人民网三评智能算法,技术又一次为平台背了锅

简介:

智能算法有其该担的责,但用户也该反思自己。

从9月18日到20日,连着三天,人民网每天一文,三评智能算法,矛头直指今日头条——一个依靠数据挖掘推荐引擎的内容分发平台。

显然,人民网此次是“怒”了。而做为矛盾中心,今日头条到底做了什么,才会引来如此“关注”?

人民网认为,智能算法作为新技术,在加入内容分发平台后,犯下了“三大罪”:

1.垃圾新闻过多;

2.私人订制信息易造成用户自我封闭;

3.促使内容生产者媚俗化并削弱其创造力。

但镁客君想说,在这连番的指责中,智能算法并没有原罪。

从技术本身来说,算法并没有原罪

从人民网的三评中可以看出,智能算法的不完善导致了众多不良社会影响。但这真的是智能算法的错吗?

人民网三评智能算法,技术又一次为平台背了锅

抛开今日头条,人工智能算法在其他领域的应用和成果都有目共睹的。

当前,淘宝、天猫等线上电商平台对智能算法均有应用。该算法会依据浏览和消费行为为用户推荐相关产品,从而实现精准营销。

而在线下大数据服务方面,很多服务平台则是通过智能算法分析数据来为客户提供运营、宣传、促销建议等。仅以ZMT众盟为例,目前他们已经建立了包括10亿+独立移动设备线下数据和超过200万的数据热点的庞大数据库,然后在智能算法的加持下,很快在同行中脱颖而出。

可以说,对很多AI初创企业来说,智能算法是他们的命根子。

由此镁客君认为,技术是没有原罪的,只是在与某些内容平台的结合中,暴露了其缺陷。

算法碰上今日头条,因融合困难而暴露缺陷

真正好的智能算法,应该是可以根据用户的喜好数据,对内容进行审核并分析用户实际心理,以做到一个内容分发平台应该做的事。

可以预见的是,如果今日头条与智能算法能够完美融合,那么它就不会只知道推荐“同样”的内容,垃圾新闻也不会出现在用户的首页。

人民网三评智能算法,技术又一次为平台背了锅

用过今日头条的人应该都知道,在你第一次它的某条新闻之后,你的首页就会被该类新闻或相关、相近的新闻所填满,简称个性化推荐。不可否认,今日头条之所以在很短时间内打出知名度并获得大量用户认可,智能算法推荐是其最大的功臣,没有之一。

从今日头条推荐的结果看,其智能算法大致走了以下几大流程:

一、数据抓取。如果用户在注册时用的是微博等既有账号,今日头条就会从该账号的日常动态中抓取数据。而如果用户没有用此类账号注册今日头条或者这些账号并无动态,智能算法则抓取用户前几次的信息浏览数据。

二、用户分析。每个用户都是一个数据库,随着用户信息浏览行为的增多,其数据库中的数据也就越来越多。智能算法会对这些数据进行整合与分析,从而提炼出该数据库的关键词。

而当前智能算法在这方面的欠缺就是,太过依赖数据库既有数据,无法举一反三。此外,每一个数据库除了最初的数据是能真实反映用户心理之外,随后填充进去的数据都是基于用户被推荐后的浏览行为所产生的,数据相似度太高。

三、内容审核。可以说,这是智能算法被抨击的关键问题所在。在这方面,智能算法主要做了两件事,消重和审核。

可以看到,在今日头条推荐给用户的内容中,是没有重复的内容的,这是因为智能算法有消重这一功能。但同时,目前今日头条所推荐给用户的部分内容的相似度还是比较高的,包括标题、图片以及文章的具体内容等。

而审核方面,今日头条几乎完全依赖于智能算法,这也导致了在算法不够完善的情况下,无法准确审核出“不适合”的内容,从而阻止低俗内容。这是智能算法“最大的罪过”。

四、新闻推荐。这是最后一步,也是与用户直接关联的一步。从今日头条的推荐机制看,文章的标题与内容若与热点挂钩,则会在推荐的最初就得到“关照”。而如果文章的点击量越高,其推荐的次数就会越多。这是智能算法对文章受欢迎程度的直接判断。

因此,很多作者为了阅读量和推荐量不惜做标题党,一味的蹭热点博关注。这不仅促使作者媚俗化,还降低了内容的整体质量。

技术有该担的责,但管理者和用户也该反思

然而,人民网在三评智能算法中,是从社会影响角度去分析今日头条等的给用户带去的不良影响的。既然从技术层面看,智能算法推荐技术并无原罪。那么,所需要反思的就是平台管理者和部分“爱看低俗内容”的用户了。

人民网三评智能算法,技术又一次为平台背了锅

仅从智能算法这一技术上说,它为用户提供的关键性服务就是记录喜好并分析喜好,最后做出推荐。简单来说,今日头条的智能算法就是在用户浏览信息时智能抓取了关键词,并自动根据关键词匹配出相关内容,最后将这些内容推荐给用户。

那么,镁客君想问一句,如果你最初没有浏览低俗内容,平台又怎么会继续为你推荐这些内容呢?此外,平台应该对用户负责,如上面所说,既然当前技术审核能力有限,平台管理者的审核能力就必须要跟上。

而至于“促使内容生产者媚俗化并削弱其创造力”,虽然推荐机制是诱导这一问题出现的原因,但内容产生者应有其原则与判断。一味跟风,有失“作者”之称。

最后,在我们所处的弱人工智能时代,技术是只有智商而没有情商的,我们不能指望它了解用户的心理。在“私人订制信息易造成用户自我封闭”的问题上,还需要用户与平台一起主动走出封闭空间,去了解更多的内容。

总结

新技术的出现必有其缺陷,我们不否认问题,但也不夸大问题。在弱人工智能时代,我们所要做的不是抨击,不是打压,而是找出问题所在,而是在加快技术发展进程的同时让其应用到更多的领域中去。


原文发布时间: 2017-09-22 20:47
本文作者: 伶轩
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
14天前
|
机器学习/深度学习 算法 决策智能
智能解决装箱问题:使用优化算法实现高效包装
装箱问题(Bin Packing Problem)是组合优化领域中的一个经典问题,主要涉及如何将一系列对象高效地装入有限数量的容器(或“箱”)中,同时满足特定的约束条件。这个问题的目标是最小化所需使用的箱子数量或者最大化箱子的装载效率,以减少空间或资源的浪费。
|
1月前
|
边缘计算 算法 计算机视觉
寻求算法模型迁移技术协助
yolo模型(目标检测、关键点检测)向边缘计算装置(瑞芯微、比特大陆等平台)进行迁移量化时,做到精度损失最低、帧率保持最优。
|
2月前
|
机器学习/深度学习 运维 算法
大模型开发:描述一种用于异常检测的技术或算法。
LOF算法是一种无监督异常检测技术,通过比较数据点局部密度识别离群点。它计算每个点的局部离群因子得分,得分高则异常可能性大。主要步骤包括:距离度量、k近邻搜索、计算局部可达密度和LOF得分,然后设定阈值识别异常点。适用于入侵检测、故障检测等场景,Python中可使用scikit-learn库实现。
22 1
|
2月前
|
机器学习/深度学习 算法 搜索推荐
外卖平台推荐算法的优化与实践
外卖平台推荐算法的优化与实践
|
2天前
|
算法
【智能算法】11种混沌映射算法+2种智能算法示范【鲸鱼WOA、灰狼GWO算法】
【智能算法】11种混沌映射算法+2种智能算法示范【鲸鱼WOA、灰狼GWO算法】
配电网多目标pareto重构+智能算法matlab
配电网多目标pareto重构+智能算法matlab
|
10天前
|
JavaScript 前端开发 算法
【JavaScript技术专栏】使用JavaScript实现常见算法
【4月更文挑战第30天】本文介绍了如何使用JavaScript实现常见算法,包括排序、搜索和图算法。首先,通过JavaScript的`sort`方法讨论了排序算法,以快速排序为例展示了自定义排序的实现。接着,探讨了二分查找这一高效的搜索算法,并提供了实现代码。最后,解释了深度优先搜索(DFS)图算法,并给出了在JavaScript中的实现。理解并运用这些算法能有效提升编程能力。
|
12天前
|
机器学习/深度学习 人工智能 运维
人工智能平台PAI 操作报错合集之请问Alink的算法中的序列异常检测组件,是对数据进行分组后分别在每个组中执行异常检测,而不是将数据看作时序数据进行异常检测吧
阿里云人工智能平台PAI (Platform for Artificial Intelligence) 是阿里云推出的一套全面、易用的机器学习和深度学习平台,旨在帮助企业、开发者和数据科学家快速构建、训练、部署和管理人工智能模型。在使用阿里云人工智能平台PAI进行操作时,可能会遇到各种类型的错误。以下列举了一些常见的报错情况及其可能的原因和解决方法。
|
16天前
|
人工智能 达摩院 算法
什么是优化技术?给算法小白同学的快速讲解和上手文
本文作者用一个曾经小白学习的视角,来讲解什么是优化问题,以及要如何用这个优化技术。
47771 1
|
23天前
|
机器学习/深度学习 算法 数据挖掘
SciPy与机器学习:融合科学计算与智能算法
【4月更文挑战第17天】本文探讨了如何结合SciPy与机器学习,SciPy作为Python科学计算库,为机器学习提供数学基础和工具。在机器学习中,SciPy用于特征选择(如ANOVA和SVD)、聚类(K-Means和层次聚类)、优化(梯度下降和牛顿法)以及信号处理。通过与scikit-learn等机器学习框架结合,实现高效数据处理和模式识别。