关于智能推荐,我有一些看法

转自:网的事

1  智能推荐的盛行

这是一个信息爆炸的时代。

互联网上每天产生的信息量是过去几十年甚至上百年的信息量之和。

人们获取信息的方式也经历了几次变革:最初是远古时代人类掌握语言后的口头“交流”,其次是竹简纸张诞生后的“阅览”,再到近代互联网的网页“搜索”,至今日人工智能衍生出来的智能“推荐”。

例如今日头条的个性化资讯分发,网易云音乐的日推歌单,京东淘宝的猜你喜欢,以及朋友圈的广告精准推送等等,智能推荐已经逐渐融入到我们生活中日常使用到的绝大多数互联网产品。

而智能推荐在互联网圈的流行,无外乎这几个因素:

商业因素:长尾市场的巨大利益诱惑

克里斯.安德森的《长尾理论》中提到大规模市场正在转化为数不尽的利基市场,而正是由于网络化及数字化的发展,使得消费者能以较低成本找到自己非热门的小众商品。

传统的网络搜索或人工推荐无法高效匹配海量的长尾资源与千奇百怪的用户需求,而个性化推荐通过“智能分发引擎”做到千人千面,以推送高效率换取商业高效益。

用户因素:对内容资讯的需求升级

不敢说大热门的时代已经过去,但就目前来看,用户的需求越来越多样化,主流市场正在逐渐分化为更加垂直的细分领域,任何一小部分刁钻的个性化需求总能被一款小众的产品所满足。

除此之外,被网络惯坏的我们变得越来越“懒”。信息量的巨大、筛选成本的增加使得用户对信息主动获取(搜索)自然而然向被动接受(平台推荐)转变。

技术因素:人工智能的突破与发展

近两年,除了IT巨头们纷纷布局人工智能,不少创业公司也蜂拥押宝AI产业。加上政策利好,人工智能行业正进入高速发展的黄金时期。个性化推荐引擎作为人工智能发展过程中的衍生产品,涵盖了机器学习、自然语言处理、神经网络、自动推理等多学科技术,正是由于以上技术的突破性进展,才加剧了智能推荐技术商业落地的可能。

2  智能推荐的回声室效应

网络带宽的增长及存储容量的升级带来的是数据指数级的爆炸,互联网每一秒钟都在生产出庞大冗杂的数据信息。

以搜索“人工智能”为例,百度给出了大约18,400,000条结果,而Google更是给出了多达48,700,000条结果。

我们淹没在数据的海洋里不知道自己想要什么,我们从来没有像现在这样周围遍布信息却依旧感到焦虑

而个性化推荐解决了这一难题,根据用户以往的网络行为(搜索、浏览、收藏、点赞、评论、转发等)构建每个人独特的用户画像,然后智能推荐引擎根据预先设定的机器算法向用户推送可能感兴趣的内容。

但是,无论是“最懂你的信息平台”还是为你量身打造的私人定制,其最终目的还是为了把你留在产品里。

当我们主观上倾向于某一观点时,我们往往会主动或被动地去接收那些有利于我们观点的信息,而对于那些有悖于我们观点的信息,我们通常会选择忽视,这在心理学上叫做证实偏见

而互联网的这种个性化推荐放大了这种偏见,它使得我们在由自己兴趣编织的笼子里只看到自己想看到的内容,只接收自己赞同的观点。长此以往,这种智能推荐是否会将一个人逐渐推向偏执甚至极端呢?

以今日头条为例,精准的个性化资讯分发的确降低了用户阅读成本,最大限度地保证用户看到的都是自己想看的,但这种以用户喜好作为判断条件来迎合用户的做法带来的回声室效应也是不容忽视的。长期只接受特定的信息,只会让我们在自己狭小的圈子里自娱自乐、故步自封。

有句话我很认同,“在精准的用户画像里,机器算法自动过滤了异样的声音,同时也杜绝了惊喜的可能”。

回声室效应:在一个相对封闭的环境下,一些意见相近的声音不断被重复和加强,最终使得处于该环境下的大多数人都认为这些扭曲的观点就是事实的全部。

3  智能推荐是否在剥夺我们的选择权

智能推荐其实是一种被动的信息获取,虽然基于我们自身的兴趣爱好,但其推荐内容的选择权却不在我们。

有人会说,系统推荐的那部分内容,我依旧可以选择看或者不看。

你错了,呈现在你眼前的那几十条或者几百条信息只不过是亿万条数据根据算法过滤之后呈现给你的,而你在选择忽视掉或者“不感兴趣”某条信息时,只不过是在帮助机器修正算法以达到下次让你多看几眼的目的。

事实上,你的每一次选择都是为了让你最终无从选择。机器算法由于你的“调教”变得越来越聪明,而你自己却正在被机器算法所塑造。

当年看《黑客帝国》给我触动很大,有时候会想,我们怎么知道自己没有生活在电影中类似的算法矩阵里呢?

关于对机器算法的争议,9月19日,人民网再次发文二评算法推荐《别被算法困在“信息茧房”》,以下是部分摘要:

在算法的帮助下,我们可以轻易过滤掉自己不熟悉、不认同的信息,只看我们想看的,只听我们想听的,最终在不断重复和自我证成中强化了固有偏见和喜好。一旦身处这样的“信息茧房”,就再难接受异质化的信息和不同的观点,甚至在不同群体、代际间竖起阻碍沟通的高墙。

4  智能推荐究竟带给我们什么

科技的进步必然会带来一些变革,而智能推荐的发展只是在潜移默化地改变我们获取信息的方式甚至内容。

就像黑镜第三季《PLAYTEST》里男主脑袋插上接口就可以在毫秒间体验超感游戏一样,我甚至能够想到将来我们通过头盔、VR眼镜或者人脑API就能在瞬间读完一天的新闻、看完一百部剧、听完一千首歌,我相信这在技术上总有一天可以实现,但这样做给人类带来的是福音还是灾祸,我不知道。

前些年大家一直都在提的“互联网是把双刃剑”,在网络日益发达的今天,貌似已经被逐渐淡忘。

当前的社会,人工智能是大趋势,我不排斥高科技或新事物的发展,只是在“科技改变世界”的同时,千万警惕“人类被机器主宰”。

最后一句话总结全文:

我忧心忡忡地看待未来,但仍满怀美好的希望。   —— 史怀哲

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 200,527评论 5 470
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,314评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 147,535评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,006评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,961评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,220评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,664评论 3 392
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,351评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,481评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,397评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,443评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,123评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,713评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,801评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,010评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,494评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,075评论 2 341

推荐阅读更多精彩内容