حالات استخدام Personalizer
هام
اعتبارا من 20 سبتمبر 2023، لن تتمكن من إنشاء موارد Personalizer جديدة. يتم إيقاف خدمة Personalizer في 1 أكتوبر 2026.
ما هي «ملاحظة الشفافية»؟
ولا يشمل نظام الذكاء الاصطناعي التكنولوجيا فحسب، بل يشمل أيضا الأشخاص الذين سيستخدمونها والأشخاص الذين سيتأثرون بها، فضلا عن البيئة التي ستُنشر فيها. يتطلب إنشاء نظام مناسب للغرض المقصود منه فهم كيفية سير التكنولوجيا، وإمكاناتها، وقيودها، وكيفية تحقيق أفضل أداء.
توفر Microsoft ملاحظات الشفافية لمساعدتك على فهم كيفية عمل تقنية الذكاء الاصطناعي. يتضمن ذلك الخيارات التي يمكن لمالكي النظام اتخاذها للتأثير على أداء النظام وسلوكه، وأهمية التفكير في النظام بأكمله، بما في ذلك التكنولوجيا، والأشخاص، والبيئة. يمكنك استخدام «ملاحظات الشفافية» عند تطوير نظامك، أو نشره، أو مشاركتها مع الأشخاص الذين سيستخدمون النظام أو سيتأثرون به.
إن «ملاحظات الشفافية» هي جزء من جهد أوسع في Microsoft لوضع مبادئنا للذكاء الاصطناعي موضع التنفيذ. لمعرفة المزيد، راجع مبادئ Microsoft عن الذكاء الاصطناعي.
مقدمة عن خدمة Personalizer
Azure الذكاء الاصطناعي Personalizer هي خدمة مستندة إلى السحابة تساعد تطبيقاتك على اختيار أفضل عنصر محتوى لإظهار المستخدمين. يمكنك استخدام خدمة Personalizer لتحديد المنتج الذي تستطيع تقديمه للمتسوقين أو لمعرفة الموضع الأمثل للإعلان. بعد عرض المحتوى على المستخدم، يراقب تطبيقك رد فعل المستخدم، ويُبلغ خدمة Personalizer بدرجة المكافأة. يتم استخدام درجات المكافأة لاستمرار تحسين نموذج التعلم الآلي من خلال استخدام التعلم المُعزّز. يعزز ذلك من قدرة Personalizer على تحديد أفضل عنصر محتوى في التفاعلات اللاحقة استنادًا إلى المعلومات السياقية التي يتلقاها لكل عنصر.
لمزيد من المعلومات، راجع:
المصطلحات الأساسية
| الشرط | التعريف |
|---|---|
| حلقة التعلم | يمكنك إنشاء مورد Personalizer، يسمى حلقة تعلم، لكل جزء من التطبيق الخاص بك حيث يمكنه الاستفادة من إضفاء طابع شخصي. إذا كان لديك أكثر من تجربة واحدة لتخصيصها، فبادر بإنشاء حلقة لكل منها. |
| النموذج المتصل | يستخدم سلوك التعلم الافتراضي لخدمة Personalizer حيث تكون حلقة التعلم الخاصة بك، التعلم الآلي لإنشاء النموذج الذي يتوقع الإجراء الأعلى للمحتوى الخاص بك. |
| Apprentice mode | سلوك تعليمي يساعد في بدء مثالي لنموذج Personalizer للتدريب دون التأثير على نتائج التطبيقات وإجراءاتها. |
| المكافات | مقياس لكيفية استجابة المستخدم لمعرف إجراء مكافأة Rank API الذي تم إرجاعه، كنقاط بين 0 إلى 1. يُعين منطق العمل الخاص بك القيمة من 0 إلى 1، استنادًا إلى كيفية مساعدة الاختيار على تحقيق أهداف عملك في إضفاء الطابع الشخصي. لا تخزن حلقة التعلم هذه المكافأة كمحفوظات مستخدم فردية. |
| استكشاف | تستكشف خدمة Personalizer وقت اختيار إجراء مختلفًا للمستخدم، بدلاً من إرجاع أفضل إجراء. تتجنب خدمة Personalizer الانحراف والركود ويمكنها التكيف مع سلوك المستخدم المستمر من خلال الاستكشاف. |
لمزيد من المعلومات، والمصطلحات الرئيسية الإضافية، يرجى الرجوع إلى Personalizer Terminology و الوثائق المفاهيمية.
أمثلة على حالات الاستخدام
من بين دوافع العملاء الشائعة لاستخدام Personalizer هي:
- تفاعل المستخدم: التقط اهتمام المستخدم عن طريق اختيار المحتوى لزيادة النقر الفرعي، أو لتحديد أولويات الإجراء التالي الأفضل لتحسين متوسط الإيرادات. قد تتضمن الآليات الأخرى لزيادة مشاركة المستخدم تحديد مقاطع الفيديو أو الموسيقى في قناة ديناميكية أو قائمة التشغيل.
- تحسين المحتوى: يمكن تحسين الصور لمنتج (مثل تحديد ملصق فيلم من مجموعة من الخيارات) لتحسين النقر الفرعي، أو تخطيط واجهة المستخدم، والألوان، والصور، والتمويهات على صفحة الويب لزيادة الإحالات والشراء.
- تعظيم الإحالات باستخدام الخصومات والقسائم: للحصول على أفضل توازن للهامش والإحالات، اختر الخصومات التي يوفرها التطبيق للمستخدمين، أو حدّد المنتج الذي سيتم تمييزه من نتائج محرك التوصية لتحقيق الحد الأقصى من الإحالات.
- زيادة التغيير إلى السلوك الإيجابي: حدد سؤال تلميح العافية الذي تريد إرساله في إخطار، أو مراسلة، أو دفع رسالة نصية قصيرة لتحقيق الحد الأقصى من التغيير إلى السلوك الإيجابي.
- زيادة الإنتاجية في خدمة العملاء والدعم التقني من خلال إبراز أفضل الإجراءات القادمة الأكثر صلة أو المحتوى المناسب عند بحث المستخدمين عن المستندات، أو الأدلة، أو عناصر قاعدة البيانات.
الاعتبارات عند اختيار حالة الاستخدام
- يعد استخدام خدمة تتعلم كيفية تخصيص المحتوى وواجهات المستخدم أمراً مفيداً. ومع ذلك، يمكن أيضًا أن يساء تطبيقها إذا كان التخصيص يسبب آثارًا جانبية ضارة في العالم الحقيقي. ضع في اعتبارك كيفية مساعدة التخصيص للمستخدمين كذلك على تحقيق أهدافهم.
- ضع في اعتبارك العواقب السلبية في العالم الحقيقي إذا لم يقترح Personalizer عناصر معينة لأن النظام مُدرّب على التحيز لأنماط سلوك غالبية مستخدمي النظام.
- ضع في اعتبارك الحالات التي قد يتسبب فيها سلوك Personalizer في الاستكشاف في حدوث ضرر.
- فكّر بعناية في تخصيص الخيارات اللاحقة التي يترتب عليها توابع أو التي لا رجعة فيها، والتي لا ينبغي تحديدها بواسطة إشارات ومكافآت قصيرة الأجل.
- لا تقدم إجراءات لـ Personalizer لا ينبغي اختيارها. على سبيل المثال، يجب تصفية الأفلام غير لائقة من الإجراءات لإضفاء الطابع الشخصي في حالة تقديم توصية لمستخدم مجهول أو دون السن القانونية.
فيما يلي بعض السيناريوهات التي ستؤدي فيها الإرشادات المذكورة أعلاه دورًا فيما إن كان سيتم تطبيق Personalizer، وكيفية تطبيقه:
- تجنب استخدام Personalizer لترتيب العروض على خدمات القروض والمنتجات المالية وتأمين محددة، حيث يتم تنظيم ميزات التخصيص، استنادًا إلى البيانات التي لا يعرفها الأفراد، أو لا يمكنهم الحصول عليها، أو لا يمكنهم الاعتراض عليها؛ والخيارات التي تحتاج إلى سنوات ومعلومات "بعد النقر" لتقييم مدى جودة التوصيات للأعمال والمستخدمين.
- فكّر بعناية في تخصيص أهم الدورات الدراسية في المدرسة والمؤسسات التعليمية حيث قد تنشر التوصيات تحيزات بدون ما يكفي من الاستكشاف وتقليل من وعي المستخدمين بالخيارات الأخرى.
- تجنب استخدام Personalizer لتجميع المحتوى بشكل خوارزمي بهدف التأثير على الآراء حول الديمقراطية والمشاركة المدنية، كما يترتب عليها توابع على المدى الطويل، ويمكن التلاعب بها إذا كان هدف المستخدم للزيارة هو أن تلقي المعرفة، وليس التأثر عليه.