چالش یک میلیون دلاری برای بهبود ۱۰ درصدی عملکرد نرم‌افزار!

چالش یک میلیون دلاری برای بهبود ۱۰ درصدی عملکرد نرم‌افزار!

اگر اهل تماشای سریال‌های تلویزیونی باشید، احتمالاً نام «نت‌فلیکس» را شنیده‌اید. نت‌فلیکس که فعالیت خود را از سال ۱۹۹۸ با ارسال پستی DVD به منازل آغاز کرد، هم‌اکنون یک شرکت چندملیتی در حوزه رسانه و تولید سریال‌های تلویزیونی است که به بیش از ۷۵ میلیون کاربر در بیش از ۱۹۰ کشور جهان خدمات ارائه ‌می‌دهد.

رید هستینگز (Reed Hastings)، مدیرعامل نت فلیکس بر این باور بود که برای حفظ مشتریان و جلب رضایت آن‌ها، سایت اینترنتی نت‌فلیکس ‌می‌بایست توانایی بالایی در پیش‌بینی فیلم‌های مورد پسند هر کاربر داشته باشد. به بیان دیگر نت‌فلیکس باید می‌توانست بر مبنای فیلم‌ها و سریال‌هایی که شما تا حالا دیده‌اید، پیش‌بینی کند که شما احتمالاً چه فیلم‌ها و سریال‌های دیگری را دوست دارید؟ اگر نت‌فلیکس به این توانمندی دست پیدا می‌کرد، می‌توانست پیشنهادهای جذابی به کاربران خود ارایه دهد و در نتیجه، ضمن خشنودسازی آن‌ها، فروش خود را به طور قابل توجهی افزایش دهد.

چالش نتفلیکس، نوآوری باز

از این رو در سال ۲۰۰۶ نت‌فلیکس چالشی با جایزه ۱ میلیون دلاری برگزار کرد که موضوع آن، توسعه یک الگوریتم توانمند برای پیش‌بینی فیلم‌های دلخواه کاربران بر اساس الگوی مصرف آن‌ها در گذشته بود. البته نت‌فلیکس پیش از آن هم چالش‌های کوچکی برای بهبود روش‌های کرایه آنلاین دی‌وی‌دی و سایر خدمات خود برگزار کرده بود، اما چالشی در این ابعاد بی‌سابقه بود.

نت‌فلیکس از همه علاقمندان در سراسر جهان دعوت کرد تا نرم‌افزاری بهتر از نرم‌افزار سین‌مچ (Cinematch) که نت‌فیلکس از آن استفاده می‌کرد پیشنهاد دهند. با این شرط که تنها طرح‌هایی امکان برنده‌شدن دارند که عملکردشان دست کم ۱۰ درصد بهتر از سین‌مچ باشد. فراخوان این چالش در حالی منتشر شد که هستینگز و همکاران وی می‌دانستند که توسعه چنین نرم‌افزاری چقدر دشوار است، چراکه آن‌ها قبلاً تلاش زیادی برای بهبود سین‌مچ به خرج داده بودند، اما به موفقیتی دست نیافته بودند.

پس از انتشار فراخوان چالش، بیش از ۴۰ هزار تیم از ۱۸۶ کشور جهان در آن شرکت کردند. نت‌فلیکس داده‌های زیادی در خصوص صدها فیلم را در اختیار تیم‌ها قرار داد تا با آزمایش روی آن بتوانند الگوریتم‌های پیشنهادی خود را ارایه نمایند و در پایان عملکرد همه الگوریتم‌ها با سین‌مچ مقایسه شد.

بالاخره در سال ۲۰۰۹ یک تیم ۷ نفره توانست نرم‌افزاری ارائه کند که توانمندی آن در پیش‌بینی سلیقه کاربران، ۱۰٫۰۶ درصد بهتر از نرم‌افزار سین‌مچ بود! این گروه که اعضای آن را شرکت‌کنندگان قبلی همین چالش تشکیل می‌دادند، توانسته بود با ترکیبی از الگوریتم‌های مختلف، یک الگوریتم تازه و بسیار پیچیده برای پیش‌بینی سلیقه کاربران ارایه نماید. مدیر این تیم نوآور درباره رمز پیروزی خود گفت: «شما برای موفقیت باید خارج از چارچوب‌های متعارف بیندیشید و بنابراین باید دنبال افرادی خارج از چارچوب‌های متعارف شرکت خود باشید!»