Dette er den open source Grok-algoritme, der driver X-feedet.

X-platformen, tidligere Twitter og ejet af Elon Musk, har taget et usædvanligt skridt i sektoren ved at Udgiv Grok-algoritmen som open source som bestemmer, hvad der vises i brugernes feeds. Virksomheden har offentliggjort maskinlæringsarkitekturen, der driver fanen "Til dig", på GitHub, et af de mest følsomme stykker software på ethvert socialt netværk.

Med denne bevægelse, X Det åbner op for ekstern granskning af logikken bag at blande organisk indhold og reklamer i tidslinjerne, noget der indtil nu er blevet behandlet som en forretningshemmelighed. Musk og ingeniørteamet fastholder, at Gennemsigtighed vil bidrage til at forbedre kvaliteten af ​​anbefalinger Og i øvrigt styrker det platformens position hos regulatorer, især i Den Europæiske Union.

En åben algoritme baseret på Grok-arkitekturen

X-ingeniørteamet annoncerede, at de havde udgivet den nye anbefalingsalgoritmeGitHub-arkivet, der drives af den samme Transformer-arkitektur, som bruges af Grok-modellen udviklet af xAI, beskriver et end-to-end maskinlæringssystem, der rangerer opslag i "For You"-feedet baseret på sandsynligheden for brugerinteraktion.

Teknisk set beskriver X en Transformermodel trænet til at forudsige handlinger såsom likes, svar, reposts og andre former for engagement. I stedet for at bruge håndskrevne regler lærer systemet direkte fra brugernes adfærdsmønstre, hvilket reducerer såkaldt "manuel funktionsudvikling" og forenkler datainfrastrukturen.

Implementeringen er afhængig af Rust og Python til hentning og scoring af indholdDen har en modulær arkitektur, der adskiller den indledende fase af publikationssøgning fra det efterfølgende rangeringstrin. Koden indeholder diagrammer og tilgængelig dokumentation, der i store træk forklarer, hvordan systemets forskellige interne komponenter er forbundet.

Elon Musk selv erkendte offentligt, at algoritmen "er dum og har brug for massive forbedringer", men forsvarede det vis forbedringsprocessen i realtid Og gennemsigtighed er at foretrække frem for at opretholde en sort boks. Ifølge forretningsmanden er der intet andet større socialt netværk, der åbner kernen af ​​sin anbefalingsmotor på denne måde.

Brancheeksperter, såsom Midhun Krishna M, medstifter og administrerende direktør for TknOps.io-platformen, påpeger, at det at afsløre denne Grok-baserede arkitektur Det giver lokalsamfundet et referencekort at forstå og forbedre anbefalingssystemer, der traditionelt har været utilgængelige. For europæiske udviklere og virksomheder kan disse tekniske oplysninger tjene som grundlag for at opbygge deres egne løsninger eller revisionspraksisser på andre platforme.

Sådan bestemmer Grok, hvad der vises i "Til dig"-feedet

Ifølge den offentliggjorte dokumentation, X's algoritme henter indhold fra to store kilder: opslag fra konti, som brugeren følger og "offline" publikationer fundet ved hjælp af maskinlæringsbaserede gendannelsesmodeller. Begge kombineres derefter i en enkelt liste ved hjælp af et scoringssystem, der estimerer sandsynligheden for interaktion med hvert tweet.

Processen omfatter en filtreringsfase, hvor følgende kasseres Tweets fra blokerede konti, dæmpet indhold efter søgeord, opslag markeret som for voldelige eller klassificeret som spam, blandt andre kategorier. Først efter denne screening fortsætter systemet med at sortere indholdet baseret på dets forventede relevans.

Transformer-modellen baseret på Grok er drevet af deltagelseshistorik for hver brugerDette sporer, hvilke opslag brugerne ser, hvilke de klikker på, hvilke tweets de favoritmarkerer, hvem de svarer på, og hvilket indhold de ender med at reposte. Baseret på disse mønstre lærer systemet at forudse, hvilke typer beskeder der mest sandsynligt vil generere engagement i fremtidige sessioner.

Grok gik endda så langt som til at analysere sin egen algoritme og fremhævede fem nøglefaktorer bag opslags viralitet: interaktionsforudsigelser baseret på brugerhistorik, indholdets relevans og aktualitet, mangfoldighed af forfattere For at undgå gentagelser, skal du finde en balance mellem fortløbende konti og modelforslag samt negative signaler såsom blokeringer eller tavsheder, der reducerer scoren for bestemte konti.

Med disse oplysninger kan skabere og virksomheder bedre forstå Hvorfor bliver visse publikationer populære? Og nogle gør det ikke, uden at ty til konspirationsteorier om "skyggeforbud" eller usynlige straffe. Koden besvarer ikke alle spørgsmålene, men den giver et mere solidt fundament for at analysere feedadfærd.

Organisk indhold, annoncer og metrikken "fortrydelsesfri sekunder"

En af de nye funktioner i denne publikation er, at X har lovet at åbne også logikken bag blandingen af ​​organiske opslag og annoncer i feedet. Det erklærede mål er at tydeliggøre, hvordan promoveret indhold integreres i brugerens daglige oplevelse uden at være påtrængende.

Blandt de metrikker, der optræder i dokumentationen, skiller konceptet sig ud. "Fortrydelsesfri brugersekunder"Dette er et mål for den mængde tid en person bruger på at forbruge indhold uden at føle, at de har spildt tiden. Algoritmen bruger denne måling til at vurdere, om oplevelsen af ​​et tweet eller en annonce har været positiv eller ej.

I praksis rangeres organiske opslag baseret på signaler som visninger, likes, svar og delinger, mens annoncer evalueres ud fra meget lignende relevans- og præstationskriterier. Systemet søger således Integrer reklame gradvistindflette kommercielle budskaber, der i teorien passer til de enkelte brugers registrerede interesser.

For europæiske annoncører eliminerer denne større klarhed noget af den "blindspil", der er almindelig på store platforme. De kan se, i det mindste generelt, Hvilke signaler værdsætter algoritmen og hvordan de kombineres med ikke-promoveret indhold, noget der kan påvirke kampagneplanlægning og kreativt design.

Ændringerne påvirker også den gennemsnitlige bruger: velvidende at det samme relevanssystem påvirker både almindelige tweets og annoncer, giver det mulighed for bedre at vurdere, i hvilket omfang reklamer påvirker feedet og opdage mulige overdrivelser eller bias i distributionen af ​​kommercielle budskaber.

Open source under intenst EU-reguleringspres

X's beslutning om at åbne Grok-algoritmen kommer på et vanskeligt tidspunkt. stigende regulatorisk pres fra BruxellesPlatformen har haft uenigheder med Den Europæiske Union om spørgsmål om gennemsigtighed og indholdsmoderering, herunder økonomiske sanktioner knyttet til overholdelse af Digital Services Act (DSA).

DSA tvinger store platforme i Europa til at forklare, hvordan deres anbefalingssystemer fungerer og hvordan de forstærker bestemte typer indhold. Offentliggørelse af algoritmens kode fortolkes som et kalkuleret træk: X overholder i det mindste delvist kravene om gennemsigtighed, samtidig med at bevisbyrden flyttes til tilsynsmyndighederne.

Ved at tilbyde et åbent arkiv kan X bede europæiske myndigheder om at baser enhver beskyldning om bias eller manipulation på i specifikke analyser af den tilgængelige kode. På denne måde bekræfter virksomheden ikke blot sin gennemsigtighed, men fremhæver også tilsynsmyndighedernes tekniske tilsynskapaciteter.

Kritikere af platformen beskriver denne manøvre som en slags "fælde" for institutioner, der er designet til at hindre juridiske argumenter imod den. Andre iagttagere ser det som en mulighed for at hæve standarden for ansvarlighed på tværs af hele teknologisektoren, hvilket tvinger konkurrenter til at forklare, hvorfor de holder deres algoritmer lukkede.

Under alle omstændigheder åbner offentliggørelsen af ​​Grok-algoritmen en ny front i den europæiske debat om Hvordan bør kunstig intelligens, der anvendes på sociale netværk, reguleres?Fra nu af vil akademikere, civilsamfundsorganisationer og myndigheder kunne sammenligne X's offentlige diskurs med den faktiske funktion af den kode, der er lagt ud på GitHub.

Mere gennemsigtighed for skabere og små virksomheder

For dem, der lever af deres sociale medieaktivitet, repræsenterer åbningen af ​​algoritmen en betydelig ændring. Skabere, journalister, små virksomheder og professionelle, der er afhængige af X for at nå deres publikum, har nu adgang til... et meget mere præcist røntgenbillede af, hvordan synligheden er fordelt på platformen.

Lageret giver dig mulighed for at identificere, hvilke handlinger der har størst vægt, når du stiger op ad positioner i feedet: Svar der sætter gang i samtaler, reposts der udvider rækkeviddenVedvarende interaktioner over tid, eller negative signaler såsom blokeringer og tavsheder, der sænker en kontos score. Med disse data bliver det nemmere at designe opslagsstrategier med et minimum af fundament.

For selvstændige og mikrovirksomheder i Europa, der ofte opererer med meget begrænsede ressourcer, er muligheden for forstå og revidere systemet uden mellemled Det kan reducere afhængigheden af ​​eksterne konsulenter eller bureauer. Analyse af koden og dokumentationen giver dem mulighed for at tilpasse formater, tidsplaner og indholdsstile til den adfærd, som algoritmen belønner.

Virksomheden har også forpligtet sig til at udgive regelmæssige opdateringer (cirka hver fjerde uge) med udviklernoter, der beskriver de foretagne ændringer. Hvis dette tempo opretholdes, vil de, der arbejder med X dagligt, kunne følge systemets udvikling og hurtigt opdage, om eventuelle ændringer gavner eller skader dem.

Det betyder ikke, at klagerne eller frustrationen vil forsvinde, men på papiret reducerer det følelsen af ​​at kæmpe imod en fuldstændig uigennemsigtig mekanisme. Det europæiske tekniske samfund har for første gang, en rigtig kodebase at eksperimentere med, foreslå forbedringer eller endda bygge uafhængige analyseværktøjer.

Grænserne for åbenhed: gennemsigtighed ja, men med forbehold

Trods annonceringens iøjnefaldende karakter påpeger flere eksperter, at At åbne koden betyder ikke at eksponere hele systemetGrok-algoritmens arkitektur er tilgængelig, men dataene, der bruges til træning og server-side eksekveringsinfrastruktur, forbliver private.

Nogle analytikere definerer denne situation som en "glasboks": man kan se strukturen og den generelle logik, men Den fulde datastrøm kan ikke observeres i realtidUden adgang til træningssættet eller opdaterede parametre er det vanskeligt at verificere præcis, hvordan bias korrigeres, eller hvordan følsomt indhold håndteres i praksis.

Denne hybride tilgang rejser spørgsmål om, hvorvidt overgangen til open source mere er et svar på en PR-øvelse end til fuld ansvarlighed. Kritikere husker, at da Twitter for første gang delvist udgav sin algoritme for år tilbage, blev dette skridt af mange beskrevet som "transparensteater" på grund af mængden af ​​data, der blev udeladt.

Situationen kompliceres af den nylige kontekst: X har været under lup for brugen af ​​sin chatbot Grok til generere og redigere seksualiserede billederherunder billeder af mindreårige, hvilket har fået anklagere og tilsynsmyndigheder i flere lande til at indlede efterforskninger. Som reaktion på disse problemer har virksomheden begrænset visse billedgenererings- og redigeringsfunktioner til betalende brugere og har implementeret tekniske foranstaltninger for at forhindre manipulation af fotografier af rigtige mennesker.

Parallelt har X tilbagekaldt API-adgang for nogle projekter, der gav brugerne økonomisk incitament til at udgive indhold, med påstand om AI-genereret spamrisiciAlle disse tiltag sameksisterer nu med algoritmens åbenhedsdiskurs, hvilket forstærker følelsen af, at virksomheden kombinerer gennemsigtighedsgestik med mere restriktive beslutninger på andre områder.

Ved at frigive Grok-algoritmen som open source har X afsløret en af ​​sine mest følsomme teknologiske aktiver og samtidig etableret grundlaget for, at den ønsker at blive bedømt på: et auditerbart anbefalingssystem i sit designDen faktiske anvendelse afhænger dog stadig af interne data og beslutninger. For europæiske brugere, skabere, regulatorer og virksomheder vil udfordringen være at udnytte dette informationsvindue uden at miste de aspekter af syne, der forbliver uden for offentlighedens søgelys.