成人免费午夜在线观看,伊人久久精品,一区二区三区精品

競(jìng)爭的難題：無法區(qū)別的風(fēng)格問題

在傳統(tǒng)的媒體公司，編輯團(tuán)隊(duì)和廣告銷售團(tuán)隊(duì)總會(huì)有矛盾和博弈。在頭條一類的公司，則是算法團(tuán)隊(duì)對(duì)編輯團(tuán)隊(duì)占據(jù)絕對(duì)優(yōu)勢(shì)。這未必是好事。算法團(tuán)隊(duì)本身是較難產(chǎn)生風(fēng)格的。頭條、一點(diǎn)資訊和天天快報(bào)究竟有多少區(qū)別呢？

風(fēng)格既人（布豐），風(fēng)格即靈魂。雞蛋個(gè)個(gè)不同但那不是風(fēng)格，只是原始特征。風(fēng)格是一種需要積極建構(gòu)的氣質(zhì)，是生氣灌注的行動(dòng)。

傳統(tǒng)媒體都是有風(fēng)格的，沒風(fēng)格的不是死了，就是僵尸媒體。

下面這個(gè)截圖體現(xiàn)了風(fēng)格：

兩家媒體互不相讓，但也許都不得不承認(rèn)對(duì)方是有自己風(fēng)格的。美國的紐約時(shí)報(bào)和赫芬頓郵報(bào)同一個(gè)“美國夢(mèng)”，也具有顯著不同的氣質(zhì)。有自己相信并追求的價(jià)值觀，追求新聞事實(shí)時(shí)候有非如此不可的沖動(dòng)，寫作時(shí)有難平之意化為不休的訴歌，這才是風(fēng)格。

風(fēng)格是原創(chuàng)，是觀點(diǎn)碰撞，是議程設(shè)置，是話語創(chuàng)新。算法還沒學(xué)會(huì)這些，因?yàn)樵O(shè)計(jì)算法的技術(shù)人可能還不太懂這些。

這還不只是差異化競(jìng)爭問題，更重要的是產(chǎn)品的內(nèi)在矛盾。頭條們不止是平臺(tái)，因?yàn)閭窝b不是白裝的，新聞客戶端的表象與算法機(jī)器的矛盾是無法擺脫的“原罪”。形式不是內(nèi)容之外可有可無的事物，形式就是內(nèi)容。頭條們注定不可像沒有首頁推薦的微信公號(hào)平臺(tái)一樣，真的只做完全中立，沒有一點(diǎn)情感和立場(chǎng)的平臺(tái)。人們都認(rèn)為你是資訊客戶端，你就要做資訊媒體的事情，哪怕和算法的性格有矛盾。但矛盾不是缺陷，矛盾是推動(dòng)自身進(jìn)化的動(dòng)力所在。

頭條招聘啟事給技術(shù)人才開高薪，但是如果內(nèi)容方面沒有自我的精神風(fēng)格或者主心骨，我猜測(cè)，在頭條這類公司，員工的企業(yè)認(rèn)同可能會(huì)比較一般。他們的內(nèi)部心態(tài)會(huì)和傳統(tǒng)優(yōu)秀媒體相反，在傳統(tǒng)媒體，那些心懷理想的媒體人可以靠夢(mèng)想支撐，而在頭條等企業(yè)，商業(yè)模式一旦壓制一切，對(duì)員工來說，這就是一筆生意。

他們想有風(fēng)格。

起步較晚的“一點(diǎn)資訊”在努力表現(xiàn)自己的風(fēng)格，比如宣稱自己是做興趣搜索，有別于頭條的算法推薦。吳晨光宣稱一點(diǎn)資訊是“百度+頭條”：

“正如一點(diǎn)資訊董事長劉爽所說，如果頭條是造紙術(shù)和印刷術(shù)，那么一點(diǎn)資訊就是火藥和指南針。這兩個(gè)APP都以‘千人千面’為核心競(jìng)爭力，因?yàn)榇_實(shí)像造紙術(shù)一樣改變了傳播。但一點(diǎn)比頭條更近一步：所謂火藥，是通過搜索喚醒了沉睡在APP里的信息，你可以通過搜索、訂閱，兩步完成你對(duì)任何你感興趣內(nèi)容的定制。至于指南針，我這樣理解：因?yàn)橐稽c(diǎn)后臺(tái)有非常精準(zhǔn)的用戶畫像，所以可以把最符合你興趣的內(nèi)容分發(fā)給你。用我們內(nèi)部的一句話說：大事件作出共鳴，個(gè)性化要像蛔蟲?！?span>

可以看出來，作為后起者，一點(diǎn)資訊一方面不得不通過頭條來定義自己，同時(shí)又必須有所區(qū)別，于是強(qiáng)調(diào)搜索。不過從用戶直觀感受來講，這種區(qū)別是不太容易看出來的（一點(diǎn)資訊能夠把用戶的每個(gè)搜索詞變成訂閱詞）。頭條一樣有搜索功能，也會(huì)記錄讀者的搜索行為。

至于“指南針”，只是一個(gè)更生動(dòng)的比喻。所描述的“用戶畫像”，可以猜想也是和貝葉斯算法之類大同小異的方法。

看拉勾網(wǎng)上“一點(diǎn)資訊”的招聘，唯一的算法師招聘廣告要求：“文本分類和語義理解，社交網(wǎng)絡(luò)分析，網(wǎng)頁搜索，推薦系統(tǒng)等領(lǐng)域的特定算法，理解自然語言處理、機(jī)器學(xué)習(xí)、網(wǎng)頁搜索，推薦系統(tǒng)，用戶數(shù)據(jù)分析和建模的基本概念和常用方法?！?span>

應(yīng)該說，所謂“特定算法”大家都類似。具體的公式和策略五花八門，但那只是雞蛋的不同，最多在比拼誰的算法最state of the art。能區(qū)別風(fēng)格的還是操作者的思想理念、媒體情懷和輿論場(chǎng)的洞察判斷力。同樣的算法，具體開發(fā)時(shí)候也要看悟性、靈性。谷歌與百度在用戶看來，最直觀的區(qū)別也還是理念和情懷的不同。

相比之下，吳晨光強(qiáng)調(diào)一點(diǎn)資訊在提高自媒體門檻的做法，這種篩選是由媒體人團(tuán)隊(duì)做到的，也許更重要。

“最近兩個(gè)月，一點(diǎn)資訊封掉了大概7000多個(gè)號(hào)。古玩、健康、財(cái)經(jīng)等，都是重災(zāi)區(qū)。我們的競(jìng)爭對(duì)手，在放寬入駐條件，但我們相反——高標(biāo)準(zhǔn)，并且實(shí)行嚴(yán)格的分級(jí)制度。從一級(jí)到六級(jí)，級(jí)別越高標(biāo)志著你的內(nèi)容越優(yōu)質(zhì)，這樣你得到的展示量就越大?！?/span>

頭條大舉招募媒體人入駐平臺(tái)，并加大對(duì)自媒體平臺(tái)的投入，這是有意識(shí)地構(gòu)筑底盤，獲得內(nèi)容版權(quán)，也是無意識(shí)地要讓自己更生動(dòng)。

可是算法少年尚未理解這種風(fēng)格化的努力。

算法匹諾曹的自我障礙：沉淪本我，缺乏超我

我們?cè)囍蒙鐣?huì)心理學(xué)的語言來描述算法獨(dú)尊主義帶來的信息繭房問題。

算法和讀者一起，沉淪于本我的漩渦。本我的欲望讓你去點(diǎn)擊了一條驚悚的社會(huì)新聞，但本我不是人性，對(duì)本我的自省和超越才是人性。反復(fù)涌來的社會(huì)新聞會(huì)讓讀者生厭。這個(gè)一直被人質(zhì)疑的問題似乎沒有得到透徹的說明和改善。

求證過員工自己對(duì)這個(gè)問題的看法，他們會(huì)告訴你不喜歡這樣的信息就用手指劃掉，系統(tǒng)就會(huì)減少此類信息推送。在我看來，這只是一種簡單的線性思維。算法只計(jì)算異同關(guān)系，只機(jī)械地問你要還是不要，而沒有計(jì)算諸如相對(duì)關(guān)系、主從關(guān)系等等復(fù)雜的關(guān)系。就像一個(gè)不太會(huì)戀愛的直男，聽到對(duì)方說no的時(shí)候，并不善解對(duì)方真正的意思。

算法能否采用更好的策略，除了數(shù)學(xué)思維本身，還在于算法對(duì)人性的理解。非線性思維才能貼近人性——哪怕是庸常之輩，也會(huì)渴望有一只手能托起自己的頭顱。假如用戶多點(diǎn)擊了幾次驚悚社會(huì)新聞，算法可以繼續(xù)推送同類資訊，但是一定要顯出一種“我猜你其實(shí)也是個(gè)有高尚趣味的人”的姿態(tài)——可以于驚悚新聞信息流里突然插入一條洗眼資訊，可以是正能量，可以是對(duì)立面，可以是新聞分析。既然瀑布流里面可以插入廣告，為什么不能插入和用戶點(diǎn)擊趣味相反的文章？

我不了解具體算法設(shè)計(jì)問題，也許需要更復(fù)雜的集合算法。每條資訊有自己對(duì)應(yīng)的鏡像，就像本我對(duì)應(yīng)的超我，就像西斯武士對(duì)應(yīng)的絕地武士。不甘做機(jī)器保姆的小編可以參與打造這樣的集合，提升機(jī)器靈魂的同時(shí)提升自己，共同進(jìn)化。彼此是對(duì)方的啟蒙者，而不是做一個(gè)被動(dòng)的仆人。也許會(huì)有偏差，會(huì)有博弈，但魅力就在這里。在《失控》看來，人機(jī)之間要有一定的對(duì)抗才能共同進(jìn)化。也許算法在等待讀者自己走出沉淪，但對(duì)抗就要求算法更彈性一點(diǎn)，更搶先一點(diǎn)，主動(dòng)試探讀者是否想要逆風(fēng)而行。

用資訊測(cè)試讀者，是把讀者看作已完成的人格。而人性是永遠(yuǎn)在路上的未完成之物。人性和人類的創(chuàng)造物，需要彼此激發(fā)，螺旋上升。分類聚合算法只是把自己看作一個(gè)置身事外的觀察者，正如科學(xué)試驗(yàn)里的觀察者，以為自己不在事件之中。但這是不可能的，算法已然在參與人性的構(gòu)建，只是采取了消極的方式——人以群分，每個(gè)人沉淪在自己的趣味里。后果是讀者的極化，老死不相往來，像黑客帝國里的人繭。人繭衰弱的同時(shí)，系統(tǒng)的活性也在衰減。

極端分化的人群與極端分化的信息一樣，缺少活性。而搜索引擎則沒有那么主動(dòng)地去極化人群，因?yàn)槿嗽谒阉鲿r(shí)候主動(dòng)性更強(qiáng)。

我們可以用貝葉斯算法本身的問題來解釋這個(gè)危險(xiǎn)：

研究者John Horgan在《科學(xué)美國人》上發(fā)表了一篇文章《被追捧和被歪曲的貝葉斯理論，究竟有什么大不了？》（由“機(jī)器之心”網(wǎng)站提供中文翻譯 ），講述了貝葉斯算法自身的一個(gè)矛盾（具體論證過程此處免去，可參見上面的文章鏈接）：

“貝葉斯理論沒什么神奇的。歸根結(jié)底，它就是在說，你的信念只和它的證據(jù)一樣有效。如果你有好的證據(jù)，貝葉斯理論就能得到好結(jié)果。如果你的證據(jù)不足為信，貝葉斯理論也就沒什么用。進(jìn)入的是垃圾，出來的也是垃圾。”

對(duì)貝葉斯算法來說，初始確定的概率很重要，比如前面提到“40%的成年男性喜歡閱讀軍事新聞”，這個(gè)概率判斷就是初始確定的概率，能通過社會(huì)統(tǒng)計(jì)獲得比較接近現(xiàn)實(shí)的數(shù)字，一般也比較符合常識(shí)。但是對(duì)于很多事情，比如“上帝存在”，初始概率就難說了，有人會(huì)定為百分百，有人會(huì)定為零，于是最終結(jié)果不過反映了給出初始條件者自己的主觀愿望。即便

“40%的成年男性喜歡閱讀軍事新聞”，表達(dá)的也是現(xiàn)有的社會(huì)狀況。最終的資訊推薦結(jié)果則反過來強(qiáng)化了這個(gè)初始概率——愛看軍事的就更多地看到軍事新聞。認(rèn)為性別是后天建構(gòu)的女性主義者，恐怕就會(huì)討厭這種刻板狀況。

所以，目前的算法匹諾曹是不太懂得體貼各種人類需求的。未來他應(yīng)該讓不同的趣味，不同的人群相逢。如果只是一個(gè)升級(jí)版的沃爾瑪，算法背上的世界精神也終究只是互聯(lián)網(wǎng)化的于連·葛朗臺(tái)。

（以下劃線部分開始快樂地胡扯，讀者可略過）

按照信息熵算法理論，如果算法只以旁觀者身份進(jìn)行分類聚合排序，不增加互動(dòng)，不培養(yǎng)信息熵。那么在經(jīng)過足夠的統(tǒng)計(jì)之后，一切塵埃落定。如信息熵計(jì)算公式所表明，當(dāng)概率為0或者百分百時(shí)候，一切確定，信息熵就是零。

不讓信息在不同趣味群體間對(duì)流，就好比熱力學(xué)中杜絕兩個(gè)溫度不同物體的熱量傳遞，這是熵減少的過程。信息熵與熱力學(xué)的熵相反，在熱力學(xué)中，熵表示混亂程度，永遠(yuǎn)是增加的趨勢(shì)。而在信息熵理論中，熵意味著信息，熵減少意味著信息也減少。信息熵為零，不再有擾動(dòng)，對(duì)機(jī)器分類是好事，對(duì)人類不是好事，不再有碰撞，不再有激發(fā)，不再有智慧的“血?dú)狻薄?span>

如圖：概率為0或者1的時(shí)候，信息熵（H）為0

這是一個(gè)在坍縮的信息體，就像一個(gè)正在坍縮的宇宙。大量投喂的信息被分類后，難以產(chǎn)生新的“核聚變”。