Я думаю, что люди недооценивают, насколько дороже обрабатывать изображения/видео по сравнению с текстом. В Tinder для алгоритма рекомендаций большинство людей предполагает, что задействованы какие-то изображения/компьютерное зрение, но на самом деле было в 1000 раз эффективнее использовать косинусное сходство с паттернами свайпов. Сказав это, следующая битва для моделей (и приложений) — это изображения и видео, и я думаю, что это будет в 1000 раз более захватывающе!