北京2016年9月27日電 /美通社/ -- 從機(jī)器人寫稿到機(jī)器智能分發(fā)，以及“個(gè)性化推薦”功能在移動(dòng)閱讀領(lǐng)域的廣泛應(yīng)用，人機(jī)之間的連接越來(lái)越密切，讓科幻大片里機(jī)器人“深度學(xué)習(xí)能力”并非那么遙不可及。也由此引發(fā)了各種觀點(diǎn)的紛至沓來(lái)，人工智能的春天能否成為人類福音的談?wù)摬唤^于耳。
在日前舉行的主題為《人機(jī)大戰(zhàn)還是人機(jī)共舞？》媒體沙龍上，一點(diǎn)資訊向媒體詳細(xì)闡述了機(jī)器算法在移動(dòng)閱讀領(lǐng)域的應(yīng)用的優(yōu)勢(shì)及陷阱，而尋找人工與機(jī)器算法之間的平衡之道才是整個(gè)行業(yè)的未來(lái)趨勢(shì)。
碎片化時(shí)代下，人工編輯與機(jī)器的優(yōu)勢(shì)和陷阱
如今，人工智能已經(jīng)廣泛應(yīng)用至科技、醫(yī)療、教育、購(gòu)物、交通等各個(gè)行業(yè)，當(dāng)其落實(shí)到內(nèi)容分發(fā)領(lǐng)域時(shí)，便是我們所說(shuō)通過(guò)算法讓機(jī)器如何在海量?jī)?nèi)容中進(jìn)行篩選，做到落實(shí)到單一用戶的個(gè)性化推薦。而個(gè)性化推薦中的核心，就是機(jī)器算法的運(yùn)用，其對(duì)內(nèi)容分發(fā)領(lǐng)域的意義在于能夠大大提升內(nèi)容分發(fā)效率。
在傳統(tǒng)的門戶時(shí)代，網(wǎng)站使用的是人工分發(fā)模式，依賴的是門戶編輯的專業(yè)經(jīng)驗(yàn)，內(nèi)容品質(zhì)雖然能得到保證，但效率低下，也大多是熱點(diǎn)或其周邊內(nèi)容，無(wú)法滿足用戶大量長(zhǎng)尾個(gè)性化內(nèi)容的獲取。
一點(diǎn)資訊算法總監(jiān)王元元認(rèn)為，這兩個(gè)問(wèn)題正是算法所擅長(zhǎng)解決的：一方面，算法能夠?qū)Ａ康膬?nèi)容進(jìn)行精細(xì)的加工，提取分類、主題、標(biāo)簽、風(fēng)格等結(jié)構(gòu)化信息，更進(jìn)一步，這些豐富的結(jié)構(gòu)化數(shù)據(jù)能使得算法更高效的調(diào)度流量，利用用戶的行為探索并發(fā)現(xiàn)有潛力的內(nèi)容。另一方面，算法排序更是徹底解決了人工排序問(wèn)題，算法排序的核心是根據(jù)用戶、內(nèi)容、上下文信息決定實(shí)時(shí)計(jì)算每個(gè)內(nèi)容的得分，按照得分進(jìn)行排序，排序結(jié)果是個(gè)性化的。
但機(jī)器并非萬(wàn)能。盡管機(jī)器在內(nèi)容分發(fā)領(lǐng)域帶來(lái)極大的效率提升，要做到完全取代人工編輯仍困難重重。原因在于，單純依賴用戶瀏覽行為進(jìn)行個(gè)性化推薦的邏輯雖然切中了人性弱點(diǎn)，卻也非常容易帶來(lái)內(nèi)容品質(zhì)的下降。
個(gè)性化推薦算法基于用戶點(diǎn)擊、瀏覽、停留時(shí)長(zhǎng)的數(shù)據(jù)，輸出與用戶相匹配的文章，機(jī)器算法在個(gè)性化推薦中的作用可以得到更加高效的發(fā)揮，某種意義上，這與教育孩子的過(guò)程并無(wú)二致。“基于一個(gè)類似黑盒子的算法模型，機(jī)器能夠讓用戶持續(xù)不斷的發(fā)生點(diǎn)擊行為。但純粹從模型驅(qū)動(dòng)，就會(huì)導(dǎo)致用戶被數(shù)據(jù)欺騙，淪為‘烏合之眾’。用戶的點(diǎn)擊的欲望是有的，但其產(chǎn)生的價(jià)值其實(shí)是非常難衡量的。”王元元進(jìn)一步解釋。
失去用戶主動(dòng)興趣表達(dá)下的偽個(gè)性化大行其道
一點(diǎn)資訊副總裁金治認(rèn)為，自古以來(lái)人們就在追求閱讀背后的價(jià)值，但是在個(gè)性化推薦時(shí)代，過(guò)分依賴算法而忽略用戶主動(dòng)表達(dá)的“偽個(gè)性化”卻剝奪了這一價(jià)值。一點(diǎn)資訊希望通過(guò)技術(shù)手段鼓勵(lì)用戶表達(dá)、發(fā)現(xiàn)、滋養(yǎng)自己的興趣，獲得更多的閱讀價(jià)值，這才是未來(lái)閱讀演進(jìn)的方向。
金治認(rèn)為，忽略了用戶主動(dòng)表達(dá)的個(gè)性化都是偽個(gè)性化。他以最近前段時(shí)間大火的王寶強(qiáng)、馬蓉事件為例做了生動(dòng)解讀：
“有些所謂個(gè)性化的產(chǎn)品滿屏的王寶強(qiáng)新聞，剛開(kāi)始用戶出于好奇必竟這類新聞能夠滿足用戶八卦、獵奇的心理需求，但點(diǎn)過(guò)之后算法會(huì)持續(xù)給這個(gè)用戶推王寶強(qiáng)的新聞，但用戶真的是希望持續(xù)關(guān)注王寶強(qiáng)事件嗎？不一定。所以說(shuō)，這種只是基于用戶點(diǎn)擊行為、沒(méi)有用戶主動(dòng)表達(dá)興趣的個(gè)性化只是‘偽個(gè)性化’。”
只尾隨用戶閱讀行為以求在下一次推薦中取悅用戶的的分發(fā)機(jī)制，無(wú)疑會(huì)使得標(biāo)題黨、低俗內(nèi)容就能獲得高流量，深度好文的價(jià)值被忽略。劣幣驅(qū)逐良幣，整個(gè)內(nèi)容生態(tài)就會(huì)崩塌，媒體行業(yè)的價(jià)值也會(huì)解體。
作為技術(shù)發(fā)展的產(chǎn)物，算法+深度學(xué)習(xí)的人工智能在資訊領(lǐng)域的運(yùn)用開(kāi)啟了個(gè)性化推薦時(shí)代，卻又因?yàn)榘殃P(guān)人的缺席助長(zhǎng)了人性弱點(diǎn)，讓閱讀價(jià)值悄然流失。但是機(jī)器與人性的平衡并非不可求，實(shí)現(xiàn)閱讀價(jià)值最大化的關(guān)鍵還是在于移動(dòng)資訊行業(yè)從業(yè)者如何運(yùn)用。
基于全球首創(chuàng)的興趣引擎，一點(diǎn)資訊的搜索+訂閱的個(gè)性化推薦模式支持任意關(guān)鍵詞的長(zhǎng)尾頻道訂閱，是行業(yè)內(nèi)唯一給出用戶主動(dòng)表達(dá)興趣入口的移動(dòng)資訊產(chǎn)品。
人機(jī)結(jié)合重新定義移動(dòng)閱讀未來(lái)
單純依賴編輯經(jīng)驗(yàn)的內(nèi)容分發(fā)效率低下，也是機(jī)器分發(fā)逐漸取代人工分發(fā)成為資訊客戶端內(nèi)容分發(fā)主要模式的重要原因之一。但另一方面，一味仰賴數(shù)據(jù)支撐和話題相關(guān)性的算法推薦，容易帶來(lái)內(nèi)容品質(zhì)的下降，導(dǎo)致為滿足用戶碎片化閱讀時(shí)間和共性需求的標(biāo)題黨、低俗文章、無(wú)營(yíng)養(yǎng)的雞湯文大行其道。
因此，尋找人工與機(jī)器算法之間的平衡之道，成為移動(dòng)新聞甚至整個(gè)移動(dòng)閱讀領(lǐng)域的未來(lái)趨勢(shì)。
王元元介紹，與一般具備個(gè)性化推薦功能的移動(dòng)閱讀客戶端不同，一點(diǎn)資訊憑借用戶興趣搜索+訂閱不同主題內(nèi)容的用戶興趣主動(dòng)表達(dá)的“興趣引擎”，可以發(fā)現(xiàn)更加真實(shí)、完整的用戶畫像，為其推薦除了熱點(diǎn)、爆炸性新聞之外的更有意義和價(jià)值的信息，提供兼具共性與個(gè)性的移動(dòng)價(jià)值閱讀平臺(tái)。
通過(guò)機(jī)器算法幫助用戶從海量信息中找出真正有趣有料有用有品的內(nèi)容，再根據(jù)用戶興趣圖譜推送，是一點(diǎn)資訊的平臺(tái)核心技術(shù)優(yōu)勢(shì)。而人工編輯憑借專業(yè)經(jīng)驗(yàn)的對(duì)機(jī)器進(jìn)行訓(xùn)練，讓機(jī)器能夠更加精準(zhǔn)地將具備價(jià)值性的內(nèi)容有效分發(fā)給對(duì)這部分內(nèi)容真正有需求的用戶。這也是一點(diǎn)資訊與單純?yōu)榱嗽黾佑脩羰褂脮r(shí)長(zhǎng)而選擇基于人性弱點(diǎn)來(lái)推薦內(nèi)容的平臺(tái)的最大區(qū)隔。
一點(diǎn)資訊將機(jī)器學(xué)習(xí)+人工編輯的“人機(jī)智能”率先應(yīng)用于移動(dòng)資訊領(lǐng)域，致力于幫助用戶更好的發(fā)現(xiàn)、表達(dá)、甄別、獲取和管理對(duì)自己真正有價(jià)值的內(nèi)容，引導(dǎo)用戶在移動(dòng)端的深度閱讀行為，帶來(lái)價(jià)值內(nèi)容在移動(dòng)互聯(lián)網(wǎng)的延伸。
