메타 SNS 스레드 초기 피드를 보면 개인적으로 관심있는 계정을 워낙 다양하게 팔로우를 해서인지 모르겠지만.. 피드가 정말 두서 없이 맥락없이 막 뒤섞이거라구요.. 그래서 문득. 스레드가 하나의 거대한 AI 모델이라고 볼때, 랜덤 파라미터로 초기화되어서 한동안 데이터가 엄청 부어지고 있지만 무얼 내놓아야 할지 이리저리 튀는 학습 과정이라는 생각이 드네요. 유저들도 어떻게 사용하면 좋을지 각자의 생각이 있고 서비스 내 특정 흐름이 만들어지지 않고 (만들어지려다 없어지고..) 그런 과정이 초기 모델 학습 처럼 튀는? 그런 과정 같아보였어요. 이러다 어느순간 방향이 잡히면 꽤 빠르게 어떤 방향으로 (물론 한방향은 아니고 수십 수백방향이더라도...) 수렴되겠죠? 근데 서비스 유저의 실제 사용 패턴 뿐 아니라, meta 추천 시스템도 비슷하게 학습되고 있을려나.. 있다 하더라도 저는 그 추천시스템의 문제가 아닌 실제 유저들의 사용 패턴이 더 중요하다고 생각되지만요.