当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

移动开发 移动应用 算法
在算法推荐大行其道的今天,比自己更了解你的,既不是你的朋友,也不是你的敌人,可能是你的APP。时不时地,我们总能被各种app对自己精准的寻找,吓到。

在算法推荐大行其道的今天,比自己更了解你的,既不是你的朋友,也不是你的敌人,可能是你的APP。

时不时地,我们总能被各种app对自己精准的寻找,吓到。

淘宝、京东的商品推荐,总让你怀疑自己莫不是被监听监看,连知乎这样的“清白之地”,似乎也在暗暗用力,不断描摹刻画你的用户画像。

被男朋友猜中心思是粉色的,被自己的app猜中总是有点情感复杂。被算法理解,虽然它能恰如其分地为你送上一首歌、一篇文,但这样的理解到底是存了一点孤单。

我们总是希望尽力过好丰富人生,把自己看成一个多面的棱镜,百变而神秘。但是,这种程序化的算法,似乎简简单单就将你刻画复制了出来。

从这个问题反推思考,我们是不是能借助不同的app完成一次自我探索的认识之旅?

算法何以了解你

既然想借助这些个看不见摸不着却强大的幕后力量,上演一出“将计就计”的好戏,那就先跳上“神坛”看看吧。

推荐算法的产生,和人类信息环境的变化直接相关。从信息匮乏时代走向信息过载时代,每个人陡然发现在信息获取上自己面临着新的困境:庞大信息带来的低效。而推荐算法恰是为了解决这一问题。

凭借个性化的推荐和对冗余信息的有效降低,推荐算法在国内外得到了广泛使用。从亚马逊、YouTube、谷歌到今日头条、网易云音乐、淘宝京东,算法成为一个近乎魔法的概念。

 

亚马逊推荐算法的调整曾给卖家带来不小的震荡
亚马逊推荐算法的调整曾给卖家带来不小的震荡

目前,内容推荐、协同过滤是十分主流的推荐算法。

基于内容的推荐算法(content-based)特别适用对文本内容的解析。将一则文本视为一条item,通过不断地抽取、细化,为文本打上无数的标签,形成taglist。当用户在做个性化推荐时,可以将用户最近操作过的item列出,用这些taglist模拟成一个用户模型,再用倒搜索引擎为用户推荐候选结果。在国内,采取CB算法的最典型代表就是今日头条。

 

基于内容的推荐算法可谓最为“古老”
基于内容的推荐算法可谓最为“古老”

在头条之后,新闻资讯APP都采取了推荐算法。文本信息的处理特性,使得基于内容的推荐算法成为主流。

协同过滤(collaborative filtering)则是从集体智慧出发实现的一种推荐。比如通过对用户喜欢的项目分析,发现用户A和用户B两人十分相似,两人都喜欢相同的内容,那么就可以把用户A喜欢而用户B还未喜欢的项目C,尝试着推荐给B。

另一种协同过滤则是基于item本身(item-based,CF )。这种推荐不需要找到和用户A相似的B,而是完全基于用户A的单独行为。itemA和itemB十分相似,而用户A很喜欢itemA,那么就可以把B尝试推荐给用户。网易云音乐的后端算法主要是基于这两种协同过滤算法。

此外,基于人工神经网络的深度学习也是十分频繁常见的推荐算法。

剔除那些细致、庞大的计算方程和运算过程,推荐算法底层逻辑的说明也不过百字之内。哪怕听起来不明觉厉的AI算法,也不过是更复杂的数学模型。

在神话已死的年代,科学却成为了最大的神话。

以算之道反算其身——科学驯养APP不完全指南

在实践中,这些APP所遵循的个性化推荐系统要复杂得多。

从别的维度出发,以网易云音乐、头条为例,又可以将其推荐算法切分为官方推荐、UGC用户推荐和热门推荐(热度加权)等。

当APP面对一个新用户,由于缺乏用户行为数据,精准个性化的推荐可谓是“巧妇难为无米之炊”,这时对新用户的推荐,会提供给他大部分人都喜欢的歌曲,这种类似于大盘数据的官方推荐,能让你在初入时,不至于那么无措;当用户在app上持续进行搜索、收藏、喜欢、评论等行为数据后,算法就能针对你个人和你喜欢的歌曲,衍生出庞大的推荐库。

但是基于APP个性化推荐的底层逻辑,我们依然可以借助有意识的行为方式,科学驯养app。

在新闻资讯类APP上,主要的推荐原理就是依据用户的阅读行为。越是经常点击某类文章,越是容易被推荐相同类型。

资讯APP中都设置了众多的兴趣主题,在进入这些app之时,用户都需要完成一系列简单的选择。这种最初也最简单的主动选择,形成了众多差异化的用户组,借助这种聚类方法,崭新尚未被“揣摩”的我们,其实已经有了一副清浅的五官。

 

即刻上的兴趣分类
即刻上的兴趣分类

但这样的分类,往往太过粗浅,尤其在以性别作为重要分类变量下,更是显得性别固化。

 

当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

新安装即刻的用户,在进入app主页前,都需要完成两道选择题,先是性别选项,再是细化的兴趣分类。如果你在第一步选择自己是男性用户,那么在第二个兴趣分类页面,你将看到科技、游戏、二次元、男士穿搭指南、军事和汽车等兴趣主题。

当你选择女性角色后,这些主题变成了萌宠、综艺、护肤、女性安全。

 

当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

如果你是一个“非典型”女生用户,爱好科技、喜爱户外,想要在资讯类app上实现高效的信息获取,你得不停的用时间和精力去和潜藏不可见的算法磨合。

我们每个人相似却也不同。若想拥有一个能“懂你”的APP,又岂能争朝夕。

小王子把爱称作驯养:“如果你驯养了我,我们就彼此需要,成为彼此最特殊的存在”。

在众多个性化推荐APP中溜达过一圈后,曾经梦想仗剑走天涯,豪气十分的驯养APP似乎成了一个伪命题。因为,当你完成这个双向的游戏后,你和你的APP也就成为了一种“彼此最为特殊的存在”。

 

这何尝不是一场互相调教的游戏

这何尝不是一场互相调教的游戏

角色扮演:一场看不清的游戏

在网易云上,首页的歌单成了心情和状态的写照。

你可以是在这样焦灼的夏季里,枕着一列励志歌单奋斗的考研党,也可以是一个歌单充满阿尔法波、自然醇音的失眠患者,是一个从BBC卷福配音版的《南太平》到喜爱各类纪录片原音的英音爱好者…

 

当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

这种角色扮演的游戏,对人类而言有着历史源远的基因。不管是神话、小说、戏剧,还是在互联网之后,我们拥有的众多身份ID,追究下去,它们何尝不是一种角色扮演。

曾经,我们扮演了些孤独的角色,隐身在二进制世界,我们每个人都或多或少供养着些小号和另外的自我,扮演着微博小粉红、中二少年和追星少女,而现在,我们似乎棋逢对手,与算法开始了场互相博弈的游戏。

有时,这些推荐算法让我们感到惊艳,那些未曾听闻却让自己分外喜欢的推荐,似乎总能在恰当的天气恰当的气氛里击中你的柔软。

 

当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

这种推荐,也时不时地有些萌蠢。

 

当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

甚至让你感到害怕。

 

当APP沉迷算法,我们能否借助个性化定制来认识“自我”?

但是,当在这场游戏中暂告一段落时,却觉得算法虽难却也简单,自我简单却也复杂。在十几款APP,百余次我选你猜的互动中,想起的是电影《撞车》里的这句话 “你还需要很多年,才知道自己是个什么”。

在这场实验开始前,我以为自己会在最后迎来一个确定性的答案。但是,很遗憾。对于算法,对于个性化推荐,对于寻找乐趣、打造更“我”的app,似乎了解了更多,但态度却更加复杂。

对于一个人文学科背景出身,对批判主义情有独钟的人而言,对于这样的技术崇拜的确存在种近乎本能的警惕。但是,正如吉尼罗曼说的”我们将增强人类的智能,而非‘人工’的智能。”

我们不得不承认,一个假想的敌人,更能让你认识自己。在与这些推荐算法“斗智斗勇”的同时,我们从另一个维度察觉着自我价值、自我热情、自我的行为模式…

从这些app实验中,出于各种目的,我努力挖掘了各类或理工或社科,或天真有邪或成熟稳妥的“我”,但我最后不得不承认,我的确是个肤浅的人,最爱名(yu)人(le)轶(ba)事(gua)、幽(gao)默(xiao)小(duan)品(zi)文,以写文章为名,不知泡在知乎看了多久的“如何评价XX明星”…面对这些痕迹,无法抗辩。

在心理学看来,角色扮演是人类普遍具备的能力。从小时候的过家家,到长大后的游戏,我们都在进行着角色扮演。成年之后的角色扮演,能让人们做出更好的改变,帮助你“实现”未竟的愿望,让你在日常生活中重获新鲜感。

算法在毫不懈怠地学习、超越着,我们何尝不是。五千年前,苏格拉底写下“认识自己”,这个重要却最艰难的追求;今天,也许我们是更近地走向了这个梦想,只不过,是借助了手机里那些APP。

责任编辑:未丽燕 来源: 全媒派
相关推荐

2023-12-20 13:50:00

SpringBootJSON序列化

2011-05-07 16:27:04

网页Web

2017-09-15 10:36:41

大数据贫困学生资助

2020-06-28 07:00:00

推荐系统智能商务服务平台

2021-12-28 07:20:44

UA网络协议

2022-06-28 16:26:24

机器人人工智能聊天机器人

2011-01-14 13:58:23

白盒服务器

2019-09-20 09:06:27

物联网个性化客户体验

2017-05-15 15:56:58

智能制造家居信息化

2022-11-01 07:19:45

推荐系统非个性化

2011-01-20 10:19:21

PowerShell个性化

2020-09-23 18:10:27

算法可视化大数据

2017-10-11 09:55:19

CRM数字化软件开发

2015-06-08 22:41:36

云鸽

2017-09-29 14:56:28

深度学习CTR预估

2023-03-21 12:46:30

智慧城市人工智能大数据

2020-08-31 12:00:17

Linux终端颜色命令

2021-07-18 22:47:08

大数据电商算法

2022-05-12 15:33:03

iOS苹果个性化广告

2009-07-13 15:33:24

桌面虚拟化虚拟化IT
点赞
收藏

51CTO技术栈公众号