|
您是否注意到推薦引擎并不是那么聰明？ “爛番茄”的影評(píng)很好地傳達(dá)了評(píng)論家和其他觀眾的看法，但他們?cè)u(píng)出的高分電影也許并不一定合我的口味。反倒是有些低分的“爛片”，您反而可能會(huì)看得津津有味。人工智能可以解決這種矛盾嗎？ 人工智能 (AI) 系統(tǒng)需要高質(zhì)量的輸入來(lái)讓它們“學(xué)習(xí)”。Pandora的音樂(lè)推薦引擎根據(jù)數(shù)千億條用戶反饋，人工標(biāo)注了每首曲目的流派、節(jié)奏與和弦進(jìn)行， 然后借助這些標(biāo)注信息，通過(guò)70多種不同的算法向用戶進(jìn)行推薦。這真是了不起的黑科技……嗎？ 反正在點(diǎn)了不知多少次“跳過(guò)”后，我還是不知道該怎么評(píng)價(jià)它。我提出了一個(gè)更簡(jiǎn)單的AI系統(tǒng)（圖1），來(lái)幫助大家確定接下來(lái)想看的電影。下面，就來(lái)介紹下我使用的設(shè)計(jì)流程。 
圖1：通過(guò)幾個(gè)簡(jiǎn)單的步驟構(gòu)建更好的AI推薦（圖源：貿(mào)澤電子） 從一個(gè)問(wèn)題開(kāi)始 首先，我要用一個(gè)問(wèn)題來(lái)概括本文所要解決的問(wèn)題： “更聰明、更準(zhǔn)確的電影推薦引擎是什么樣的？” 接下來(lái)，我要概括出用戶希望得到的結(jié)果：“系統(tǒng)將準(zhǔn)確預(yù)測(cè)用戶是否喜歡某一部電影。” 當(dāng)然，兩者之間依然有很多空白地帶，但是用戶得到的結(jié)果必須要解決上面提出的問(wèn)題。如果沒(méi)有解決，或者我可以想象到其他呈現(xiàn)給用戶的結(jié)果也可以解決前面的問(wèn)題，那么我將會(huì)返回并簡(jiǎn)化這個(gè)問(wèn)題或用戶結(jié)果，直到它們互相匹配。 現(xiàn)在，我有了起點(diǎn)和終點(diǎn)，我從用戶希望得到的結(jié)果反向回推到開(kāi)頭的問(wèn)題，在這一過(guò)程中將兩者加以簡(jiǎn)化，確保過(guò)程中的每一點(diǎn)都有助于回答開(kāi)頭提出的問(wèn)題。 我記下了我對(duì)當(dāng)前解決方案不滿意的地方。“爛番茄”上的短評(píng)需要閱讀并加以分析， 這真是太燒腦了！ 我希望系統(tǒng)能為我做出決定， 判斷出我會(huì)喜歡還是不喜歡這部電影； 或者，更好（更簡(jiǎn)單）的方法是機(jī)器僅向我顯示它認(rèn)為我會(huì)喜歡的電影。 為了讓機(jī)器采取機(jī)器的方法思考，我們必須使其非人化，將情緒從數(shù)據(jù)中剝離。電影評(píng)論家的意見(jiàn)主觀性太強(qiáng)，不適合讓機(jī)器采用。我們需要的只是“贊”或“踩”， 對(duì)應(yīng)到“1”或“0”，因?yàn)闆](méi)有什么比二進(jìn)制對(duì)象更簡(jiǎn)單了。 在搭建系統(tǒng)的大體框架時(shí)，我喜歡概括�！拔也恍湃坞娪霸u(píng)論家的意見(jiàn)，因?yàn)樗麄兏蚁氲牟灰粯�。系統(tǒng)需要把我和其他與我想法一樣的人歸到一起�！� 在這里似乎要回答的關(guān)鍵問(wèn)題是“什么使一個(gè)人的意見(jiàn)值得信賴？” 許多系統(tǒng)嚴(yán)重依賴于“1”（人們喜歡的電影）而忽略“0”（人們不喜歡的電影），但是我相信這是一個(gè)錯(cuò)誤�！�0”可以幫助我們極大地提高機(jī)器的準(zhǔn)確度。 例如：芝加哥的Jeremy喜歡《教父3》，而不喜歡《壯志凌云2：獨(dú)行俠》。我們對(duì)這兩部電影的感受是一樣的。接下來(lái)，Jeremy對(duì)《節(jié)奏組》評(píng)了分，這部片子我還沒(méi)看過(guò)。他贊了這部電影。借助這條信息，系統(tǒng)推薦我觀看《節(jié)奏組》（圖2）。如果看完電影后，我也“贊”了這部電影，Jeremy推薦的權(quán)重就會(huì)增加，他的意見(jiàn)也會(huì)變得更加值得信賴一些。
圖2：向系統(tǒng)中添加更多意見(jiàn)后，推薦的準(zhǔn)確性將會(huì)提高。（圖源：貿(mào)澤電子） 就這么簡(jiǎn)單。設(shè)計(jì)得宜的系統(tǒng)應(yīng)該僅使用幾個(gè)數(shù)據(jù)點(diǎn)即可實(shí)現(xiàn)目標(biāo)，并以此為基礎(chǔ)進(jìn)行構(gòu)建。在我們的案例中，我們的機(jī)器可以通過(guò)收集越來(lái)越多的用戶對(duì)越來(lái)越多電影的“贊”和“踩”，來(lái)繼續(xù)提高準(zhǔn)確性。 簡(jiǎn)化 設(shè)計(jì)好機(jī)器的運(yùn)行機(jī)制后，我接下來(lái)要問(wèn)：“系統(tǒng)還可以簡(jiǎn)化嗎？” 我發(fā)現(xiàn)我并不需要知道“來(lái)自芝加哥的Jeremy”是誰(shuí)。我不需要看他的個(gè)人資料照片或推薦的其他電影。我甚至不需要看到他的名字（實(shí)際上匿名系統(tǒng)可能更可取）。我關(guān)心的只是機(jī)器會(huì)以越來(lái)越高的精度來(lái)推薦電影，這樣就可以擺脫系統(tǒng)中的所有社交負(fù)擔(dān)。我可以想象一個(gè)干凈的用戶界面，它只顯示機(jī)器認(rèn)為我會(huì)喜歡的一部電影的海報(bào)。 我看到過(guò)系統(tǒng)因?yàn)樵O(shè)計(jì)人員未能一直簡(jiǎn)化下去而失敗，所以我想提醒自己，只要仍能達(dá)到預(yù)期的目標(biāo)，解決方案越簡(jiǎn)單就越精巧。 擴(kuò)展 我的電影推薦引擎現(xiàn)在可以通過(guò)每部電影僅收集一個(gè)數(shù)據(jù)點(diǎn)而進(jìn)一步變得“更聰明”。10,000個(gè)用戶中，每個(gè)用戶只要評(píng)價(jià)50部電影，就可以實(shí)現(xiàn)可接受的準(zhǔn)確度。當(dāng)然，在數(shù)據(jù)自身足夠可靠，并且機(jī)器可以準(zhǔn)確地預(yù)測(cè)我接下來(lái)應(yīng)該看哪部電影之前，一切都還是猜測(cè)。但這才是重點(diǎn)。我們剛剛設(shè)計(jì)了一個(gè)非常簡(jiǎn)單的系統(tǒng)，當(dāng)我們將模型擴(kuò)展到更大的用戶群時(shí)，可以輕松地進(jìn)行準(zhǔn)確性測(cè)試。 機(jī)器之美就在于其中。當(dāng)您設(shè)計(jì)簡(jiǎn)單而有效的AI系統(tǒng)時(shí)……先提出問(wèn)題， 加以簡(jiǎn)化， 然后再進(jìn)行擴(kuò)展。 文章來(lái)源：貿(mào)澤電子 作者簡(jiǎn)介：Stephen經(jīng)常受邀為《財(cái)富》100強(qiáng)企業(yè)提供總體產(chǎn)品戰(zhàn)略和架構(gòu)設(shè)計(jì)方面的建議，尤其是在涉及工作流管理、電子商務(wù)、人工智能和機(jī)器學(xué)習(xí)的領(lǐng)域，他對(duì)當(dāng)前流程有著客觀的看法。他建議在戰(zhàn)略上進(jìn)行小幅調(diào)整，以產(chǎn)生長(zhǎng)期重大收益以及快速的投資回報(bào)。 作為首席技術(shù)官/首席系統(tǒng)架構(gòu)師，Stephen深刻了解搭建成功的“軟件即服務(wù)”平臺(tái)所需的一切。一般是通過(guò)基于云的可擴(kuò)展架構(gòu)，將多個(gè)舊系統(tǒng)組合在一起，讓復(fù)雜數(shù)據(jù)集能夠以安全、統(tǒng)一的視圖呈現(xiàn)給用戶。 |
