自從互聯(lián)網(wǎng)商業(yè)化發(fā)展以來，不論是新聞客戶端、視頻網(wǎng)站或是電商平臺……所有的平臺，都是把自己默認為一個優(yōu)秀的飼養(yǎng)員，它按照自己的想法，把內(nèi)容（飼料）Push（喂）給用戶。

 

這些飼養(yǎng)員都是受過訓練的專業(yè)人士，行話叫做---由網(wǎng)站編輯為用戶設(shè)置議程，按照大多數(shù)用戶的口味挑選內(nèi)容。

 

后來編輯實在忙不過來，采用機器幫忙---最簡單的機器方式則是“熱門推薦”，比如按照點擊量或其它數(shù)據(jù)來做排序。

 

飼養(yǎng)員模式最大的問題是不知道食客胃口如何，這會導致兩個顯著的后果：一是食客不滿意，用戶個性化需求不能得到滿足；二是自身資源浪費，大量長尾資源長期得不到曝光，增加沉沒成本。

 

有人發(fā)現(xiàn)了機器的好處。機器可以是根據(jù)用戶特征來推薦內(nèi)容。正如一個高明的廚子可以根據(jù)每一個食客的口味提供飯菜，如果機器足夠聰明，在一定程度上可以解決所有用戶的個性化需求。這豈不是內(nèi)容產(chǎn)業(yè)的C2M？

 

準確的說，這是內(nèi)容分發(fā)的C2M，它以單個用戶為對象進行溝通，跳出了大眾傳播/分眾傳播窠臼，是不是足以革了所有的搜索引擎和門戶網(wǎng)站的命？

 

這種智能化的內(nèi)容C2M有深刻的時代背景。今天，你已經(jīng)站在時代邊緣，眼睜睜的看著AI技術(shù)點燃了IOT的引線，接下來你將發(fā)現(xiàn)自己無可拒絕的進入下一個信息核爆的時代：信息終端爆炸、信息規(guī)模爆炸、信息平臺爆炸……

 

在信息高速公路上，你開過的車，你走過的路，全都變了規(guī)則，你所熟悉的一切的基于飼養(yǎng)員模式的知識框架都面臨顛覆。

 

在這個時代，飼養(yǎng)員模式已經(jīng)失靈了，聰明的機器將成為最大的變量。

 

第一個出現(xiàn)的場景是人類生產(chǎn)內(nèi)容，機器分發(fā)內(nèi)容。

 

下一個出現(xiàn)的場景是機器生產(chǎn)內(nèi)容，機器分發(fā)內(nèi)容。

 

內(nèi)容產(chǎn)業(yè)面臨C2M革命，行不行？

 

“當然不行，機器很蠢。”如果你這樣想，那么很遺憾，你注定是看不到明天的太陽了。

 

“當然行。”如果你這么想，那么祝賀你掉進坑里了。

 

真實的情況，你可能意想不到。

 

一、內(nèi)容C2M之路本質(zhì)是走向個體化溝通

 

作為一個獨立的研究方向，推薦系統(tǒng)的源頭可以追溯到90年代初的協(xié)同過濾算法，中期的代表則是傳統(tǒng)的機器學習算法，比如Netflix大賽所推動的隱語義模型，現(xiàn)在則是更加復雜的深度學習模型。

 

近些年，深度學習突飛猛進，使得機器推薦變成了整個互聯(lián)網(wǎng)的太陽。在新技術(shù)的推動下，個性化溝通也變得更加可行，而且越來越接近單用戶溝通。

 

（一）協(xié)同過濾蹣跚起步

 

按照百科詞條解釋，協(xié)同過濾是利用用戶群體的喜好來為你推薦感興趣的信息，這些用戶要么興趣相投、要么具有共同經(jīng)驗，然后網(wǎng)站結(jié)合你的反饋（如評分），進行過濾分析，進而幫助別人篩選信息。

 

當然，用戶喜好不一定局限于特別感興趣的信息，特別不感興趣信息的紀錄也相當重要。協(xié)同過濾表現(xiàn)出了出色的效果，開始在互聯(lián)網(wǎng)行業(yè)稱王稱霸。

 

起先，協(xié)同過濾應(yīng)用于郵件過濾。

 

1992年，施樂公司的科學家提出了Tapestry系統(tǒng)。這是最早應(yīng)用協(xié)同過濾系統(tǒng)的設(shè)計，主要是解決Xerox公司在Palo Alto的研究中心資訊過載的問題。這個研究中心的員工每天會收到非常多的電子郵件卻無從篩選分類，于是研究中心便發(fā)展這項實驗性的郵件系統(tǒng)來幫助員工解決這項問題。

 

接著，協(xié)同過濾思路開始應(yīng)用于內(nèi)容推薦。

 

1994年，美國Minnesota的GroupLens項目組創(chuàng)辦了一個新聞篩選系統(tǒng)，這個系統(tǒng)可以幫助新聞的閱聽者過濾其感興趣的新聞內(nèi)容，閱聽者看過內(nèi)容后給一個評比的分數(shù)，系統(tǒng)會將分數(shù)記錄起來以備未來參考之用，假設(shè)前提是閱聽者以前感興趣的東西在未來也會有興趣閱聽，若閱聽者不愿揭露自己的身分也可以匿名進行評分。作為最老牌的內(nèi)容推薦研究團隊，GroupLens于1997年創(chuàng)建了電影推薦系統(tǒng)MovieLens，還有性質(zhì)相近的音樂推薦系統(tǒng)Ringo，以及影音推薦系統(tǒng)Video Recommender等等。

 

后來，出現(xiàn)了另一個里程碑——電子商務(wù)推薦系統(tǒng)。

 

1998年，亞馬遜的林登和他的同事申請的基于物品的協(xié)同過濾（item-to-item）技術(shù)專利，是亞馬遜早期使用的經(jīng)典算法，一度引爆流行。

 

協(xié)同過濾算不算人工智能？從技術(shù)的角度來看，它也屬于AI范疇。但必須指出的是協(xié)同過濾算法比較弱智，無論是基于用戶的協(xié)同過濾，還是基于物品的協(xié)同過濾，推薦效果總是差強人意。

 

怎樣通過一個成體系的方法論來引導推薦系統(tǒng)的不斷優(yōu)化？如何才能把復雜的現(xiàn)實因素糅合到推薦結(jié)果中？攻城獅們一度非常非常頭大，重賞之下必有勇夫，后來，終于有人發(fā)現(xiàn)了更加靈活的思路。

 

（二）傳統(tǒng)機器學習開始加速

 

2006年，Netflix宣布舉辦Netflix Prize。Netflix是一家老牌的在線影片租賃網(wǎng)站，舉辦大賽的目的旨在解決電影評分預測問題的機器學習和數(shù)據(jù)挖掘問題。主辦方為此下了血本，宣稱對于那些能夠?qū)etflix的推薦系統(tǒng)Cinematch的準確率提升10%的個人或團隊，獎勵100萬美元！

 

Netflix在自家blog上披露了許多龐大的數(shù)據(jù)，舉例如下：

 

• 我們有幾十億的用戶評分數(shù)據(jù)，并且以每天幾百萬的規(guī)模在增長。

• 我們的系統(tǒng)每天產(chǎn)生幾百萬的播放點擊，并且包含很多特征，例如：播放時長、播放時間點和設(shè)備類型。

• 我們的用戶每天將幾百萬部視頻添加到他們的播放列表。

 

顯然，在這些海量數(shù)據(jù)面前，我們已經(jīng)不能靠由純?nèi)斯せ蛘咝⌒拖到y(tǒng)建立起來的分類標準對整個平臺用戶喜好進行標準化。

 

比賽開始一年后，Korbell的團隊以8.43%的提升贏得了第一個階段獎。他們付出了超過2000個小時的努力，融合了107種算法。其中兩種最有效的算法：矩陣分解（通常被叫做SVD，奇異值分解）和局限型玻爾茲曼機（RBM）。

 

矩陣分解作為協(xié)同過濾的補充，核心是將一個非常稀疏的用戶評分矩陣R分解為兩個矩陣：User特性的矩陣P和Item特性的矩陣Q，并用已知的數(shù)據(jù)構(gòu)建這些向量，使用它們來預測未知的項。該算法在有效提高計算精度的同時，還能夠加入各種建模元素，使更多元化的信息融合進來，更好地利用大量數(shù)據(jù)。

 

然而矩陣分解也有不足。不足之處在于，矩陣分解和協(xié)同過濾算法一樣，都屬于監(jiān)督學習范疇，粗糙且簡單，適用于小型系統(tǒng)。擺在網(wǎng)絡(luò)巨頭們面前的問題是，如果需要建立一個大型推薦系統(tǒng)，協(xié)同過濾和矩陣分解則會花費較長的時間。怎么辦？

 

于是，一些攻城獅將眼光轉(zhuǎn)移到無監(jiān)督學習中。無監(jiān)督學習中的聚類算法的本質(zhì)是識別用戶組，并對這個組內(nèi)的用戶推薦相同的內(nèi)容。當我們擁有足夠的數(shù)據(jù)，最好使用聚類作為第一步，來縮減協(xié)同過濾算法中相關(guān)鄰居的選擇范圍。

 

隱語義模型運用了聚類分析方法，其一大優(yōu)勢是既可以做評分預測，又可以同時對文本內(nèi)容建模，使得通過內(nèi)容來進行推薦的效果得到較大提升。

 

傳統(tǒng)的分析方式在對用戶打標簽，并根據(jù)標簽映射到結(jié)果的兩個步驟中準確度不高。比如用戶填寫的年齡不一定真實，或者并非所有青少年都喜歡漫畫。而隱語義模型的核心，是超越這些表層語義標簽的維度，通過機器學習技術(shù)，挖掘用戶行為中更深層的潛在關(guān)聯(lián)，使得推薦精度更高。

 

Netflix Prize百萬美元武林大賽號令之下，天下英才頻出。2009年達到了一個高峰，成為推薦系統(tǒng)領(lǐng)域最標致性的事件，這次比賽吸引了眾多專業(yè)人士投身于推薦系統(tǒng)領(lǐng)域的研究，也讓這項技術(shù)從專業(yè)圈子滲透到了商業(yè)領(lǐng)域，引發(fā)了熱烈的討論并逐漸勾起了主流網(wǎng)站的垂涎，基于內(nèi)容的推薦、基于知識的推薦、混合推薦、基于信任網(wǎng)絡(luò)的推薦等等走上了快速發(fā)展的通道。

 

這些推薦引擎與協(xié)同過濾不同，例如基于內(nèi)容的推薦是建立在項目的內(nèi)容信息上作出推薦的，而不需要依據(jù)用戶對項目的評價意見，更多地需要用機器學習的方法從關(guān)于內(nèi)容的特征描述的事例中得到用戶的興趣資料。內(nèi)容過濾主要采用自然語言處理、人工智能、概率統(tǒng)計和機器學習等技術(shù)進行過濾。

 

百萬美元花得值不值？據(jù)2016年的Netflix用戶數(shù)據(jù)：注冊會員6500萬人，每天觀看視頻的總時長1億個小時。Netflix說，每年靠這套系統(tǒng)能夠節(jié)省10億美元。

 

（三）深度學習帶來“無人駕駛”

 

近些年來，用戶的大痛點出現(xiàn)。智能手機的普及，讓龐大的信息量和狹小的閱讀屏幕成為一對難以化解的矛盾，用戶閱讀場景不再是固守于電腦屏幕，而是向移動化碎片化轉(zhuǎn)變，搜索引擎失靈了，人工推薦忙不過來，機器推薦也不夠用了，這種轉(zhuǎn)變對大內(nèi)容平臺簡直是生死考驗。能滿足需求則生，不滿足則死。

 

面對這一問題，YouTube和Facebook提出了新解決思路：運用深度學習，制造聰明的機器。近十年來，深度學習已經(jīng)取得了巨大的飛躍，對于解決大數(shù)據(jù)量更有優(yōu)勢。

 

如果說人工內(nèi)容推薦如同司機開車，那么深度學習所帶來的內(nèi)容推薦，則如無人駕駛汽車。在這種技術(shù)是利用用戶數(shù)據(jù)來“感知”用戶喜好，其推薦系統(tǒng)基本可以分為數(shù)據(jù)層、觸發(fā)層、融合過濾層和排序?qū)樱敂?shù)據(jù)層生成和存儲的數(shù)據(jù)進入候選層后，也就觸發(fā)了核心的推薦任務(wù)。

 

以YouTube為例，其最新公開的推薦系統(tǒng)算法由兩個神經(jīng)網(wǎng)絡(luò)組成，一個用于候選生成，一個用于排序。首先，以用戶的瀏覽歷史為輸入，候選生成網(wǎng)絡(luò)可以顯著減小可推薦的視頻數(shù)量，從龐大的庫中選出一組最相關(guān)的視頻。

 

這樣生成的候選視頻與用戶的相關(guān)性最高，再進一步對用戶評分進行預測。這個網(wǎng)絡(luò)的目標，只是通過協(xié)同過濾提供更廣泛的個性化。排序網(wǎng)絡(luò)的任務(wù)則是仔細分析候選內(nèi)容，精選出少量最優(yōu)選擇。具體操作為根據(jù)視頻描述數(shù)據(jù)和用戶行為信息，使用設(shè)計好的目標函數(shù)為每個視頻打分，將得分最高的視頻呈獻給用戶。

 

在這種模式下，機器全然接管了平臺。在深度學習的持續(xù)訓練下，機器越來越聰明，與人打交道的智商會逐漸提升，在某種意義上也逐漸承擔起看門狗的責任。

 

二、內(nèi)容產(chǎn)業(yè)是否即將被C2M顛覆

 

世界之大無奇不有，美國得克薩斯州科珀斯—克里斯蒂市一家銀行的一臺自動取款機（ATM）竟然在11日吐出了字條，上面寫著“救我”，這條新聞很快傳遍中文網(wǎng)絡(luò)，成為許多網(wǎng)站的頭條。

 

你需要從N個網(wǎng)站上看到一模一樣的文章嗎？

 

這些冗余的信息消耗了你的精力和流量，就像你打開任何一個電視頻道，都能看到許多方便面廣告一樣，讓人很難從大量的信息中快速找到自己想要的內(nèi)容。

 

如何解決用戶信息冗余的尷尬？

 

過去曾經(jīng)有許多不成功的技術(shù)方案，個人門戶曇花一現(xiàn)，RSS訂閱不成氣候，跨站跟蹤上不了臺面。能引領(lǐng)未來者，只有C2M。

 

C2M模式可以像今日頭條這樣應(yīng)用于全網(wǎng)，也可以像Facebook那般基于巨頭的平臺。其核心就在于基于用戶行為習慣、特征和訴求，對海量的信息進行提取、分揀然后傳遞給用戶，這是克服痛點的秘密。

 

但質(zhì)疑的聲音也不少。比如有觀點認為，協(xié)同過濾這樣的推薦容易讓用戶形成信息繭房、無法識別閱讀場景、即時性差、耗時長等缺點，而今日頭條這樣的模式也常常被詬病，還要應(yīng)付難以捕捉的用戶興趣、用戶數(shù)據(jù)的隱私和管理等多項挑戰(zhàn)。

 

支持和質(zhì)疑各執(zhí)一端，孰是孰非？未來雖有兩大機遇，但是目前要跨越三座大山。

 

1.支持的理由如下：

 

①千人千面，眾口可調(diào)。

 

個性化的內(nèi)容推薦機制能夠根據(jù)用戶的喜好為其推薦信息。通過各種算法，通過分析用戶的歷史行為，對比相關(guān)用戶和相關(guān)物品猜測用戶可能喜歡的內(nèi)容，列出候選集并進行驗證，用戶可以得到較為準確的內(nèi)容，使信息分發(fā)做到千人千面，實現(xiàn)內(nèi)容與用戶的精準連接，而不是傳統(tǒng)意義上的千人一面般的投放。

 

②海里撈針，提高效率

 

個性化推薦省去了用戶在海量信息中進行提取和搜尋的環(huán)節(jié)。用戶無需在海量信息中摸針，在一定程度上為用戶去除了部分無用信息，縮小了用戶信息搜索的范圍，提高了用戶的閱讀效率。

 

③投其所好，增強粘性

 

不斷為用戶推薦適合他的內(nèi)容能夠增加用戶粘性。個性化推薦技術(shù)通過算法進行用戶感興趣的內(nèi)容的精準推薦，幫助用戶快捷發(fā)現(xiàn)感興趣的內(nèi)容，當你看完一個內(nèi)容后，會立馬給你推薦相關(guān)的東西，可以增加用戶粘性，提高用戶體驗。

 

④挖掘長尾，打破兩極

 

個性化推薦能夠通過相關(guān)算法幫助用戶挖掘長尾內(nèi)容，避免兩極分化的馬太效應(yīng)。當A用戶喜歡比較冷門的長尾內(nèi)容，而B用戶又有跟A用戶有相同或相似的興趣和行為習慣時，系統(tǒng)就能夠把A用戶喜歡的冷門內(nèi)容推薦給B用戶，這樣就使冷門內(nèi)容得到更多的曝光，幫助用戶發(fā)現(xiàn)更多的長尾內(nèi)容，避免內(nèi)容生產(chǎn)生態(tài)兩極分化。

 

⑤雙向交流，深度優(yōu)化

 

基于用戶進行個性化推薦是對用戶進行深度分析和交流的結(jié)果，提升了用戶的交互式體驗。傳統(tǒng)的人工推薦是遍地撒網(wǎng)地推薦，沒有對用戶進行細致地劃分和篩選，機器推薦以用戶特點和習慣為基礎(chǔ)進行推薦，用戶能夠得到雙向的交流和溝通，用戶的行為也能對下一步的推薦產(chǎn)生影響，在一定程度上得到了反饋，提升了用戶的交互式體驗。

 

⑥分門別類，運營細化

 

個性化推薦也有利于平臺對內(nèi)容進行分類，從而利于平臺精細化管理和運營。信息時使得平臺不斷涌現(xiàn)，各種形式的內(nèi)容越來越豐富，用戶手機端展示的區(qū)域有限，個性化推薦能夠使商家更好地針對不同客戶對內(nèi)容進行分類，有利于精細化運營。

 

2.質(zhì)疑的觀點主要有：

 

①畫地為牢，思維設(shè)限

 

個性化新聞體驗容易讓思想裹足不前。個性化推薦的結(jié)果是基于用戶的歷史數(shù)據(jù)和歷史行為，基于相似用戶或者相似物品進行的推薦，在一定程度上將用戶感興趣的內(nèi)容固定在一個特定的閉環(huán)里，在為用戶篩選信息的同時也為用戶隔斷了很多信息。個性化推薦的內(nèi)容采集自你的興趣，又決定了你的興趣。因此，無法接觸“新”事物自然就不能培養(yǎng)新的興趣，容易讓用戶越來越狹隘。

 

②人心變幻，機器何解

 

機器推薦無法識別閱讀場景的變化而帶來的需求的變化，無法感知用戶為什么需要閱讀，難以匹配人類情感的復雜程度。例如在某一個階段，我們因為大家都在討論某件事而去關(guān)注這件事，但這并不意味著我們對類似的事情都感興趣。

 

③審美下線，好壞難分

 

個性化推薦的難度對推薦內(nèi)容的質(zhì)量帶來了挑戰(zhàn)。以往評價一篇文章的好壞對編輯來說都沒那么容易，如今機器推薦很容易忽略質(zhì)量這一維度。機器算法不準確會使標題黨內(nèi)容混雜出現(xiàn)，機器推薦可能會把一篇沒有價值的文章推薦的很高，也有可能把真正有價值的文章埋沒掉，機器推薦只能從外部數(shù)據(jù)來衡量你的文章有沒有價值，目前還沒有辦法從內(nèi)容的本質(zhì)上分析有沒有價值。

 

④耗時較長，總慢半拍

 

基于海量數(shù)據(jù)的個性化推薦行為耗時較長，即時性較差。如新聞推薦存在及時性問題，需要不斷更新，通過分析用戶的歷史行為、對比類似用戶等數(shù)據(jù)分析工作耗時較長，不易在第一時間形成推薦結(jié)果。并且協(xié)同過濾等方法還存在冷啟動的問題，即在用戶體驗之初，并未形成成熟的歷史數(shù)據(jù)時，需要經(jīng)過很長的時間收集用戶點擊日志數(shù)據(jù)，從而產(chǎn)生推薦。

 

⑤熱點共通，個體趨同

 

并不是所有的用戶都彼此相等，但協(xié)同過濾方法不考慮用戶之間的個體差異。例如，我們觀察到娛樂新聞不斷推薦給大多數(shù)用戶，即使用戶不點擊娛樂的故事。原因是，娛樂新聞一般都是非常流行的，因此總是從一個用戶的“鄰居”的娛樂故事足夠的點擊進行推薦。

 

3.未來的機遇在哪里？

 

未來的機遇在于兩大推動力：業(yè)界對長尾金礦的商業(yè)動力；用戶強烈的個性化需求的推動。

 

①長尾金礦

 

個性化推薦能夠幫助用戶發(fā)現(xiàn)更多優(yōu)質(zhì)的長尾內(nèi)容，提高平臺商業(yè)價值。一般平臺用戶訪問的只局限在熱門的10%左右的內(nèi)容，很多小眾的、冷門的內(nèi)容卻沉在數(shù)據(jù)庫中不易被發(fā)現(xiàn)，我們將其稱之為長尾內(nèi)容。

 

按長尾理論，由于成本和效率的因素，當商品儲存流通展示的場地和渠道足夠?qū)拸V，商品生產(chǎn)成本急劇下降以至于個人都可以進行生產(chǎn)，并且商品的銷售成本急劇降低時，幾乎任何以前看似需求極低的產(chǎn)品，只要有賣，都會有人買。個性化推薦能夠通過協(xié)同過濾中基于用戶的推薦技術(shù)將小眾喜歡的長尾內(nèi)容擴散開來，充分挖掘長尾內(nèi)容，產(chǎn)生長尾金礦。

 

②時代剛需

 

我們所處的時代已經(jīng)變化了。經(jīng)過20年發(fā)展，互聯(lián)網(wǎng)變成了移動互聯(lián)網(wǎng)，現(xiàn)在即將融合AI進入IOT時代，終端和信息正在以核爆的態(tài)勢發(fā)生急劇膨脹，用戶在海量的數(shù)據(jù)中想要找到他們需要的信息將變得越來越難。在這種情況下，傳統(tǒng)的搜索引擎已經(jīng)力不從心。早先最具代表性的就是分類目錄的雅虎和搜索引擎的谷歌，已經(jīng)進入死胡同，想要通過搜索引擎去了解一個陌生領(lǐng)域的知識，效率極低！

 

要滿足時代剛需，希望在于個性化推薦。機器需要盡可能的了解用戶，并且根據(jù)用戶的數(shù)據(jù)，主動推薦讓用戶有興趣和需求的信息。目前這20來年，雖說取得了一點點成就，但僅僅是唐僧取經(jīng)邁出了第一步，還有很長的路要走。

 

4.當下需要跨越的三座大山

 

個性化推薦在發(fā)展過程中面臨很多諸如難以預測用戶興趣、用戶相關(guān)數(shù)據(jù)涉及隱私以及數(shù)據(jù)的處理難度等問題，都給個性化推薦帶來了很大的威脅和挑戰(zhàn)。

 

第一座山，準確。

 

用戶的興趣易受多重因素影響而不斷變化，這對個性化推薦來說是個不可避免的挑戰(zhàn)。個性化推薦系統(tǒng)的基礎(chǔ)部分是用戶興趣建模，用戶興趣建模的質(zhì)量直接決定了個性化推薦的質(zhì)量。但是用戶興趣隨時都會受到社交、場景、環(huán)境等多重因素影響，用戶興趣地不斷變化使得根據(jù)以往數(shù)據(jù)預測用戶未來傾向的工作變得很難，也會影響推薦結(jié)果的準確性。

 

第二座山，隱私。

 

對以用戶數(shù)據(jù)為基礎(chǔ)進行的個性化推薦來說，如何保護用戶隱私是個不小的難題。傳統(tǒng)的內(nèi)容推薦系統(tǒng)對用戶的頁面訪問記錄進行數(shù)據(jù)挖掘,找出用戶的訪問習慣,然后在服務(wù)器端根據(jù)用戶需求進行信息篩選，試圖為用戶提供信息推薦服務(wù)和垃圾信息過濾服務(wù)。但如何能在保護用戶隱私的同時,又為用戶提供更準確的內(nèi)容推薦服務(wù)是一個不小的挑戰(zhàn)。

 

第三座山，價值觀。

 

除了三座大山外，還有一個問題也值得重視。現(xiàn)在的機器推薦等于“沒有三觀”、“沒有審美”，在中文圈運營，由于眾所周知的原因，一定會遇到相當?shù)奶魬?zhàn)。

 

流量造假和作弊是比較明顯的例子。比如有網(wǎng)友告訴筆者說：網(wǎng)上經(jīng)?？吹揭恍┮曨l學習人數(shù)幾萬、幾十萬，數(shù)字大的得令我們懷疑人生，結(jié)果測試了一下，頁面刷新一次人數(shù)就加三而新課程加幾十，瞬間明了。半夜測試某些視頻直播，對著墻拍，從啟動直播十分鐘直播粉絲還能蹭蹭往上漲，進一個真粉絲時人數(shù)又一波漲，作弊一時爽，但心里不踏實。

 

曾經(jīng)有企業(yè)在智能推薦的客戶端上投過一些非常垂直大號的廣告，有的效果真好，有的造假太明顯---在閱讀量瞬間破萬的時候帶過來的流量，還不如自己閱讀破千的號效果好。如此種種，數(shù)據(jù)是正經(jīng)的，就看用它的人正經(jīng)不正經(jīng)了。

 

未來，個性化推薦如何在技術(shù)和管理上繼續(xù)革新，人工智能因素的參與能否改善現(xiàn)存的諸多問題，為用戶產(chǎn)生更優(yōu)質(zhì)的推薦結(jié)果將成為一個重要課題。

 

三、巨頭正在開辟的技術(shù)路線

 

其實，無論支持還質(zhì)疑有多么大，個性化推薦已經(jīng)引得無數(shù)巨頭競折腰。

 

目前在市場上，依然是新老技術(shù)各占一方地盤，新派深度學習技術(shù)快速崛起，咄咄逼人；老派技術(shù)也在不斷優(yōu)化，以防不測。新老技術(shù)之爭，是當下的一個熱點，也是決定未來發(fā)展的兩大路線。

 

（一）老派技術(shù)認為：傳統(tǒng)推薦技術(shù)可以自我完善

 

1.Google新聞的套路，不斷優(yōu)化

 

Google新聞是一個在線信息門戶站點，它聚集數(shù)千家信息源的新聞報道（在將相似新聞分組后）并以個性化的方法展現(xiàn)給登錄用戶。由于文章和用戶數(shù)量巨大，以及給定的響應(yīng)時間要求，純粹的基于記憶的方法是不適用的，需要一種可擴展的算法，因此Google新聞組合使用了基于模型和基于記憶的技術(shù)。

 

Google新聞的套路依然是協(xié)同過濾的底子。它在個性化推薦方面采用的是基于模型和基于記憶的技術(shù)相結(jié)合的協(xié)同過濾技術(shù)。根據(jù)《推薦系統(tǒng)》一書的介紹，基于模型的那部分依賴兩種聚類技術(shù)：

 

①概率潛在語義索引（PLSI）：協(xié)同過濾的“第二代”概率技術(shù)，為了識別出有相似想法的用戶和相關(guān)物品的聚類，引入了隱藏變量，對應(yīng)每個用戶—物品對的有限狀態(tài)集合,能適應(yīng)用戶可能同時對多個主題感興趣的情況。

 

②MinHash：根據(jù)兩個用戶瀏覽過物品的交集將兩者放入相同的聚類（哈希桶）。為了讓這種哈希過程具有可擴展性，采用了一種特殊方法尋找近鄰，并采用Google自己的MapReduce技術(shù)在幾個機群之間分發(fā)計算任務(wù)。

 

基于記憶的方法主要是分析“伴隨瀏覽量”。“伴隨瀏覽量”指的是一篇文章在預先定義的一段時間內(nèi)被相同用戶瀏覽過。預測時需要遍歷活躍用戶最近的歷史數(shù)據(jù)和從內(nèi)存里獲取鄰近的文章。運行時，預先設(shè)定集合里候選物品的綜合推薦評分是這三種方法（MinHash、PLSI和伴隨瀏覽）獲得的分數(shù)的線性組合計算值，然后再根據(jù)計算值的高低進行推薦結(jié)果的輸出。

 

2.Linkedin為四個場景開發(fā)的系統(tǒng)

 

Linkedin主要是通過自主研發(fā)設(shè)計的協(xié)同過濾推薦平臺Browsemap實現(xiàn)個性化推薦。Browsemap是Linkedin開發(fā)的一個實現(xiàn)了物品協(xié)同過濾推薦算法的泛化平臺，該平臺可支持Linkedin中所有實體的推薦，包括求職者、招聘貼、企業(yè)、社會群體（如學校等）、搜索詞等，若要通過該平臺實現(xiàn)某個新的實體協(xié)同過濾推薦，開發(fā)者要做的工作僅僅包括：相關(guān)行為日志的接入、編寫B(tài)rowsemap DSL配置文件和調(diào)整相關(guān)過期參數(shù)等簡單工作。

 

論文指出，Browsemap平臺在Linkedin最常用的有四個推薦場景：給求職者推薦公司、相似公司推薦、相似簡歷推薦和搜索詞推薦等等。

 

①給求職者推薦公司：通過Browsemap實現(xiàn)基于物品的協(xié)同過濾，計算用戶和潛在意向公司的相似度值，得到相關(guān)公司特征；將相關(guān)公司特征和用戶/公司內(nèi)容特征（包括用戶位置、工作經(jīng)驗；企業(yè)產(chǎn)品、相關(guān)描述）一起分析得到最終的偏好分值。

 

②相似公司推薦：與給求職者推薦公司有兩點不同：一是內(nèi)容特征相似度變?yōu)楣井嬒裰g的相似度；二是基于多種用戶行為構(gòu)建browsemap。

 

③相似簡歷（用戶）推薦：通過公司詳情頁瀏覽行為和用戶畫像特征實現(xiàn)該部分推薦。同時將相似簡歷的屬性用于補足簡歷的缺失屬性，得到該用戶的虛擬簡歷。

 

④搜索詞推薦提供了四種關(guān)聯(lián)方式：一是協(xié)同過濾：在計算搜索詞間相關(guān)性時會加入時間和空間因素；二是基于推薦搜索詞搜索結(jié)果的點擊率；三是基于搜索詞之間的重合度；四是基于推薦搜索詞的點擊率。但實驗結(jié)果表明協(xié)同過濾的結(jié)果最好，甚至也好于將這四種方式綜合的結(jié)果。

 

3.今日頭條的三個階段

 

作為國內(nèi)當紅的個性化推薦產(chǎn)品，今日頭條技術(shù)經(jīng)歷了三個階段：

 

早期階段，以非個性化推薦為主，重點解決熱文推薦和新文推薦，這個階段對于用戶和新聞的刻畫粒度也比較粗，并沒有大規(guī)模運用推薦算法。

 

中期階段，以個性化推薦算法為主，主要基于協(xié)同過濾和內(nèi)容推薦兩種方式。協(xié)同過濾技術(shù)思想和前文介紹的并無差別?；趦?nèi)容推薦的方式，則是先對新聞進行刻畫，然后利用用戶的正反饋（如點擊，閱讀時長、分享、收藏、評論等）和負反饋（如不感興趣等）建立用戶和新聞標簽之間的聯(lián)系，從而來進行統(tǒng)計建模。

 

當前階段，以大規(guī)模實時機器學習算法為主，用到的特征達千億級別，能做到分鐘級更新模型。架構(gòu)分為兩層：檢索層，有多個檢索分支，拉出用戶感興趣的新聞候選；打分層，基于用戶特征、新聞特征、環(huán)境特征三大類特征使用實時學習進行建模打分。值得一提的是，實際排序時候并不完全按照模型打分排序，會有一些特定的業(yè)務(wù)邏輯綜合在一起進行最終排序并吐給用戶。

 

頭條為何能取得成功？文章分析，很多人會說是頭條的個性化推薦技術(shù)做得好，其實不盡然。原因在于，今日頭條的個性化推薦也是經(jīng)歷著復雜的演變過程：從人工推薦到機器推薦再到最終不斷迭代算法和技術(shù)，反復的進行驗證，日益完善。

 

（二）新派技術(shù)認為：深度學習才是明智選擇

 

新派技術(shù)主要指采用了深度學習的個性化推薦系統(tǒng)。

 

深度學習是機器學習中一種基于對數(shù)據(jù)進行表征學習的方法。觀測值（例如一幅圖像）可以使用多種方式來表示，如每個像素強度值的向量，或者更抽象地表示成一系列邊、特定形狀的區(qū)域等。而使用某些特定的表示方法更容易從實例中學習任務(wù)（例如，人臉識別或面部表情識別）。深度學習的好處是用非監(jiān)督式或半監(jiān)督式的特征學習和分層特征提取高效算法來替代手工獲取特征。

 

當常規(guī)推薦算法已經(jīng)無法及時地分析處理體量較大的數(shù)據(jù)并準確地針對獨立用戶做出推薦時，具備相應(yīng)技術(shù)水平的公司開始利用深度學習解決海量內(nèi)容分析推薦的痛點。我們以較早開始引入深度學習的YouTube、Facebook為例進行分析。

 

1.YouTube的神經(jīng)網(wǎng)絡(luò)

 

YouTube的推薦系統(tǒng)是是世界上規(guī)模最大、最復雜的推薦系統(tǒng)之一。YouTube的全球用戶已經(jīng)超過十億，每秒上傳的視頻長度以小時計。視頻“語料”庫存日益增長，就需要一個推薦系統(tǒng)及時、準確地將用戶感興趣的視頻不斷推薦給用戶。

 

相比其他商業(yè)推薦系統(tǒng)，Youtube推薦系統(tǒng)面臨三個主要的挑戰(zhàn)：

 

①規(guī)?！，F(xiàn)有絕大多數(shù)可行的推薦算法，在處理YouTube級別的海量視頻就力不從心了。

 

②新鮮度。YouTube視頻“語料”庫不僅僅是儲量巨大，每時每刻上傳的新增視頻也是源源不斷。推薦系統(tǒng)要及時針對用戶上傳的內(nèi)容進行分析建模，同時要兼顧已有視頻和新上傳視頻的平衡。

 

③噪聲。由于用戶行為的稀疏性和不可觀測的影響因素，用戶的歷史記錄本質(zhì)上難以預測。

 

為了解決這些問題，YouTube推薦系統(tǒng)將研究重點轉(zhuǎn)移到深度學習，使用Google Brain開發(fā)的TensorFlow（Google研發(fā)的第二代人工智能學習系統(tǒng)）系統(tǒng)為推薦系統(tǒng)帶來了開發(fā)測試上的靈活性。

 

YouTube推薦系統(tǒng)主要由兩個深度神經(jīng)網(wǎng)絡(luò)組成：第一個神經(jīng)網(wǎng)絡(luò)用來生成候選視頻列表；第二個神經(jīng)網(wǎng)絡(luò)用來對輸入視頻列表打分排名，以便將排名靠前的視頻推薦給用戶。

 

候選視頻生成是依靠協(xié)同過濾算法產(chǎn)生一個寬泛的針對用戶的個性化推薦候選名單。排名神經(jīng)網(wǎng)絡(luò)是基于第一個候選生成網(wǎng)絡(luò)的列表，提供更精細的區(qū)分細化，從來達到較高的推薦命中率。通過定義目標函數(shù)來提供一系列描述視頻和用戶的特征，排名網(wǎng)絡(luò)則根據(jù)目標函數(shù)來給每一個視頻打分。分數(shù)最高的一組視頻就被推薦給用戶。

 

正是YouTube海量級別的視頻才產(chǎn)生了深度學習的需要，有效彌補了協(xié)同過濾存在地處理數(shù)據(jù)耗時長等問題。

 

2.Facebook邁出的一大步

 

Facebook近10年來一直沿用其Newsfeed功能實現(xiàn)個性化推薦。2006年9月份，NewsFeed（信息流）問世，同時問世的還有MiniFeed（個人動態(tài)）。NewsFeed是一個系統(tǒng)自動整合生成的內(nèi)容信息流，它自行來決定我們讀到哪些新聞、動態(tài)、事件。它所覆蓋的范圍，其信息推送的精準度，以及其影響力遠超過我們的想象，可以說NewsFeed是Facebook在人工智能上所走的一大步。

 

Facebook是如何利用深度學習來評價內(nèi)容和用戶的呢？

 

第一，在檢視文本方面，F(xiàn)acebook使用“自然語言處理”技術(shù)來掃描每個人發(fā)的“狀態(tài)”和“日志”，以便“真正理解文本的語義”，不僅如此還要將它們評級。日志在掃描的過程中，系統(tǒng)會自動識別出“過度標題黨”或者“過度商業(yè)化”的內(nèi)容，而且這樣的內(nèi)容在NewFeed里面是越來越少見到了。

 

第二，在內(nèi)容翻譯上，當在處理非英語的語言時，F(xiàn)acebook工程師專門開發(fā)了一個深度學習平臺，每一天會對100多種語言所寫成的文本進行分析，翻譯。比如當一個朋友以德語發(fā)表了一條動態(tài)時，NewsFeed會以英語體現(xiàn)出來給一個美國的朋友，營造了一個能夠跨過語言障礙的，人人實現(xiàn)互聯(lián)互通的數(shù)字虛擬環(huán)境。

 

第三，在識別物體方面，F(xiàn)acebook也在利用深度學習技術(shù)來識別照片和視頻里面的物體，不僅如此，它還能進一步地去探究誰有可能對這些照片感興趣，或者這些照片跟哪些用戶相關(guān)聯(lián)，從而推薦給目標用戶。

 

（三）深度學習之困境

 

深度學習能打遍天下無敵手嗎？

 

至少目前來看，深度學習只是在Speech和Image這種比較“淺層”的智能問題上效果是比較明顯的，而對于語言理解和推理這些問題效果就有點失分，也許未來的深度神經(jīng)網(wǎng)絡(luò)可以更“智能”的解決這個問題，但目前還差點火候。

 

深度學習在推薦系統(tǒng)領(lǐng)域的研究與應(yīng)用還處于早期階段。即使深度學習被認為能夠解決協(xié)同過濾的冷啟動、數(shù)據(jù)處理較慢的問題，但是風光之下，它也有自己的難言之隱。

 

第一，成本太高。數(shù)據(jù)對深度學習的進一步發(fā)展和應(yīng)用至關(guān)重要。然而過分倚重有標注的大數(shù)據(jù)也恰恰是深度學習的局限性之一。數(shù)據(jù)收集是有成本的，而且標注成本已經(jīng)開始水漲船高，這就使得深度學習的成本過高。而且對于體量較小、數(shù)據(jù)較少的眾多小公司來說，即使有能力用深度學習改善個性化推薦結(jié)果，也面臨著沒有數(shù)據(jù)支撐的尷尬境地。

 

第二，降低成本的方案有沒有？有，但是難以實現(xiàn)。深度學習分為有監(jiān)督學習和無監(jiān)督學習，大量無監(jiān)督數(shù)據(jù)的獲取成本卻是微乎其微的。目前一般用的都是監(jiān)督學習，但本質(zhì)上基于監(jiān)督學習的大多數(shù)推薦模型都很難徹底規(guī)避現(xiàn)存問題從而提高推薦質(zhì)量。無監(jiān)督學習由于無需對數(shù)據(jù)進行加標簽等原因成本較有監(jiān)督學習較低，但目前深度學習對無監(jiān)督數(shù)據(jù)的學習能力嚴重不足，因此深度學習在推薦系統(tǒng)中的應(yīng)用仍處于早期階段。

 

新老派兩大力量相互抗爭、相互促進但又相互交融。傳統(tǒng)推薦技術(shù)在深度學習的沖擊下不斷完善，深度學習帶著趕超傳統(tǒng)推薦技術(shù)的強勢勁頭不斷革新但也面臨著發(fā)展窘境。但正是在多個平臺的這種自我發(fā)展和革新的過程中，新老派的界限也變得越來越模糊，越來越走向融合。即使堅持完善傳統(tǒng)推薦技術(shù)的公司也開始慢慢涉足到深度學習的領(lǐng)域中，深度學習發(fā)展較為成熟的新派也并沒有完全摒棄老派技術(shù)，那么，未來到底何派為王？

 

四．未來鹿死誰手？

 

內(nèi)容C2M，本質(zhì)上是對人心的一種洞察和預測。技術(shù)與人心的斗法，并非一朝一夕便能奏功。人類思想的根本特征在于“意識”，即個體理解自己與他人的心理狀態(tài)，包括情緒意圖、期望、思考和信念等，并借此信息預測和解釋他人行為的一種能力。

 

但是，當前的人工智能領(lǐng)域中存在著一個很嚴重的問題：人們誤解了深度學習模型的工作機理，并高估了網(wǎng)絡(luò)模型的能力。

 

通過深度學習，我們可以訓練出一個模型，它可以根據(jù)圖片內(nèi)容生成文字描述。這個過程被視作機器“理解”了圖片和它生成的文字。當某個圖像存在輕微改變，導致模型開始產(chǎn)生相當荒謬的字幕時，結(jié)果就會讓人非常驚訝—模型失靈了。機器能找出一只貓，但機器仍然不能識別跟貓相關(guān)的所有信息。

 

回顧歷史不難發(fā)現(xiàn)，技術(shù)一直追求的目標，與其說是讓機器替代人類，而不如說是制造聰明的機器來提高效率。協(xié)同過濾技術(shù)的發(fā)展便是個明顯的例子。

 

最近幾年來，互聯(lián)網(wǎng)巨頭制造“聰明的機器”的積極性異常高漲，也是效率使然。根據(jù)微軟研究院的估計，亞馬遜網(wǎng)站上大約30%的頁面瀏覽來自于推薦系統(tǒng)；Netflix首席產(chǎn)品官聲稱80%以上的電影觀看來自于推薦系統(tǒng)，并稱Netflix推薦系統(tǒng)的價值每年高達十億美元；據(jù)阿里巴巴披露數(shù)字，2013年當天由推薦直接引導的成交總額為56.8億元。今日頭條則將公司核心業(yè)務(wù)架構(gòu)在推薦引擎上，是當今最重視推薦技術(shù)的公司之一……

 

在內(nèi)容C2M發(fā)展歷程中，盡管深度學習存在許多不足，但深度學習主導未來是大概率事件。我們看到代表著傳統(tǒng)推薦技術(shù)和深度學習的新老派在相互促進和相互融合，在全球流量前20的平臺中，雖然有不少公司依然沿用采用協(xié)同過濾技術(shù)，比如Google新聞，LinkedIn等，但是其中一些公司也已經(jīng)準備甚至已經(jīng)采用深度學習等技術(shù)來改進自身不足。而YouTube、Facebook等先行者已開始享受深度學習的紅利。

 

從飼養(yǎng)員模式到聰明的機器，內(nèi)容產(chǎn)業(yè)的C2M已然成勢，顛覆日，不遠了。

 

我們可以相信，雖然深度學習還存在著一些制約因素，但是，隨著AI技術(shù)和產(chǎn)業(yè)的強勁發(fā)展，技術(shù)上的瓶頸終究會被突破。

 

需要警惕的是，在C2M跨越了準確、隱私兩座大山后，人類通過AI掌握了新的力量，掌握者的欲望和野心，也應(yīng)該受到一定的控制，尤其是價值觀問題，將顯得越發(fā)重要。