我只是看了一個略帶黃色的新聞，從此卻踏上了不歸路

一直流傳著這麼一個段子「我無意中在今日頭條中看了一次略帶有黃色的新聞，從此家裡的營養快線就沒有斷過」這是在這個人工智慧時代，對智能推薦演算法尚不成熟最搞笑的調侃之一。

眾所周知現在的AI推薦演算法都是基於你在網路上的閱讀、購買、瀏覽等等一系列的行為記錄，通過學習這些記錄的共同特徵為你做推薦。這種AI推薦演算法通常是非常複雜的，整個推薦系統的設計也需要經過極仔細的琢磨。我這裡拿電商網站的推薦演算法做一個簡單例子。

圖片來自雷鋒網

上面的圖片展示了一個常見電商網站最基礎的推薦系統架構體系：即根據用戶基本資料、瀏覽記錄、購買記錄、商品評分等，計算用戶與物品的相似性、用戶與用戶的相似性，推薦與用戶相關性或者用戶偏好性較大的物品，同時推薦相似性較大的用戶相關性比較大的商品。

比如說我某天在京東商城通過搜索 Python web 關鍵詞買了一本「Python web開發」這本書，並且在拿到商品之後覺得書還不錯，於是在評論區給了一個五星好評。推薦系統這時候看到我的這一行為特徵，納入它的資料庫。它通過它強大的大腦「資料庫」發現「Flask web開發」這本書與我之前買的這本書「Python web開發」十分相似，並且有80%買過「Python web開發」這本書的人也都會買「Flask web開發」這本書，所以它決定把這本書推薦給我。

這裡就出現了幾個問題：

1.主動意願的行為

我經常給別人送一些書籍，所以這一天我買的這本《Python web開發》其實是送給別人的或者可能是我幫別人買的書，那麼這個時候推薦系統並不會知道這一行為是我主動的行為還是被動行為。總之，不管你內心是怎麼想法，你在瀏覽器裡面留下來的記錄卻是一樣的。

有人說你這麼說有問題，如果你之前的行為記錄表明你跟Python web一點關係都沒有，那麼你這次的購買行為推薦演算法會認為它是一個異常點扔掉。扔掉合理也不合理：如果我恰好是從那時候起轉行做Python web開發呢？

2.行為終止於線下

前面我已經提到了推薦系統是基於我們在網路上的行為，然而不幸的是：我們現在還有大部分的生活並沒有在線上。假設我非常想學Python web，所以我那天在瀏覽器上留下了很多Python web的書籍，但是不巧的是我在跟朋友吃飯聊天的時候，朋友說他那有一摞子的Python web相關的書籍可以給我看，所以實際上我的這次購買行為已經終於線下了。但是推薦演算法並不知道，它還是會給我瘋狂的推薦Python web相關的書籍。

3.過度推薦

有一個段子「我無意中在今日頭條中看了一次略帶有黃色的新聞，從此家裡的營養快線就沒有斷過」，我把這個理解為一種過度推薦。很多時候只是因為不小心，或者其他目的的一次或者兩次行為，但是卻被推薦演算法記錄了下來跟你較真了。

當然上面這幾個可能碰到的問題並不是說推薦演算法就不好，推薦演算法在很多情況下還是能推薦到很多比較優質的物品的，但前提是你留下的數據足夠多。我覺得推薦演算法在做兩件事情：第一，它通過數據來搜索，為你搭配最適合你的生活方式的提案，以及它的工具書，這是橫向它能夠達到最廣。第二，你買的越多，用戶畫像越精準，也是一個往深扎的過程。

魅族的副總裁楊拓在聊到關於「人工智慧能否產生老子、孔子」這一話題時聊起以下的一則故事表達了以下的看法：

「

人與計算機的較量，實際上是熟練工種與資料庫的較量。計算機和人工智慧最強大的正在於她們有人類無法比及的數據量。給我推薦的這一套東西，應該是一個有意義的參考，不能完全否定，但它是否真的是你所要的？因為那個是他的判斷，他的世界，他的演算法，如果你是類似的，也會給你類似的演算法。

我記得在諾華製藥的時候，一個同事描述他是如何苦讀的，他當時在院子里做作業，因為他家是南方，那時候的木頭凳子的漆經常掉，長時間的坐在這兒做作業，一起身漆把皮都粘掉了，毛孔都給粘掉了，屁股底下粘了一堆漆，他的學習能到那個地步。但是我相信經過這樣努力的人，比如他喜歡音樂和藝術，和家裡就是藝術家，拉小提琴、彈鋼琴，可能他們倆行為不一樣，但志趣相同，人生閱歷不同一定會導致對同樣事情的判斷是不一樣的。這種差異，我認為在電腦方面用大數據是很難做到的。

」

其實，這幾年人工智慧的浪潮一波又一波，但是人工智慧的發展是智能的發展不是自我意識的發展，人工智慧永遠想不到你在想什麼，他只能猜測你在想什麼。

不知道「我只是看了一個略帶黃色的新聞，從此卻踏上了不歸路」這種情況將消失在何時？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！