Khi bạn nghĩ về một thuật toán cấp dữ liệu, có nhiều vòng lặp thông minh đang hoạt động ở đó. Có lớp suy diễn mô hình thực tế, lớp này xem xét những thứ gần đây mà bạn đã nhấp vào và những mục mới nhất trong kho để đưa ra quyết định trong vòng micro giây về những gì sẽ hiển thị cho bạn.

sau đó có lớp đào tạo tự động - các công ty thiết lập các đường ống dữ liệu khổng lồ của các đặc điểm đầu vào và sự tương tác của người dùng và đào tạo lại các mô hình *hàng ngày*. độ tươi mới của các mô hình đảm bảo rằng bạn đang ở trong phân phối tốt nhất có thể. con trỏ cho biết họ sẽ ra mắt các mô hình *hàng giờ*.

có một lớp vòng lặp bên ngoài ML, nơi các nhà khoa học thực sự làm việc để thử nghiệm các thuật toán mới và xem chúng hoạt động như thế nào trong các bài kiểm tra A/B trực tiếp và các chỉ số ngoại tuyến. khi họ làm như vậy, họ đang thay đổi một quy trình luồng dữ liệu và đào tạo liên tục thay vì chỉ đào tạo 1 mô hình mới.

tất cả đều là một liên tục và một vòng OODA được tối ưu hóa qua nhiều lớp trừu tượng mà gần giống với những lời kêu gọi gần đây về "học tập liên tục". những hệ thống ML "cổ điển" này tạo ra hàng triệu triệu doanh thu đáng để suy nghĩ sâu hơn về bản chất của trí tuệ hữu ích.