Detta är den öppna källkodsalgoritmen Grok som driver X-flödet

X-plattformen, tidigare Twitter och ägd av Elon Musk, har tagit ett ovanligt steg i sektorn genom att publicera Grok-algoritmen som öppen källkod som bestämmer vad som visas i användarnas flöden. Företaget har publicerat maskininlärningsarkitekturen som driver fliken "För dig" på GitHub, en av de känsligaste programvarorna på alla sociala nätverk.

Med denna rörelse, X Det öppnar för extern granskning logiken bakom att blanda organiskt innehåll och annonser i tidslinjerna, något som fram till nu behandlats som en affärshemlighet. Musk och ingenjörsteamet hävdar att Transparens kommer att bidra till att förbättra rekommendationernas kvalitet Och för övrigt stärker det plattformens position hos tillsynsmyndigheter, särskilt i Europeiska unionen.

En öppen algoritm baserad på Grok-arkitekturen

X-ingenjörsteamet meddelade att de hade släppt den nya rekommendationsalgoritmenGitHub-arkivet, som drivs av samma Transformer-arkitektur som används av Grok-modellen som utvecklats av xAI, beskriver ett heltäckande maskininlärningssystem som rangordnar inlägg i flödet "För dig" baserat på sannolikheten för användarinteraktion.

Tekniskt sett beskriver X en Transformatormodell tränad för att förutsäga handlingar såsom gilla-markeringar, svar, reposts och andra former av engagemang. Istället för att använda handskrivna regler lär sig systemet direkt från användarbeteendemönster, vilket minskar så kallad "manuell funktionsutveckling" och förenklar datainfrastrukturen.

Implementeringen bygger på Rust och Python för innehållshämtning och poängsättningDen har en modulär arkitektur som separerar den inledande publikationssökningsfasen från det efterföljande rangordningssteget. Koden innehåller diagram och tillgänglig dokumentation som i stora drag förklarar hur systemets olika interna komponenter är kopplade samman.

Elon Musk själv erkände offentligt att algoritmen "är dum och behöver massiva förbättringar", men försvarade det visa förbättringsprocessen i realtid Och transparens är att föredra framför att upprätthålla en svart låda. Enligt affärsmannen öppnar inget annat stort socialt nätverk upp kärnan i sin rekommendationsmotor på detta sätt.

Branschexperter, som Midhun Krishna M, medgrundare och VD för TknOps.io-plattformen, påpekar att exponeringen av denna Grok-baserade arkitektur Det erbjuder samhället en referenskarta att förstå och förbättra rekommendationssystem som traditionellt sett varit otillgängliga. För europeiska utvecklare och företag kan denna tekniska information fungera som grund för att bygga egna lösningar eller granskningsmetoder på andra plattformar.

Hur Grok bestämmer vad som visas i flödet "För dig"

Enligt den publicerade dokumentationen, X:s algoritm hämtar innehåll från två stora källor: inlägg från konton som användaren följer och "offline"-publikationer hittades med hjälp av maskininlärningsbaserade återställningsmodeller. Båda kombineras sedan i en enda lista med hjälp av ett poängsystem som uppskattar sannolikheten för interaktion med varje tweet.

Processen inkluderar en filtreringsfas där följande kasseras Tweets från blockerade konton, tystat innehåll efter nyckelord, inlägg markerade som för våldsamma eller klassificerade som spam, bland andra kategorier. Först efter denna urval fortsätter systemet att ordna innehållet baserat på dess förväntade relevans.

Transformermodellen baserad på Grok drivs av deltagarhistorik för varje användareDetta spårar vilka inlägg användarna ser, vilka de klickar på, vilka tweets de favoritmarkerar, vem de svarar på och vilket innehåll de slutar med att återpublicera. Baserat på dessa mönster lär sig systemet att förutse vilka typer av meddelanden som är mest sannolikt att generera engagemang i framtida sessioner.

Grok gick till och med så långt som att analysera sin egen algoritm och lyfte fram fem nyckelfaktorer bakom inläggens viralitet: interaktionsförutsägelser baserade på användarhistorik, innehållets relevans och aktualitet, mångfald av författare För att undvika upprepningar, balansera mellan på varandra följande konton och modellförslag, och negativa signaler som blockeringar eller tystnader som minskar poängen för vissa konton.

Med den här informationen kan skapare och företag bättre förstå Varför blir vissa publikationer så populära? Och vissa gör det inte, utan att ta till konspirationsteorier om "skuggförbud" eller osynliga straff. Koden svarar inte på alla frågor, men den ger en mer solid grund för att analysera flödesbeteende.

Organiskt innehåll, annonser och mätvärdet "ångerfria sekunder"

En av nyheterna i den här publikationen är att X har lovat att öppna även logiken som hanterar blandningen av organiska inlägg och annonser i flödet. Det uttalade målet är att förtydliga hur marknadsfört innehåll integreras i användarens dagliga upplevelse utan att vara påträngande.

Bland de mätvärden som förekommer i dokumentationen sticker konceptet ut. "Ångerfria användarsekunder"Detta är ett mått på hur mycket tid en person spenderar på att konsumera innehåll utan att känna att de har slösat bort den tiden. Algoritmen använder detta mått för att bedöma om upplevelsen som erbjuds av en tweet eller annons har varit positiv eller inte.

I praktiken rankas organiska inlägg baserat på signaler som visningar, gilla-markeringar, svar och delningar, medan annonser utvärderas med mycket liknande relevans- och prestandakriterier. Systemet söker således integrera reklam gradvisgenom att varva kommersiella budskap som i teorin passar varje användares upptäckta intressen.

För europeiska annonsörer eliminerar denna ökade tydlighet en del av det "blindspel" som är vanligt på stora plattformar. De kan se, åtminstone i allmänna termer, Vilka signaler värderar algoritmen och hur de kombineras med icke-marknadsfört innehåll, något som kan påverka kampanjplanering och kreativ design.

Förändringarna påverkar även den genomsnittliga användaren: vetskapen om att samma relevanssystem påverkar både vanliga tweets och annonser gör att bättre bedöma i vilken utsträckning reklam påverkar flödet och upptäcka eventuella överdrifter eller partiskheter i distributionen av kommersiella budskap.

Öppen källkod under intensivt EU-regleringstryck

X:s beslut att öppna upp Grok-algoritmen kommer vid en känslig tidpunkt. ökande regleringstryck från BrysselPlattformen har haft oenigheter med Europeiska unionen om frågor om transparens och innehållsmoderering, inklusive ekonomiska påföljder kopplade till efterlevnaden av lagen om digitala tjänster (DSA).

DSA tvingar stora plattformar i Europa att förklara hur deras rekommendationssystem fungerar och hur de förstärker vissa typer av innehåll. Att publicera algoritmens kod tolkas som ett kalkylerat drag: X uppfyller, åtminstone delvis, transparenskraven, samtidigt som bevisbördan flyttas till tillsynsmyndigheterna.

Genom att erbjuda ett öppet arkiv kan X be europeiska myndigheter att basera alla anklagelser om partiskhet eller manipulation på i specifika analyser av tillgänglig kod. På så sätt bekräftar företaget inte bara sin transparens, utan lyfter även fram tillsynsmyndigheternas tekniska tillsynsmöjligheter.

Kritiker av plattformen beskriver denna manöver som en sorts "fälla" för institutioner, utformad för att hindra juridiska argument mot den. Andra observatörer ser det som en möjlighet att höja standarden för ansvarsskyldighet över hela tekniksektorn, vilket tvingar konkurrenter att förklara varför de håller sina algoritmer stängda.

I vilket fall som helst öppnar publiceringen av Grok-algoritmen en ny front i den europeiska debatten om Hur bör artificiell intelligens tillämpas på sociala nätverk regleras?Från och med nu kommer akademiker, civilsamhällesorganisationer och myndigheter att kunna jämföra X:s offentliga diskurs med hur koden som publiceras på GitHub faktiskt fungerar.

Mer transparens för kreatörer och småföretag

För de som försörjer sig på sin aktivitet på sociala medier innebär öppnandet av algoritmen en betydande förändring. Kreatörer, journalister, småföretag och yrkesverksamma som förlitar sig på X för att nå sin publik har nu tillgång till... en mycket mer exakt röntgenbild av hur synligheten är fördelad på plattformen.

I arkivet kan du identifiera vilka åtgärder som har störst vikt vid klättring av positioner i flödet: Svar som väcker samtal, reposts som breddar räckviddenIhållande interaktioner över tid, eller negativa signaler som blockeringar och tystnader som sänker ett kontos poäng. Med denna data blir det enklare att utforma publiceringsstrategier med minimal grund.

För egenföretagare och mikroföretag i Europa, som ofta arbetar med mycket begränsade resurser, finns det möjlighet att förstå och granska systemet utan mellanhänder Det kan minska beroendet av externa konsulter eller byråer. Genom att analysera koden och dokumentationen kan de anpassa format, scheman och innehållsstilar till det beteende som algoritmen belönar.

Företaget har också åtagit sig att publicera regelbundna uppdateringar (ungefär var fjärde vecka) med utvecklaranteckningar som beskriver de ändringar som gjorts. Om denna takt bibehålls kommer de som arbetar med X dagligen att kunna följa systemets utveckling och snabbt upptäcka om eventuella modifieringar gynnar eller skadar dem.

Det betyder inte att klagomålen eller frustrationen kommer att försvinna, men på pappret minskar det känslan av att kämpa mot en helt ogenomskinlig mekanism. Det europeiska tekniska samfundet har för första gången, en riktig kodbas att experimentera med, föreslå förbättringar eller till och med bygga oberoende analysverktyg.

Öppenhetens gränser: transparens ja, men med reservationer

Trots tillkännagivandets iögonfallande karaktär påpekar flera experter att Att öppna koden innebär inte att exponera hela systemetGrok-algoritmens arkitektur är tillgänglig, men data som används för träning och serversidans exekveringsinfrastruktur förblir privata.

Vissa analytiker definierar denna situation som en "glaslåda": man kan se strukturen och den allmänna logiken, men Hela dataflödet kan inte observeras i realtidUtan tillgång till träningsuppsättningen eller uppdaterade parametrar är det svårt att verifiera exakt hur bias korrigeras eller känsligt innehåll hanteras i praktiken.

Denna hybrida metod väcker frågor om huruvida övergången till öppen källkod snarare är ett svar på en PR-övning än till fullständig ansvarsskyldighet. Kritiker minns att när Twitter för första gången delvis släppte sin algoritm för flera år sedan beskrevs åtgärden av många som "transparensteater" på grund av mängden data som utelämnades.

Situationen kompliceras av den senaste tidens kontext: X har granskats noga för att ha använt sin chatbot Grok för att skapa och redigera sexualiserade bilderinklusive bilder på minderåriga, vilket har fått åklagare och tillsynsmyndigheter i flera länder att inleda utredningar. Som svar på dessa problem har företaget begränsat vissa bildgenererings- och redigeringsfunktioner till betalande användare och har implementerat tekniska åtgärder för att förhindra manipulation av fotografier på riktiga människor.

Parallellt har X återkallat API-åtkomst för vissa projekt som ekonomiskt gav användare incitament att publicera innehåll, med påståendet att risker med AI-genererad spamAlla dessa åtgärder samexisterar nu med algoritmens öppenhetsdiskurs, vilket ger näring åt känslan av att företaget kombinerar transparensgester med mer restriktiva beslut på andra områden.

Genom att släppa Grok-algoritmen som öppen källkod har X blottlagt en av sina känsligaste tekniska tillgångar och samtidigt etablerat grunden för att den vill bli bedömd: ett granskbart rekommendationssystem i sin utformningDess faktiska tillämpning beror dock fortfarande på interna data och beslut. För europeiska användare, kreatörer, tillsynsmyndigheter och företag blir utmaningen att dra nytta av detta informationsfönster utan att tappa bort de aspekter som förblir utanför allmänhetens ögon ur sikte.