关于智能推荐的几点思考
一、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
……
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。
二、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。
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:
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。
三、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?
四、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:
附:最近推出了推荐系统系列教程,已推出十期,没看过的朋友们可以点历史消息或点击下面的链接查看。本系列教程全部免费,希望大家每期都不要落下,这样可成体系,也希望各位粉丝朋友多多转发,并在看完后点个“在看”,以示鼓励。
「 更多干货,更多收获 」
关于智能推荐的几点思考相关推荐
- 创新型服务“智能推荐”——互联网平台建设
所谓智能分发,即利用人工智能进行个性化推荐的技术,也称之为智能推荐,推荐系统. 思考三个问题: 1.国内外推荐系统最好的产品是什么? 2.什么是用户画像?什么是服务.内容.产品画像? 3.怎么利用机器 ...
- 创新型服务“智能推荐”——互联网平台建设 1
所谓智能分发,即利用人工智能进行个性化推荐的技术,也称之为智能推荐,推荐系统. 思考三个问题: 1.国内外推荐系统最好的产品是什么? 2.什么是用户画像?什么是服务.内容.产品画像? 3.怎么利用机器 ...
- PPT 下载 | 神策数据刘乐:智能推荐驱动业务增长应用与实践
本文内容根据神策数据智能推荐产品负责人刘乐在<智能推荐-业务应用与模型构建思路>主题沙龙中演讲整理所得.主要内容包括: 我们为什么需要推荐系统? 我们需要什么样的推荐系统? 推荐系统助力业 ...
- 用Python实现智能推荐!某音,某宝都是智能推荐的,赶紧收藏!!
智能推荐是以"客户需求"为导向的,是给客户带来价值的.常见的如淘宝的 "你可能还喜欢",亚马逊的 "购买此商品的用户也购买了" 便是实例.今 ...
- 用Python实现智能推荐!某音,某宝都是智能推荐的,你都知道吗?
小天导语: 智能推荐是以"客户需求"为导向的,是给客户带来价值的.常见的如淘宝的 "你可能还喜欢",亚马逊的 "购买此商品的用户也购买了" ...
- 音乐智能推荐 ALS算法
音乐推荐分析 特征的产生: 能让用户产生兴趣的行为,可能包括有:试听音乐.收藏音乐.收藏专辑|歌单.搜索.关注歌手|用户.下载歌曲.分享(比较少) 权重产生: 按照用户操作成本 下载+播放 > ...
- 个性化智能推荐系统分析与调研
1. 系统简介 从市场用户调研到互联网电商平台产品设计,再到上线运营推广,覆盖的面很宽,但最为关键和难度最高的是个性化推荐系统.搜索底层和大数据系统.其中,个性化推荐系统和搜索底层都是基于大数 ...
- 直播 | 电商智能推荐算法技术分享
随着信息过载时代的到来,人们逐渐习惯于从主动获取信息变成了被动接受信息,而基于智能推荐算法的内容.商品.服务分发系统,也已经逐步成为信息平台.电商等几乎所有互联网业务的标配,逐步给各个业务场景带来巨大 ...
- R语言应用实战系列(三)-智能推荐模型的构建
一.基本概念和原理 智能推荐的方法有很多,包括基于内容推荐,协同过滤推荐,基于关联规则,基于知识推荐,基于效用推荐和组合推荐. 以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我 ...
最新文章
- 京东员工因两年一毛钱没涨而离职,618后跳槽涨薪翻倍
- Java实现MD5加密和文件校验
- Deeplearnng.AI第四部分第一周、卷积神经网络
- Scheme N皇后
- 3-Scala控制结构
- Javascript模块化编程:require.js的用法
- 函数的基本知识点总结(附实例)
- python爬虫下载文件到指定文件夹_python爬虫: 从 指定路径 爬取 文件
- PS一键磨皮美白扩展插件Delicious Retouch 5.0 汉化集合版 Win/Mac
- amf webgame
- 关于Aegisub的视频滤镜插件和字幕滤镜插件
- 淘宝API接口(item_search-按关键字搜索淘宝商品 )
- 电商路演投资计划融资报告PPT模板
- 分享一款好用的微信相册小程序《群相册大师》
- 计算机配置好坏怎么看,怎么看电脑配置,电脑配置好坏信息一目了然-腾讯电脑管家...
- 三羊献瑞-第六届蓝桥杯省赛
- 树形结构(Python)
- 倒车与移库-汽车倒车移库技巧
- 17.6:迪瑞克斯啦算法
- 饿了么UI组件库中,Image组件预览图片错位的解决