19/09/2025
Meta Andromeda: Next-Gen Ads Retrieval Engine
মেটার অ্যাডভার্টাইজিং ইকোসিস্টেম কেবল একটি সাধারণ অ্যালগরিদম নয়, এটি একটি বহু-স্তর বিশিষ্ট মেশিন লার্নিং পাইপলাইন। এর প্রতিটি ধাপের মধ্যে সবচেয়ে গুরুত্বপূর্ণ হলো ‘রিট্রিভাল’ (Retrieval) স্টেজ। এই স্টেজটিই নির্ধারণ করে একজন ইউজারের সামনে কোন অ্যাডটি দেখানো হবে এবং অ্যাডভার্টাইজারদের রিটার্ন অন ইনভেস্টমেন্ট (ROI) কেমন হবে।
এই প্রক্রিয়ায় বিপ্লব আনতে মেটা নিয়ে এসেছে তাদের নতুন টেকনোলজি, অ্যান্ড্রমিডা (Andromeda)। এটি শুধু একটি সফটওয়্যার মডেল নয়, বরং আর্টিফিশিয়াল ইন্টেলিজেন্স (AI), সিস্টেম ডিজাইন এবং হার্ডওয়্যার অপটিমাইজেশনের এর কম্বিনেশন।
কেন পুরোনো সিস্টেম যথেষ্ট ছিল না?
মেটার পুরোনো রিট্রিভাল সিস্টেমের দুটি বড় সীমাবদ্ধতা ছিল, যা ক্রমবর্ধমান ডিজিটাল অ্যাড ভলিউমের সাথে তাল মেলাতে পারছিল না:
১. ম্যাসিভ ভলিউম স্কেলেবিলিটি (Massive Volume Scalability) চ্যালেঞ্জ: জেনারেটিভ এআই (GenAI) এবং মেটার অ্যাডভান্টেজ+ (Advantage+) টুলের কারণে অ্যাডের সংখ্যা আজ আকাশছোঁয়া।
প্রতিদিন কোটি কোটি নতুন অ্যাড ক্রিয়েটিভ তৈরি হচ্ছে। পুরোনো রিট্রিভাল মডেলগুলো একটি সিঙ্গেল কোয়েরিতে কয়েক মিলিয়ন অ্যাডকে দক্ষতার সাথে প্রসেস করতে পারতো না।
ধরুন, একজন ইউজার যখন তার ফেসবুক ফিড স্ক্রল করছেন, তখন রিয়েল-টাইমে কয়েক মিলিসেকেন্ডের মধ্যে সিদ্ধান্ত নিতে হয় কোন অ্যাডটি তাকে দেখানো হবে। এত বিশাল ডেটা ভলিউমকে এই অল্প সময়ে প্রসেস করা ছিল প্রায় অসম্ভব।
২. লো ল্যাটেন্সি (Low Latency) কনস্ট্রেইন্ট: অ্যাড সার্ভ করার সময় প্রতিটি মিলিসেকেন্ড গুরুত্বপূর্ণ। ডেটা যদি দ্রুত প্রসেস না হয়, তাহলে ইউজারকে প্রাসঙ্গিক অ্যাড দেখাতে দেরি হয়। পুরোনো সিস্টেমগুলোর সিপিইউ-টু-জিপিইউ (CPU-to-GPU) ডেটা ট্রান্সফারের গতি ধীর ছিল এবং জিপিইউর ফুল ইউটিলাইজেশন হতো না। এর ফলে অ্যাড রেলেভেন্সি কমে যেত এবং অ্যাডভার্টাইজারদের ROI মার খেত।
অ্যান্ড্রমেডা যেভাবে সমস্যার সমাধান এনেছে: দ্য কোর ইনোভেশনস
অ্যান্ড্রমেডা মূলত চারটি শক্তিশালী প্রযুক্তিগত উদ্ভাবনের মাধ্যমে এই চ্যালেঞ্জগুলোর সমাধান এনেছে।
১. অ্যাডভান্সড ডিপ নিউরাল নেটওয়ার্ক (DNN) আর্কিটেকচার: প্রচলিত 'টু-টাওয়ার' মডেল (যেখানে ইউজার এবং অ্যাডের ফিচার আলাদাভাবে এম্বেড করা হয়) থেকে বেরিয়ে অ্যান্ড্রমেডা একটি নতুন এবং অত্যন্ত স্পেশালাইজড ডিপ নিউরাল নেটওয়ার্ক ব্যবহার করছে।
এই মডেলটি ইউজার এবং অ্যাডের মধ্যেকার আরও কমপ্লেক্স এবং হাই-অর্ডার ইন্টারেকশনগুলো বুঝতে পারে। সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, এর সাব-লিনিয়ার ইনফারেন্স কস্ট। এর মানে হলো, অ্যাডের ভলিউম যত বাড়ছে, প্রসেসিং কস্ট সেই হারে বাড়ছে না।
পুরোনো সিস্টেমের তুলনায় এটি ১০,০০০ গুণ বেশি মডেল ক্যাপাসিটি হ্যান্ডেল করতে পারে। এটি সম্ভব হয়েছে কারণ মেটা NVIDIA Grace Hopper Superchip-এর সাথে কাজ করে এমনভাবে ডিজাইন করেছে, যা মেমরি ব্যান্ডউইথের বাধা ভেঙে দিয়েছে।
রিয়েল-ওয়ার্ল্ড ইমপ্যাক্ট: এই আপগ্রেডের ফলে এন্ড-টু-এন্ড কোয়েরি পার সেকেন্ড (QPS) পারফরম্যান্স ৩ গুণ বেড়েছে।
২. মাল্টি-লেভেল হায়ারারকিক্যাল ইনডেক্সিং: অ্যান্ড্রমেডা শুধুমাত্র একটি ফ্ল্যাট ডেটাসেট থেকে অ্যাড খুঁজে বের করে না। এটি অ্যাডের ডেটাসেটকে একটি স্মার্ট, বহু-স্তর বিশিষ্ট হায়ারারকিক্যাল স্ট্রাকচারে সাজিয়েছে।
এই স্ট্রাকচারটি মডেলের সাথে একত্রে ট্রেইনড হয়, যার ফলে তারা নিখুঁতভাবে একে অপরের সাথে অ্যালাইনড থাকে। এটি প্রচলিত ANN (Approximate Nearest Neighbor) সার্চের চেয়ে অনেক বেশি অ্যাকুরেট এবং এফিশিয়েন্ট। রিট্রিভালের সময় এটি প্রথমে একটি রেলেভ্যান্ট গ্রুপ বা 'নোড' সিলেক্ট করে, তারপর তার ভেতর থেকে ফাইনাল অ্যাডগুলো বেছে নেয়।
ডেটা অ্যানালাইসিস: এই পদ্ধতির কারণে রিট্রিভাল এফিশিয়েন্সি ১০ গুণ বৃদ্ধি পেয়েছে। ইন্টারনাল মেটা রিপোর্টে দেখা গেছে, রিট্রিভাল রিকল ৬% এবং কিছু নির্দিষ্ট সেগমেন্টে অ্যাড কোয়ালিটি ৮% পর্যন্ত উন্নত হয়েছে।
৩. হার্ডওয়্যার-সফটওয়্যার কো-ডিজাইন: অ্যান্ড্রমেডা কেবল একটি সফটওয়্যার মডেল নয়, এটি হার্ডওয়্যার-সচেতন ডিজাইন। মেটা NVIDIA Grace Hopper Superchip-এর মতো শক্তিশালী হার্ডওয়্যারের হাই ব্যান্ডউইথ ইন্টারকানেকশনকে কাজে লাগাচ্ছে, যা ম্যাসিভ ডেটা সেট দ্রুত প্রসেস করতে সক্ষম।
এছাড়া, মেটা তাদের নিজস্ব এমটিআইএ (Meta Training & Inference Accelerator) চিপের সাথেও অ্যান্ড্রমেডাকে ইন্টিগ্রেট করছে। এই কো-ডিজাইন ফিউচার স্কেলিংয়ের জন্য একটি মজবুত প্ল্যাটফর্ম তৈরি করছে।
ফিউচার গ্রোথ: এই ধরনের ডিজাইন ভবিষ্যতে মডেলের কমপ্লেক্সিটি ১০০০ গুণ পর্যন্ত বাড়ানোর সম্ভাবনা তৈরি করে।
৪. মডেল ইলাস্টিসিটি (Model Elasticity): সব অ্যাডের জন্য একই পরিমাণ কম্পিউটিং রিসোর্স ব্যয় করা লাভজনক নয়। অ্যান্ড্রমেডা এই সমস্যার সমাধান করেছে তার 'সেগমেন্ট-অ্যাওয়ার' ডিজাইনের মাধ্যমে। এটি হাই-ভ্যালু সেগমেন্টের (যেমন: বড় অ্যাডভার্টাইজার, প্রিমিয়াম প্লেসমেন্ট) জন্য কমপ্লেক্স এবং রিসোর্স-ইনটেন্সিভ মডেল রান করে। আবার, লো-ভ্যালু অ্যাডের জন্য এটি লাইটওয়েট মডেল ব্যবহার করে।
আউটকাম: এর ফলে একই হার্ডওয়্যার কস্টে মেটা অ্যাডভার্টাইজারদের জন্য বেশি ROI ডেলিভার করতে পারছে।
চূড়ান্ত ইমপ্যাক্ট ও ভবিষ্যৎ নির্দেশনাঃ
হাইয়ার ROI: রিট্রিভাল রিকল +৬% ইম্প্রুভ হওয়ায় অ্যাডভার্টাইজারদের রেলেভ্যান্ট অডিয়েন্সের কাছে পৌঁছানোর সম্ভাবনা বেড়েছে, যা সরাসরি ROI বাড়াচ্ছে।
বেটার ইউজার এক্সপেরিয়েন্স: ইউজাররা তাদের ইন্টারেস্টের সাথে আরও বেশি অ্যালাইনড অ্যাড দেখছে, ফলে স্প্যাম বা অপ্রাসঙ্গিক অ্যাডের অনুভূতি কমেছে।
সাপোর্ট ফর জেনারেটিভ এআই: জেনারেটিভ এআই থেকে আসা বিশাল ভলিউমের অ্যাডকে অ্যান্ড্রমেডা দক্ষতার সাথে হ্যান্ডেল করতে পারছে, যা মেটার AI-driven অ্যাড ইকোসিস্টেমের জন্য অপরিহার্য।
অ্যান্ড্রমেডার পরবর্তী ধাপগুলো যেমন হবে:
অটোরিগ্রেসিভ লস ফাংশন (Autoregressive loss function): এটি চালু হলে আরও ফাস্টার ইনফারেন্স এবং অ্যাডভার্টাইজিংয়ে আরও বেশি বৈচিত্র্য আসবে।
MTIA ও GPU ইন্টিগ্রেশন: হার্ডওয়্যারের এই সমন্বয় মডেলের কমপ্লেক্সিটি কয়েক হাজার গুণ বাড়াতে সক্ষম, যা আরও সূক্ষ্ম ও ব্যক্তিগতকৃত অ্যাড সার্ভিং নিশ্চিত করবে।
করণীয় কি হবে আমাদের জন্যঃ
১. আর শুধু অ্যাড ক্রিয়েটিভ নয়, কোয়ালিটি এখন প্রধান। অ্যান্ড্রমেডা এখন আরও ভালোভাবে বুঝতে পারে কোন অ্যাডটি সত্যিই কার্যকর। তাই শুধু সুন্দর ডিজাইন নয়, আপনার অ্যাডের মেসেজ এবং কোয়ালিটির ওপর সবচেয়ে বেশি মনোযোগ দিন।
২. অ্যাডের প্রাসঙ্গিকতা (Relevance) সবচেয়ে গুরুত্বপূর্ণ। আপনার অ্যাড যে প্রোডাক্ট বা সার্ভিস নিয়ে, সেটা যেন আপনার অডিয়েন্সের ইন্টারেস্টের সাথে পুরোপুরি মিলে যায়। অ্যান্ড্রমেডা এখন এই প্রাসঙ্গিকতা আরও নিখুঁতভাবে বিচার করে।
৩. স্পিড ইজ এভরিথিং। আপনার ল্যান্ডিং পেজ যেন ৩ সেকেন্ডের কম সময়ে লোড হয়, কারণ অ্যান্ড্রমেডা এখন লো-স্পিড পেজকে কম গুরুত্ব দেবে। দ্রুত লোডিং স্পিড আপনার অ্যাডের পারফরম্যান্স বাড়াতে সাহায্য করবে।
৪. ইউজারদের ডেটা ম্যাটার করে। আপনার ওয়েবসাইটে পিক্সেল (Pixel) এবং কনভার্সন এপিআই (Conversions API) সঠিকভাবে সেটআপ আছে কিনা তা নিশ্চিত করুন। অ্যান্ড্রমেডার অ্যালগরিদম এই ডেটার উপর ভিত্তি করে আপনার অ্যাডের কার্যকারিতা বাড়াবে।
৫. টেস্ট, টেস্ট, টেস্ট। আপনার অ্যাডের বিভিন্ন ভার্সন (যেমন: ছবি, ভিডিও, টেক্সট) বারবার টেস্ট করুন। অ্যান্ড্রমেডার অ্যালগরিদম আপনাকে সবচেয়ে ভালো পারফর্ম করা অ্যাড খুঁজে বের করতে সাহায্য করবে।
৬. একাধিক অ্যাঙ্গেল থেকে টেস্টিং করুন। শুধু একটি অ্যাড ক্রিয়েটিভ নিয়ে বসে থাকবেন না। অ্যান্ড্রমেডার শক্তিশালী অ্যালগরিদমকে কাজে লাগাতে বিভিন্ন অডিয়েন্স এবং টার্গেটিং স্ট্র্যাটেজি ব্যবহার করে টেস্টিং চালান।
৭. রিটার্গেটিং এখন আরও শক্তিশালী। অ্যান্ড্রমেডার উন্নত রিট্রিভাল সিস্টেমের কারণে আপনার ওয়েবসাইটে ভিজিট করা বা আপনার সাথে ইন্টারেক্ট করা অডিয়েন্সদের কাছে প্রাসঙ্গিক অ্যাড আরও সহজে পৌঁছানো সম্ভব হবে।
৮. লো-কোয়ালিটি অ্যাডে বাজেট নষ্ট করবেন না। অ্যান্ড্রমেডা লো-কোয়ালিটি বা অপ্রাসঙ্গিক অ্যাডগুলোকে ধীরে ধীরে বাদ দেবে। তাই আপনার বাজেট ভালো মানের অ্যাডের পেছনে খরচ করুন, যা সত্যিই কাজ করে।
Source: https://shorturl.at/UOIU9
