der Nutzer. Dabei wurde nicht nur das »positive« Zuschauerverhalten (welche Videos sie mochten und bis zum Ende anschauten) beobachtet, sondern auch das »negative« Verhalten (welche Videos sie übersprangen oder sogar von ihrer maßgeschneiderten Homepage oder »Up Next«-Empfehlung entfernten). Sowohl das positive als auch das negative Verhalten der Nutzer zu verfolgen, ist für die Genauigkeit des Algorithmus unverzichtbar. Dieses Neuronennetzwerk ist so gut geworden, dass es aufgrund des aktuellen Nutzerverhaltens vorhersagen kann, wie mit neuen oder ungewohnten Videos umzugehen ist. Zu sagen: »Es hat seinen eigenen Kopf«, geht nicht zu weit. Die KI beobachtet tatsächlich nicht das gesamte Internetverhalten eines Nutzers; sie beobachtet nur, was auf YouTube geschieht. Das ist wichtig, weil das die Zielgenauigkeit der Empfehlungen aufrechterhält.
Wie?
Sagen wir, du würdest auf Google.com gehen und »Steakhäuser in Los Angeles« in die Suchleiste eintippen. Heißt das, du würdest beim nächsten Mal, wenn du auf YouTube.com gehst, Empfehlungen für Videos haben wollen, in denen gezeigt wird, wie man das perfekte Steak grillt? Oder dass du eine Video-Tour durch LA sehen möchtest? Wahrscheinlich nicht. Aber wenn du direkt in YouTubes Suchleiste eingibst: »Wie grillt man das perfekte blutige Steak?« und dann das erste empfohlene Video aufrufst, könnten als Nächstes folgende Videos vorgeschlagen werden: »Der stärkste Mann der Welt – den ganzen Tag essen«, dann »Wie reinigt man eine gusseiserne Bratpfanne?« Diese sekundären Videos haben nichts mit dem Steak zu tun, aber kannst du erkennen, dass der Zuschauer wahrscheinlich ein Kandidat für weitere Aufrufe ist? Das ist eine Deep-Learning-Maschine, die weiß, was sie tut. Und YouTube und sein Ökosystem sind unmittelbare Wohltäter, denn wenn die Viewer mehr schauen, machen alle mehr Geld und bekommen eine größere Markenpräsenz.
Eine Maschine bei der Arbeit … und sie funktioniert
YouTube empfiehlt Nutzern jeden einzelnen Tag hunderte Millionen von Videos in Dutzenden verschiedenen Sprachen in jedem Winkel der Welt. Seine Vorschläge machen 75 % der Zeit aus, die die Menschen auf der Seite verbringen.
Im Jahr 2012 lag die tägliche Verweildauer im Durchschnitt bei etwa hundert Millionen Stunden. Im Jahr 2019 liegt der Durchschnitt bei einer überwältigenden Milliarde Stunden pro Tag. Insgesamt konsumieren Zuschauer auf einer Website eine Milliarde Stunden Video-Content an jedem einzelnen Tag! Über diese Zeitspanne von sieben Jahren und nach tausenden, wenn nicht zehntausenden von Optimierungen und Anstößen ist die Deep-Learning-KI richtig gut darin geworden, Videos zu empfehlen, damit Viewer länger schauen. Sie wurde zu einem Experten im digitalen Gärtnern, der auf der Grundlage der Videos, an denen sie »sich geweidet« haben, weiß, welches Produkt er für die einzelnen Kunden ernten muss. Auch du kannst YouTube-Gärtnermeister werden, wenn du dich mit dem richtigen Werkzeug bewaffnest. Halte einfach deine Schaufel fest, weil wir alle noch beim ersten Spatenstich sind.
4 Die Aufschlüsselung des Algorithmus
Du hast gerade viel über die Geschichte der Systeme gelernt, die YouTube seit dem Start zum Laufen gebracht haben, und du weißt, dass diese Systeme recht gut in dem geworden sind, was sie tun. Aber was bedeutet das im wahrsten Sinne des Wortes? Wenn du auf die Website gehst, wie sehen die Systeme dann aus, während du navigierst? Um diese grundlegenden Konzepte wirklich erfassen zu können, lass uns klarstellen, was tatsächlich geschieht, wenn jemand eine Seite besucht.
Sobald ein Besucher auf YouTube.com eintrifft, wird er verfolgt. Es ist wie damals, als du noch ein kleines Kind warst und deinen Freund besucht hast, um mit ihm zu spielen, aber sein kleiner lästiger Bruder euch einfach nicht allein ließ. Doch sieh es einmal so: Anstatt lästig zu sein, beobachtet der Bruder still euer Verhalten und liest euch jeden Wunsch von den Augen ab. Ihr möchtet einen Snack. Schon läuft er in die Küche und kehrt mit einem Apfel zurück. Ihr sagt: »Nein, danke.« Also bringt er den Apfel zurück und kommt mit einer Tüte Chips zurück. Ihr esst die Chips. Dann sprecht ihr über Han Solo. Also läuft er ins Wohnzimmer und spielt für euch Das Imperium schlägt zurück. Wenn du deinen Freund das nächste Mal besuchst, überreicht er dir schon beim Betreten des Hauses einen Keks und schaltet Die Rückkehr der Jedi-Ritter ein. Seine Vorhersage, was du essen oder sehen wollen könntest, basiert auf deinem letzten Besuch und ist wahrscheinlich ein Volltreffer. Oh, und außerdem wirst du bei dieser Behandlung wahrscheinlich häufiger dort zu Besuch sein wollen. Sie wissen, was dir gefällt. (Es sei denn, er schlägt dir Die letzten Jedi oder Solo vor. In diesem Fall gehst du nächstes Mal einfach zu den Zuckerbergs, weil diese Filme Mist sind.)
Sagen wir, anstelle von Chips hättest du lieber Karottenstifte und anstelle von Star Wars möchtest du lieber Wiederholungen von The Office sehen. Bei deinem nächsten Besuch würde dir der kleine Bruder Brokkoli und Parks and Recreation anbieten. Das Konzept funktioniert unabhängig von deinen Vorlieben.
Mit folgenden Beispielen kann man YouTubes Ziele erklären:
Voraussagen, was der Viewer schauen wird.
Langfristiges Engagement und Zufriedenheit des Viewers maximieren.
Wie sie dies erreichen, lässt sich in zwei Teile herunterbrechen: Sammeln und Nutzen von Daten und Algorithmen mit einem »S«.
Teil 1: Sammeln und Nutzen von Daten
YouTube sammelt jeden Tag 80 Milliarden Datenpunkte aus dem Nutzerverhalten. Sie sammeln Daten in zwei Kernbereichen, um die Ziele der KI zu erreichen. Der erste beobachtete Bereich ist das Nutzerverhalten per Metadaten. Aufgrund des Verhaltens der Person, deren Augen auf den Bildschirm gerichtet sind und deren Finger das Klicken übernehmen, werden Dinge über ein Video ermittelt. Durch »Zufriedenheitssignale« trainiert die KI, was vorgeschlagen werden soll und was nicht. Es gibt eine ganz spezielle Liste dieser Signale:
Welche Videos schaut der Betrachter?
Welche Videos überspringt er?
Wie viel Zeit verbringt er mit Schauen?
Likes und Dislikes.
»Kein Interesse«-Feedback.
Umfragen nach Anschauen eines Videos.
Ob er zurückkehrt und sich etwas erneut anschaut oder etwas zu Ende schaut, das er noch nicht ganz gesehen hat.
Ob er es speichert und es sich später ansieht.
All diese Signale speisen die Zufriedenheits-Feedback-Schleife. Diese Schleife wird auf der Grundlage des Feedbacks erstellt, das der Algorithmus durch dein spezielles Verhalten erhält. Er »schleift« die Arten von Videos, die dir gefallen, durch die Vorschläge. So wird das Erlebnis jedes einzelnen Nutzers personalisiert.
Metadaten sammeln
Damit wir die Einzelheiten in Angriff nehmen können, folgt hier eine Erklärung, wie genau die KI Daten sammelt. Die Beobachtung der Metadaten beginnt mit dem Thumbnail (Vorschaubild). Die YouTube-KI verwendet die hochentwickelte Technik von Googles Reihe von KI-Produkten. Sie bedient sich eines Programms namens Cloud Vision (CV). CV nutzt optische Zeichenerkennung (Optical Character Recognition, kurz: OCR) und Bilderkennung (Image Recognition), um viele Dinge über ein Video aufgrund dessen festzustellen, was sie im Thumbnail findet. Sie nimmt Punkte aus jedem einzelnen Bild im Thumbnail, erkennt diese Bilder mittels Milliarden von bereits im System
