YouTube запустил создание персональных алгоритмов рекомендаций с помощью ИИ
В сентябре 2026 года YouTube представил новую функцию «Custom Feeds», позволяющую пользователям формировать собственные ленты рекомендаций на основе текстовых запросов. Технология использует модель Gemini для интерпретации пожеланий — от настроения до специфических условий просмотра — и выводит результат в отдельную вкладку главной страницы.
# YouTube переводит контроль над контентом в руки зрителя: запуск AI-генерируемых лент
В мире алгоритмических рекомендаций, где контент часто подобран системой до того, как пользователь сформулировал запрос, компания YouTube пошла на радикальный шаг. На презентации Made On YouTube, состоявшейся в среду, 23 сентября 2026 года, был анонсирован инструмент, позволяющий пользователям писать собственные алгоритмы. Вместо того чтобы выбирать из предложенных категорий или настраивать предпочтения через галочки, зрители теперь описывают желаемую ленту своими словами.
Как работает функция персонализированных лент
Новая функция, получившая название «Custom Feeds» (Пользовательские ленты), базируется на интеграции с искусственным интеллектом Google Gemini. Пользователь обращается к интерфейсу и вводит текстовый промпт, описывающий содержание, формат или даже контекст просмотра.
Интерфейс предлагает примеры запросов, которые демонстрируют гибкость новой системы. Можно попросить создать ленту подкастов для 30-минутной поездки в метро, указав хронометраж и формат. Или запросить видео с комментариями для расслабления после тяжелого дня, используя фразу вроде «relaxing commentary videos to unwind with» (расслабляющие видео с комментариями для разгрузки). Система способна обрабатывать объемные описания, куда зритель может включить требования к исключению определенных тем, приоритет авторам или специфический тон повествования.
После обработки запроса AI генерирует ленту, которая появляется на главной странице приложения в виде отдельной вкладки, закрепленной сверху. Это позволяет пользователю переключаться между основным потоком рекомендаций, формируемым системой на основе истории просмотров, и тематической лентой, созданной под конкретную задачу.
Контекст развития социальной сети
Запуск этой функции не является изолированным событием. Это часть более широкой тенденции в индустрии медиа, где социальные платформы стремятся вернуть контроль над вниманием аудитории к самим пользователям. Уже ранее это направление развивалось в децентрализованных сетях, таких как Bluesky, которая популяризировала идею пользовательских алгоритмов. В 2026 году Bluesky выпустила свой инструмент Attie, упрощающий процесс создания контента.
Не последними в списке компаний, внедряющих подобные решения, стали Meta (Threads, Instagram), сервисы микро-блогинга X и потоковая платформа Spotify. Большинство этих инструментов также используют нейросети для анализа запросов. YouTube, обладая библиотекой более чем из 20 миллиардов видео, видит в этом способе решения проблемы «информационного шума». Как отметила Эмили Моксли (Emily Moxley), вице-президент по управлению продукцией Viewer AI, наличие такого огромного массива данных делает поиск сокровищ необходимым, а не роскошью. «Вы всегда находитесь в одном поиске от золотой горы тем», — подчеркнула она.
Важно отметить архитектурные изменения, которые вносит новая функция. Она не заменяет основной ленту рекомендаций YouTube. Основная лента продолжает работать как центральный узел агрегации контента, основанный на стандартных метриках потребления. Новые же ленты работают как допущенные к платформе инструменты фильтрации, дающие пользователю возможность «запустить» контент строго по его спецификации, минуя стандартные фильтры вовлеченности.
Планы по масштабированию
Компания объявила о поэтапном внедрении функционала. В данный момент функция доступна для тестирования, однако поддержка создания нескольких пользовательских лент одновременно будет развернута на всех платформах — веб-интерфейсе и мобильных приложениях — уже в следующем месяце. Это позволит пользователям диверсифицировать свое потребление: иметь одну ленту для глубокой проработки темы и другую для фонового прослушивания.
В отличие от традиционных настроек рекомендаций, которые часто становятся «черным ящиком», эта модель делает процесс наглядным. Пользователь видит связь между своим текстовым запросом и результатом, что повышает прозрачность работы платформы с контентом.