ఈ రోజుల్లో మనిషి ఓ పూట ఆహారం లేకపోయినా తట్టుకుంటున్నాడు. కానీ, సెల్ ఫోన్, (Cell phone) సోషల్ మీడియా (social media) తన వెంట లేకపోతే ఉక్కిరిబిక్కిరి అవుతున్నాడు. అందుకు తగ్గట్టుగానే తన అభిరుచికి తగిన కంటెంట్‌ను (Content) చేరుకోవాలనే ఆశతో యూట్యూబ్(YouTube)లో ‘Dislike, Not Interested’ బటన్స్‌ను తరచుగా ఉపయోగించడం వల్ల సమయం వృథాచేస్తున్నాడు. అయితే దీని నుంచి ఉపశమనం కలిగించేందుకు కొత్త అధ్యయనం వెలుగులోకి వచ్చింది. నిర్దిష్ట రకమైన కంటెంట్‌ను మళ్లీ చూడకూడదని, ఈ బటన్స్ క్లిక్ చేయడం ద్వారా యూట్యూబ్‌కు తెలియజేసిన తర్వాత కూడా యూజర్ రికమెండేషన్స్ (User recommendations) మారవని తెలుస్తోంది. 20,000కు పైగా యూట్యూబ్ యూజర్ల నుంచి సేకరించిన వీడియో రికమెండేషన్స్ డేటా (data) ఉపయోగించి ‘మొజిల్లా’ ఈ కొత్త అధ్యయనాన్ని చేపట్టింది. ఈ మేరకు ‘ఆసక్తి లేదు, అయిష్టం, చానెల్‌ను సిఫార్సు చేయడం ఆపివేయి, వాచ్ హిస్టరీ తీసివేయి’ వంటి ఆప్షన్స్.. ఫ్యూచర్ రికమెండేషన్స్ నుంచి సారూప్య కంటెంట్‌ను తీసివేయడంలో చాలా అసమర్థంగా ఉన్నాయని గుర్తించింది. దీంతో మరింత సులభంగా తమ అభిరుచికి తగ్గట్లు యూట్యూబర్స్‌ దూసుకెళ్లవచ్చంటున్నారు నిర్వాహకులు.
అసందర్భ వీడియోలను ఎందుకు చూపుతోంది?
ఉత్తమ పనితీరు విషయంలో ఈ బటన్స్ (buttons) పాత వీడియోల మాదిరిగానే సగానికి పైగా రికమెండేషన్స్‌ను హైడ్ (Hyde) చేయగలిగాయి. కానీ చెత్త పనితీరుకు సంబంధించి.. అనవసర కంటెంట్‌ను ఫిల్టర్ (Filter) చేయడంలో ఈ బటన్స్ పనిచేయలేదు. ఇక మొజిల్లా పరిశోధకులు యూట్యూబ్ వీడియోల కోసం ‘stop recommending’ బటన్‌గా పనిచేసే బ్రౌజర్ ఎక్స్‌టెన్షన్ ‘Regrets Reporter’ అనే టూల్ ద్వారా యూజర్లతో పాటు రియల్ వీడియోల నుంచి డేటా సేకరించారు. ఈ డేటా ‘తిరస్కరించబడిన’, ఆ తర్వాత యట్యూబ్ ద్వారా సిఫార్సు చేయబడిన మొత్తం 44,000 జతల వీడియోలను పరిశీలించారు. ఇవన్నీ 500 మిలియన్ రికమండెడ్ వీడియోల ద్వారా సేకరించిన డేటా నుంచి సృష్టించబడ్డాయి. ఆ తర్వాత సంబంధిత రికమెండేషన్స్ ‘తిరస్కరించబడిన’ వీడియోని పోలి ఉన్నాయో లేదో తెలుసుకునేందుకు మెషిన్ లెర్నింగ్ (Machine learning) ఉపయోగించారు.
