Англомовну версію тексту опублікували 23 вересня 2026 року. Спершу ж стаття вийшла каталонською мовою.

Що вам показує стрічка, про яку ви не просили

Google Discover щодня гортають мільйони людей. Авторка наводить приклад користувача з Іспанії. Його стрічка може запропонувати таємні рецепти Феррана Адрії — кухаря-новатора, відомого своєю експериментальною кухнею.

Поруч — новина про те, о котрій лягає спати 46-річна телеведуча Пілар Рубіо. Далі — «найвигідніші» знижки мережі супермаркетів Lidl. А ще — нове авто, з яким можна назавжди попрощатися зі щорічним техоглядом.

Жодного з цих матеріалів людина не шукала. Вони просто з’явилися.

Від «шукати» до «знаходити»

Для більшості з нас Google — це передусім пошуковик. Рядок пошуку на білому тлі — головний продукт компанії Alphabet, якій належить Google. Саме на ньому тримаються величезні прибутки від реклами.

Слово «гугл» давно стало частиною мови. Ми «гуглимо», коли сперечаємося, — і пошуковик ставить крапку в суперечці.

Проте з роками Google збудував ще один сервіс. Він робить крок від звичного «шукати» до «знаходити» за допомогою алгоритму. Алгоритм — це послідовність інструкцій для комп’ютера, щось на кшталт рецепта, який машина виконує крок за кроком.

Цей сервіс і є Google Discover — система рекомендацій. Зовні вона схожа на стрічку соцмережі. Але тут немає коментарів, репостів чи видимих реакцій інших людей.

Ще одна особливість: у Discover немає окремого застосунку, як у Карт, Диска чи Фото від Google. Він уже вбудований у телефони на Android і є частиною інтерфейсу. Зазвичай стрічка відкривається, якщо на головному екрані провести пальцем праворуч.

Питання, яке стосується кожного

Рекомендаційні системи зараз усюди. Це суперечливі алгоритми інстаграму і фейсбуку, нетфлікс, ютуб і навіть, здавалося б, невинний Vinted — сервіс для продажу вживаного одягу.

Для кожної з них головне питання однакове: як вона вирішує, що саме вам порадити? І що такого ви зробили, щоб отримати в телефоні саме це?

Чарівної формули не існує

Люди часто намагаються пояснити роботу платформ по-своєму. Хтось спирається на власні уявлення про алгоритми, хтось — на чутки чи необґрунтовані переконання. Дехто навіть пробує «натренувати» алгоритм або перехитрити його, керуючись цими здогадками.

Насправді немає одного алгоритму чи великого рівняння, яким можна керувати. За системами на кшталт Google Discover стоїть величезна непрозора мережа алгоритмів. Це ціле сплетіння комп’ютерних інструкцій, сховане в «чорній скриньці».

Чорною скринькою називають систему, яка отримує дані й видає результат. Але що відбувається всередині, збоку не видно. Google розкрив про свою скриньку дуже мало подробиць.

Решту знань ми маємо з двох джерел. Перше — фахівці, які професійно намагаються зрозуміти, як працює Discover. Друге — наукові статті, які, зокрема, фіксують вплив цієї стрічки на журналістику.

Склад такої системи не прочитаєш, як етикетку на пляшці кетчупу чи шампуню.

Звідки вчені це знають

Сам Google на своїй сторінці описує Discover як персоналізовану стрічку. Тобто таку, що підлаштовується під інтереси конкретної людини. Інтереси система визначає за вашою активністю в інтернеті та в застосунках.

Наукові статті інженерів самого Google показують: це система рекомендацій промислового масштабу. Вона обробляє інформацію для мільйонів людей одночасно.

Незалежні дослідники розміщують Discover на перетині двох галузей. Перша — інформаційний пошук: як знайти потрібне у величезному масиві даних. Друга — алгоритмічне кураторство: коли добірку для вас складає вже не редактор, а програма.

Точного устрою Discover ми не знаємо. Але можна пояснити, чому він показує вам певні матеріали. Для цього авторка спирається на типову будову рекомендаційних систем, а також на відомі факти й гіпотези про продукт Google.

Інтернет, пропущений крізь лійку

Найзручніше уявити Discover як лійку, поділену на кілька ярусів. Щодня в мережі з’являються мільйони матеріалів. Це статті, довгі відео, дописи в соцмережах, підсумки, згенеровані штучним інтелектом.

Уся ця різноманітність засипається у широку горловину лійки. А з вузького кінця виходить короткий перелік, складений персонально для кожного користувача. Що ж відбувається дорогою?

Перше сито: індексація

Як і в пошуку Google, усе починається з індексації. Спеціальні програми обходять інтернет і заносять знайдені сторінки до величезної бази даних. Це схоже на каталог бібліотеки, куди записують кожну нову книжку.

Уже на цьому етапі працює перший фільтр. Він відсіює все, що порушує правила Google. Наприклад, дописи, які вербують людей до терористичних організацій. Або жорстокі зображення без жодного журналістського контексту.

Та пройти цей фільтр — означає лише отримати «перепустку». Матеріал стає придатним для показу, але місця у вашій стрічці йому ніхто не гарантує.

Далі, як показує схема від Google for Developers, типова рекомендаційна система проходить три основні етапи:

• відбір кандидатів — вибір із гігантської бази тих матеріалів, які можуть вас зацікавити;
• оцінювання — кожен кандидат отримує бали;
• повторне впорядкування — остаточне коригування списку перед показом.

Як Google складає карту ваших інтересів

Щоб звузити початковий вибір, система шукає матеріали, які найімовірніше збігаються з вашими інтересами. Для цього Discover виокремлює у ваших запитах і діях так звані сутності. Сутність — це конкретний об’єкт: людина, компанія, місце, продукт.

У прикладі іспанського користувача такими сутностями є Ферран Адрія, Пілар Рубіо та Lidl. Система пов’язує їх між собою. Так вона розуміє, які на перший погляд не пов’язані запити чи статті насправді належать до одного інтересу.

Потім ці інтереси впорядковуються у ширші теми та підтеми. Уявіть шафу з шухлядами: велика шухляда «кулінарія», а всередині менші відділення — рецепти, шеф-кухарі, ресторани.

«Морський бій» із вашими вподобаннями

Далі в системи з’являється нова задача. Інтереси треба перекласти мовою, якою комп’ютер може порівнювати мільйони матеріалів одночасно.

Аналітики, зокрема Дам’єн Анделл (Damien Andell), припускають, що Discover використовує для цього ембединги. Ембединг (embedding) — це математичне представлення, коли будь-що перетворюється на набір чисел.

Ці числа працюють як координати. Групи пов’язаних сутностей, які називають кластерами, і ваші інтереси отримують свої точки на одному полі. Воно нагадує поле для гри «Морський бій».

Чим ближче дві точки одна до одної, тим більше між ними спорідненості. Якщо ваша точка стоїть поруч із кластером «іспанська кухня», статті на цю тему мають більше шансів потрапити до вас.

Щоправда, у «Морському бої» лише дві координати — літера і цифра. У справжніх системах координат значно більше, тож поле складно навіть уявити. Але принцип «ближче — отже, схожіше» той самий.

Кліки, вподобання і «розгорнути текст»

Коли кластери визначено, лійка звужується ще раз. Тепер у справу вступають прогнозні моделі. Штучний інтелект системи намагається передбачити, як ви відреагуєте на кожен варіант.

Інженери Google описують одинадцять таких прогнозних цілей. Сім із них названо. П’ять — позитивні реакції:

• ви натиснете на матеріал;
• вподобаєте його;
• позитивно відповісте в опитуванні;
• натиснете, щоб переглянути подробиці;
• натиснете, щоб розгорнути текст.

Ще дві — негативні:

• ви відхилите матеріал;
• назавжди заблокуєте такий вміст.

Що саме приховують решта чотири цілі, публічно не уточнено.

Як із прогнозів виходить одна оцінка

Отже, на столі лежить купа прогнозів. Тепер система має розставити кандидатів за порядком. Зазвичай усі прогнози зводять до однієї оцінки. При цьому одним сигналам дають більшу вагу, ніж іншим.

Це схоже на підсумкову оцінку в школі. Контрольна важить більше, ніж домашнє завдання, але враховується все.

Ось де виникає дилема. Одна стаття може мати високу ймовірність, що ви на неї натиснете. Але так само високою може бути й імовірність, що ви її заблокуєте. Інша стаття викликає менше миттєвої цікавості, зате дає більше позитивних сигналів.

Discover мусить розв’язати цей компроміс і вирішити, що показати першим, а що — потім. Як саме Google поєднує ці прогнози, компанія не розкриває.

Останній фільтр: щоб не було однаково

Коли кандидатів уже впорядковано, деякі системи застосовують ще один, фінальний фільтр. Він враховує різноманітність, свіжість матеріалів або справедливість.

Навіщо це потрібно? Щоб перші п’ять позицій у стрічці не були, скажімо, про той самий «обов’язковий» новий гаджет із Lidl.

Нескінченне коло

Ось ми й дісталися вузького кінця лійки. Discover вирішив, що вам показати. Але на цьому процес не зупиняється — система живить сама себе.

Вона стежить за сигналами, які ви подаєте. Одні з них явні: ви заблокували джерело чи вподобали матеріал. Інші — неявні: ви зупинилися почитати статтю чи прогорнули далі.

Ці нові дані повертаються в систему. На них модель навчається й оновлюється. Виходить замкнене коло: рекомендації викликають вашу реакцію, реакції дають нові дані, а дані формують наступні рекомендації.

Точно дізнатися, яка суміш сигналів привела Феррана Адрію, Пілар Рубіо чи будь-кого іншого у вашу стрічку, неможливо. Авторка порівнює систему з нескінченною грою випадку.

Відомо одне: ця гра живиться вашою історією, місцеперебуванням і дрібними щоденними діями. Ви їх навіть не помічаєте. Але саме вони дають пальне цій величезній системі рекомендацій.

Чому це важливо знати

Стрічку формують не лише кліки. Система враховує й те, на чому ви затрималися, а що прогорнули. Тож кожна пауза над заголовком теж стає сигналом.

Водночас явні дії — «вподобати», «відхилити», «заблокувати» — система теж бере до уваги. Повністю керувати алгоритмом не вийде, але ці кнопки впливають на те, що ви бачитимете далі.

Раніше ми писали

• Мікродрама: однохвилинний серіал, що ламає гальмо в мозку
• ШІ-відповіді Google з’являються у 43% пошуків
• Google порахував: шість із семи розмов із ШІ — поза роботою