成人免费午夜在线观看,伊人久久精品,一区二区三区精品

算法推薦的技術(shù)原理

各種形式的算法推薦，包括《規(guī)定》中列舉的“生成合成、個(gè)性化推送、排序精選、檢索過(guò)濾、調(diào)度決策”等形式，當(dāng)下主流的實(shí)現(xiàn)方式都是采用機(jī)器學(xué)習(xí)（machine learning），背后的原理都是基于貝葉斯統(tǒng)計(jì)（Bayesian statistics）方法的預(yù)測(cè)——聽起來(lái)很高深，其實(shí)通過(guò)一個(gè)簡(jiǎn)單的例子很容易就能理解。

假設(shè)你丟一個(gè)以前沒用過(guò)的骰子，你認(rèn)為有多大概率丟出6點(diǎn)？當(dāng)然，在沒有任何額外信息的情況下，你的預(yù)測(cè)是“1/6”。然后，你連續(xù)丟了20把，每把都是6點(diǎn)，這時(shí)候你認(rèn)為下一把繼續(xù)丟出6點(diǎn)的概率是多大？經(jīng)典概率論說(shuō)，每次丟骰子都是一個(gè)獨(dú)立隨機(jī)事件，過(guò)去丟出的點(diǎn)數(shù)不影響未來(lái)丟出的點(diǎn)數(shù)，所以你的預(yù)測(cè)仍然應(yīng)該是“1/6”。但很明顯正常人不會(huì)這么想。

“這個(gè)骰子連丟了20把6點(diǎn)”這項(xiàng)信息很明顯會(huì)影響對(duì)未來(lái)的決策（例如可能說(shuō)明這個(gè)骰子被灌了鉛），因此你會(huì)預(yù)測(cè)下一把有很大概率還是會(huì)丟出6點(diǎn)。簡(jiǎn)化地說(shuō)，貝葉斯統(tǒng)計(jì)就是“基于過(guò)去已經(jīng)發(fā)生過(guò)的事件預(yù)測(cè)未來(lái)將要發(fā)生的事件”。各種算法推薦都是在進(jìn)行這樣的預(yù)測(cè)：

知乎的個(gè)性化推送就是預(yù)測(cè)用戶可能喜歡看什么問題和回答；

百度的檢索過(guò)濾就是預(yù)測(cè)用戶可能對(duì)哪些搜索結(jié)果感興趣；

淘寶的排序精選就是預(yù)測(cè)用戶可能購(gòu)買哪些商品。

這些預(yù)測(cè)所基于的“過(guò)去已經(jīng)發(fā)生過(guò)的事件”則是與用戶相關(guān)的、非常寬廣的數(shù)據(jù)集，不僅包含“用戶看過(guò)/贊過(guò)/收藏過(guò)哪些回答”這種直接的用戶行為，還包含大量用戶本身的屬性信息：年齡、性別、地域、教育程度、職業(yè)、上網(wǎng)設(shè)備、買過(guò)什么東西、發(fā)過(guò)什么言論、住多大房子、家里幾口人、喜歡張信哲、反感蔡徐坤……這些信息都會(huì)被用于預(yù)測(cè)用戶的偏好。

每一項(xiàng)類似這樣的屬性信息也被稱為“特征”（feature），對(duì)于一個(gè)普通用戶，互聯(lián)網(wǎng)公司通常擁有數(shù)千、數(shù)萬(wàn)項(xiàng)特征信息。其中一些特征信息來(lái)自該公司本身的業(yè)務(wù)，更多的特征信息來(lái)自其他平臺(tái)，三大運(yùn)營(yíng)商、微博、騰訊、阿里、手機(jī)制造商等企業(yè)都會(huì)SDK（軟件開發(fā)包）的方式與其他互聯(lián)網(wǎng)應(yīng)用共享用戶個(gè)人特征信息。

知乎與第三方共享個(gè)人信息的清單（部分）

在所有這些特征信息中，給定一項(xiàng)具體的預(yù)測(cè)，有些特征與這項(xiàng)預(yù)測(cè)的相關(guān)度較高，有些特征的相關(guān)度則較低。如果能從預(yù)測(cè)的結(jié)果回溯到哪些特征產(chǎn)生了重要的影響，我們就可以說(shuō)這種算法“具備可被審核性”（auditable）。例如最簡(jiǎn)單、最基礎(chǔ)的機(jī)器學(xué)習(xí)算法線性回歸（linear regression），其原理就是根據(jù)過(guò)去的事件給每項(xiàng)特征打一個(gè)權(quán)重分?jǐn)?shù)，然后根據(jù)這些權(quán)重分?jǐn)?shù)預(yù)測(cè)未來(lái)的事件。從一個(gè)線性回歸的預(yù)測(cè)模型中，可以直觀地看到每項(xiàng)特征的在預(yù)測(cè)中的權(quán)重，因此線性回歸是特別容易審核的一種算法。

當(dāng)然，最簡(jiǎn)單、最基礎(chǔ)的算法，也就存在預(yù)測(cè)能力不夠強(qiáng)的問題。形象地說(shuō)，只用簡(jiǎn)單的線性回歸，無(wú)法把特征值里隱含的信息全都榨取出來(lái)，所以預(yù)測(cè)效果不見得特別好。于是科學(xué)家和工程師們想了很多辦法來(lái)壓榨特征值里的信息。一種辦法叫“特征工程”（feature engineering），說(shuō)白了就是從已知的特征值推導(dǎo)出新的特征值，例如根據(jù)用戶的手機(jī)型號(hào)、購(gòu)物清單給用戶打上“購(gòu)買力強(qiáng)”或者“時(shí)尚潮人”的新標(biāo)簽，這就是一種簡(jiǎn)單的特征工程。

另一種壓榨特征值的辦法是把起初的特征信息視為一“層”輸入，然后用各種數(shù)學(xué)方法把輸入層變換成新的信息節(jié)點(diǎn)，從而形成一個(gè)多層的“網(wǎng)絡(luò)”。這個(gè)變換的過(guò)程可以重復(fù)進(jìn)行，變換的層數(shù)越多，就說(shuō)這個(gè)網(wǎng)絡(luò)越“深”——這就是“深度學(xué)習(xí)”（deep learning）這個(gè)詞的由來(lái)。

盡管科學(xué)家經(jīng)常用“神經(jīng)元”、“神經(jīng)網(wǎng)絡(luò)”來(lái)類比這些數(shù)學(xué)變換的結(jié)果，但很多時(shí)候，經(jīng)過(guò)這些變換得到的信息節(jié)點(diǎn)幾乎沒有現(xiàn)實(shí)世界中的含義，純粹是一種數(shù)學(xué)工具的產(chǎn)物。所以業(yè)界有一種說(shuō)法：深度學(xué)習(xí)就像煉金術(shù)（國(guó)內(nèi)也稱“煉丹”），把數(shù)據(jù)丟進(jìn)神經(jīng)網(wǎng)絡(luò)，不知道什么原因就煉出結(jié)果了——如果結(jié)果不理想，就再加幾層神經(jīng)網(wǎng)絡(luò)。

正因?yàn)樯疃葘W(xué)習(xí)常有“煉金術(shù)”的神秘感，使用它們的工程師經(jīng)常自己都不知道為什么一個(gè)算法有效。例如谷歌曾發(fā)表過(guò)一篇論文介紹他們的圖像識(shí)別算法，其中使用了一個(gè)深達(dá)19層的神經(jīng)網(wǎng)絡(luò)（VGG19）。然而谷歌的照片服務(wù)（Google Photos）卻多次被曝暗含種族歧視，甚至把黑人照片識(shí)別為“大猩猩”。事后谷歌根本無(wú)法找出算法中的問題出在哪里，只好刪除“大猩猩”標(biāo)簽了事。

VGG19：深度為19層的卷積神經(jīng)網(wǎng)絡(luò)，主要用于圖像識(shí)別

盡管有谷歌的前車之鑒，類似的問題仍然在各家互聯(lián)網(wǎng)巨頭的產(chǎn)品中反復(fù)出現(xiàn)。2020年，部分臉書用戶在觀看一段以黑人為主角的視頻時(shí)收到推薦提示，詢問他們是否愿意“繼續(xù)觀看有關(guān)靈長(zhǎng)類動(dòng)物的視頻”。2018年MIT媒體實(shí)驗(yàn)室的研究員Joy Buolamwini發(fā)現(xiàn)，微軟、IBM和Face++的人臉識(shí)別算法在識(shí)別黑色人種的性別的錯(cuò)誤率要遠(yuǎn)遠(yuǎn)高于白色人種，而且膚色越黑，識(shí)別率就越低，黑人女性的識(shí)別錯(cuò)誤率高達(dá)35%。過(guò)度依賴“煉金術(shù)”式的深度學(xué)習(xí)算法，是這些互聯(lián)網(wǎng)巨頭對(duì)算法審核態(tài)度冷淡的原因，同時(shí)也導(dǎo)致它們難以修正其算法中隱含的系統(tǒng)性歧視。