل صديقاً: "هل يعجبك هذا القميص؟". أما في السوق عبر الإنترنت، فالمشترون لا يقولون شيئاً، هم فقط ينقرون أو لا يفعلون. وهذا ما يسمى "التغذية الراجعة الضمنية".
- التحدي: إذا نقر المشتى على عنصر ما، هل كان ذلك لأن العنصر هو بالضبط ما أراده (الصلة بالموضوع)، أم لمجرد أن الصورة بدت رائعة؟
- الهدف: أراد الفريق فصل عامل "الصورة الجيدة" عن عامل "المنتج الصحيح". أرادوا معرفة: إذا كان عنصران بنفس السعر ومن نفس النوع، فهل يحصل العنصر ذو الصورة الأفضل على نقرات أكثر؟
٢. الحل: "ناقد الفن بالذكاء الاصطناعي"
عادةً، لتعليم الكمبيوتر كيف يبدو "الصورة الجيدة"، تحتاج إلى آلاف البشر الذين ينظرون إلى الصور ويعطونها درجات. وهذا أمر بطيء ومكلف.
بدلاً من ذلك، استخدم فريق ميركاري نموذج لغة ضخم (LLM) — وهو ذكاء اصطناعي فائق الذكاء يمكنه "رؤية" الصور. تخيل هذا الذكاء الاصطناعي كأنه ناقد فني افتراضي.
- العملية: أخذوا مجموعات من العناصر المتشابهة (مثل خمس إعلانات مختلفة لنفس النوع من سراويل الجينز) وسألوا الذكاء الاصطناعي: "انظر إلى هذه الصور. قارن بينها. أي واحدة تبدو الأفضل؟ ولماذا؟"
- السر الخفي (سلسلة الأفك): لم يكتفوا بطلب درجة تقييم فقط، بل طلبوا من الذكاء الاصطناعي أن "يفكر بصوت عالٍ" (سلسلة الأفك - Chain-of-Thought). كان على الذكاء الاصطناعي أن يشرح لماذا الصورة جيدة: "الإضاءة مشرقة"، "الألوان متناسقة"، "الخلفية نظيفة". ساعد هذا الذكاء الاصطناعي على إعطاء درجات أكثر دقة تتوافق مع ما قد يفكر فيه البشر الحقيقيون.
٣. تدريب "المصنف الذكي"
الناقد الذكي (الذكاء الاصطناعي) رائع، لكنه بطيء ومكلف للغاية لاستخدامه على كل عنصر في السوق في كل مرة يبحث فيها شخص ما. الأمر يشبه توظيف ناقد فني مشهور لتقييم كل صورة في مكتبة؛ سيستغرق ذلك وقتاً طويلاً جداً.
لذا، استخدموا درجات "الناقد الفني" لتدريب نموذج حاسوبي خفيف وسريع ("المصنف الذكي").
- التشبيه: تخيل أن الناقد الفني هو "شيف رئيسي" يتذوق طبقاً ويكتب مراجعة مفصلة. "المصنف الذكي" هو "شيف مبتدئ" يشاهد الشيف الرئيسي وهو يتذوق العديد من الأطباق، ويتعلم الأنماط، ثم يمكنه بسرعة تخمين جودة الأطباء الجديدة دون الحاجة لمساعدة الشيف الرئيسي في كل مرة.
- النتيجة: تعلم هذا النموذج الجديد التنبؤ بالصور التي ستحصل على نقرات بناءً على "الدرجات" التي منحها الناقد الفني.
٤. الاختبار الكبير: وضع النظام قيد العمل
اختبروا هذا النظام في العالم الحقيقي على موقع ميركاري. قسموا المستخدمين إلى مجموعتين:
- المجموعة (أ) (مجموعة التحكم): شاهدت نتائج البحث كما هي في العادة.
- المجموعة (ب) (مجموعة الاختبار): شاهدت نتائج بحث حيث تم رفع ترتيب العناصر ذات "الصور عالية الجودة" إلى الأعلى، حتى لو كانت أقل صلة بكلمة البحث بقليل.
النتيجة:
- على الويب: اشترت المجموعة التجريبية أكثر بنسبة 7% تقريباً من مجموعة التحكم. نجح "المصنف الذكي" في وضع الصور الأجمل أمام المشترين، واستجاب المشترون لذلك عبر النقر والشراء أكثر.
- على الهاتف المحمول: من المثير للاهتمام أن هذا لم يعمل بنفس الكفاءة على الهواتف المحمولة. يشير المؤلفون إلى أن هذا قد يكون بسبب صغر شاشات الهواتف، مما قد يجعل المستخدمين يهتمون أقل بالتفاصيل البصرية الدقيقة مقارنة بالأشخاص الذين يتصفحون عبر شاشات الكمبيوتر الكبيرة.
٥. الفخ: الصور "المزيفة"
لاحظت الورقة البحثية أيضاً أثراً جانبياً طريفاً. نظرًا لأن الذكاء الاصطناعي يحب الصور الجميلة، بدأ بعض البائعين في نشر صور مولدة بالذكاء الاصطناعي (فن مصنوع بالحاسوب) بدلاً من صور حقيقية لمنتجاتهم. حصلت هذه الصور المزيفة على درجات مثالية وتصدرت القائمة، رغم أنها لم تكن منتجات حقيقية.
- الدرس المستفاد: يحتاج النظام إلى "كاشف حقيقة" للتأكد من أن الصور الجملة هي في الواقع عناصر حقيقية وليست مجرد فن رقمي.
ملخص
بنى فريق ميركاري نظاماً يستخدم ذكاءً اصطناعياً ذكياً لتقييم صور المنتجات، ثم يعلّم نموذجاً أسرع لمحاكاة هذا التقييم، ويستخدم تلك الدرجات لعرض أفضل الصور أولاً. والنتيجة؟ على موقع الويب، اشترى الناس أكثر لأن المنتجات بدت أفضل. الأمر يشبه إعادة ترتيب متجر بقالة بحيث تكون الخضروات الأكثر نضارة وحيوية دائماً في مستوى النظر — وبشكل طبيعي، يشتري الناس منها أكثر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.