2026年9月23日、TechCrunchの記者Sarah Perezの報道によると、YouTubeは「カスタムフィード（custom feeds）」と呼ばれる新機能の提供を開始している。ユーザーはホーム画面でアルゴリズムが並べた動画を一方的に受け入れるのではなく、自分の言葉――自然言語による一文の説明――でプラットフォームに見たいものを伝えられるようになった。その説明をもとに、GoogleのGeminiモデルがリアルタイムで専用の推薦フィードを構築する。
ユーザーは見たい動画を自分の言葉で説明でき、Geminiはそのリクエストに基づいてパーソナライズされた推薦フィードを構築する。
一見すると、インターフェース層の小さな変更に過ぎない。しかし推薦システム20年の進化史に照らせば、その意義ははるかに大きい。これまではアルゴリズムがユーザーの好みを「代わりに決めて」いた。今回初めて、ユーザー自身がアルゴリズムに直接指示を下せるようになったのだ。
「あなたが好きそうなもの」から「私が言うから聞け」へ
YouTubeが2016年に深層学習駆動の推薦システムへ全面移行して以来、プラットフォームの核心ロジックは一貫して「予測」だった。クリック、視聴完了、滞在時間、高評価などの行動シグナルをもとに、ユーザーが次に視聴しそうな動画を推測する仕組みだ。この仕組みは驚くほど効率的である一方、長らく二つの批判を浴びてきた――説明できないこと、そしてコントロールできないことだ。なぜその動画が推薦されるのかユーザーには分からず、「私はそういう人間ではない」とプラットフォームに効果的に伝える手段もなかった。
カスタムフィードが解決しようとしているのは、まさにこの問題だ。重要な変化は、「暗黙的シグナル」と「明示的表現」を並列に扱う点にある。ユーザーが入力した一文の説明が、視聴履歴と同等に重要な推薦シグナルとなる。これにより、普段ゲーム動画しか見ない人が、「静かなドキュメンタリーが見たい」という一時的なフィードを作成できるようになる。「興味なし」を繰り返しタップして、なかなか言うことを聞かないアルゴリズムを地道に調整する必要はもはやない。
Geminiはいかにして一文をフィードへと変えるか
技術的なアプローチとしては、この種の機能の実装は通常三つの層から成る。第一層は意図解析だ。Geminiは「気軽に、頭を使わずに観られる、20分以内のテクノロジーニュース」といった口語的な表現を、実行可能な制約条件――テーマ、尺、感情的トーン、コンテンツ形式――へと分解する必要がある。第二層は候補の召喚と再ランク付けだ。YouTubeの膨大な動画ライブラリから制約に合致するコンテンツを絞り込み、単純な協調フィルタリングではなく意味的マッチングでスコアリングと並び替えを行う。第三層は継続的な調整だ。新しいフィードでのユーザーのクリックやスキップが、この「個人アルゴリズム」を微調整するためのフィードバックとなる。
注目すべき点として、このカスタムフィードは保存や複数作成が可能になる見込みだ。ユーザーは「学習」「リラックス」「長尺の深掘りコンテンツ」といった複数の並行する推薦エントリーを同時に持ち、いつでも切り替えられる。これは実質的に、一本のパブリック推薦フィードを、ユーザー自身が定義した複数のチャンネルへと分解することを意味する。
クリエイターにとっての意味
推薦の配信ロジックに「意味的マッチング」という要素が加わるならば、クリエイターのコンテンツ戦略も変わるだろう。過去10年間、クリエイターはクリック率、サムネイル、最初の5秒間の視聴完了率を最適化する専門家として鍛えられてきた。しかし大規模言語モデル駆動の推薦エントリーが、動画のタイトル・説明・字幕・実際の意味を読み取るようになれば、コンテンツの「説明のしやすさ」がかつてないほど重要になる。
言い換えれば、ある動画がユーザーの一文の説明でシステムに正確にヒットできるかどうかが、カスタムフィードに表示されるかどうかを左右するかもしれない。縦断的でテーマが明確、タグが具体的なコンテンツは、漠然とした娯楽コンテンツよりも「指名」されやすくなる可能性がある。これは中小クリエイターにとっては朗報かもしれない――大手アカウントと同じトラフィックのロジックで真っ向から戦わなくて済むからだ。
懸念：フィルターバブル2.0
ただし、この機能にリスクがないわけではない。従来のアルゴリズムが生み出す「フィルターバブル」は、少なくともプラットフォームの推薦メカニズムのせいにできた。しかしユーザー自身が自分の好みを書き下ろすとき、コンテンツの狭小化はユーザーとアルゴリズムの共犯関係となる。ユーザーの説明が具体的になるほどフィードは閉じていき、「私が好きなもの」と「私が知る必要があるもの」の間の溝は広がっていく。
また、いくつかの現実的な問題も未解決のまま残されている。ユーザーがカスタマイズしたフィードには広告はどのように配信されるのか。広告主は自分では予測できないコンテンツ環境を受け入れるのか。ユーザーが自然言語でルール違反やグレーゾーンのコンテンツを説明した場合、プラットフォームのモデレーションの境界はどこに引かれるのか。Geminiの生成・ランク付け能力は極めて高い推論コストを伴うが、この機能は最終的にすべてのユーザーに開放されるのか、それとも有料サブスクリプションの後ろに鍵がかけられるのか。
編集後記
YouTubeのこの取り組みの意義は、「カスタマイズ」そのものにあるのではなく、それが発するシグナルにあるかもしれない。推薦アルゴリズムの競争軸が、「誰がより正確に予測できるか」から「誰がより制御可能で、より説明可能か」へと移行しつつあるということだ。大規模言語モデルが自然言語をアルゴリズム操作のインターフェースとした今、プラットフォームの役割は「アルゴリズムの提供者」から「アルゴリズムのツールボックス」へと変わりつつある。
ユーザーにとってこれは権力の回帰であると同時に、新たな責任でもある――ついに自分だけのアルゴリズムを作れるようになったが、自分の選択には自分で責任を負わなければならない。これは技術の進歩であると同時に、情報リテラシーへの問いかけでもある。
本記事はTechCrunchより編訳
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接