江苏龙网

  1. 首页 > 人文 > >

数码实验室|又为啥会“失灵”？，推荐算法为啥这么“灵”( 二 )


02推荐算法为啥会“失灵”？
推荐算法平时没什么问题 ， 但一旦出现极端情况 ， 譬如说爆发大规模疫情 ， 就会出现前面我们看到的推荐算法“失灵”的问题 ， 大量推荐的都是疫情相同的信息 ， 把其他信息都湮没了 。
不过说实话 ， 推荐算法有这样的结果 ， 其实是“合理”的 。 你想一下：疫情期间你的朋友、家人、同学或者同事 ， 包括你自己 ， 最关心的是什么？就是疫情 。
推荐算法这边呢 ， 我们一再强调推荐算法要做的是发现兴趣 ， 而恰恰是正确地发现了你对疫情的“兴趣” ， 所以推荐算法才给你大量推荐了疫情相关的信息 。 非要说这是问题的话 ， 恐怕首先也得是社会学的问题 。
但是 ， 深入地想一想就会发现 ， 这个问题没这么简单 。 互联网经济在过去很长一段的时间里是推崇一种理论的 ， 叫长尾理论 ， 大概意思是：人类社会中存在着大量的小众需求 ， 你贩卖的东西再离经叛道 ， 也总会能得到真爱的捧场 ， 互联网就是沟通小众需求的桥梁 。
推荐算法在很大程度上也受了这种理论的影响 ， 所以有一种说法是：推荐算法的最终目标就是能发现这一个一个的小众圈子 ， 把小众的信息推荐给圈子里的人 。
但现实却是另外一回事 。 近几年大家讨论更多的是另一种互联网现象 ， 如果你经营过公众号或者当过UP主 ， 应该会对这种现象印象深刻 ， 这就是头部效应 。
大部分甚至绝大部分的互联网流量 ， 实际上是被少数几个“头部”信息生产者吸走了 ， 剩下绝大多数的信息生产者 ， 则仍然是静静地呆在角落里面被人遗忘 。
数码实验室|又为啥会“失灵”？，推荐算法为啥这么“灵”
文章图片
本该打破这一现象的推荐算法 ， 反而加剧了这种现象 。 因为占据头部 ， 所以容易被推荐 ， 因为容易被推荐 ， 所以继续占据头部 ， 推荐算法导致的这种上升螺旋 ， 让头部效应更加明显 。 如果把本次疫情看作是一个新的头部 ， 也许能更好地理解推荐算法为什么会在疫情中出现失灵 。
那么 ， 这个问题应该怎么解决呢？这个问题 ， 容易回答 ， 也不容易回答 。 从技术的角度看 ， 这个问题想要解决 ， 思路是很清晰的 ， 就四个字：去极端化 。
理论研究和真实环境往往有差别 。 理论研究都爱对环境条件进行简化假设 ， 智能算法也不例外 ， 通常假设各种情况出现的概率是服从均匀分布的 ， 大家应该是旗鼓相当的公平竞争 ， 谁也压不住谁 ， 然后再在这个假设条件下构建算法的各种逻辑 。
但实际上 ， 一枝独秀也许才是真实环境中最为常见的情况 。 其它的所谓竞争者 ， 要么是萌新 ， 躲在角落瑟瑟发抖 ， 要么是菜鸡 ， 互啄上不了台面 。 在算法看来 ， 这种现实情况和假设情况相差实在太远 ， 太极端 ， 所以 ， 会出现奇奇怪怪的结果自然也就不值得奇怪了 。
要让算法恢复正常怎么办呢？只要把极端情况变得不那么极端就可以了 ， 很多依靠评委打分的比赛为了避免受极端情况影响 ， 通常会选择采取去掉一个最高分和一个最低分的做法 ， 就是类似的思路 。
不过 ， 技术本身是中立的 ， 是正是邪 ， 要看使用的人 ， 就好比菜刀 ， 究竟是用来切菜还是砍人 ， 不是由菜刀自己说了算 。 现在讨论的很多问题看起来是技术的问题 ， 其实还是人的问题 。 譬如人工智能 ， 说到自动驾驶 ， 我们就很爱讨论一个话题 ， 说算法应该怎么处理电车难题 。
但实际上 ， 算法自己是不会产生价值观的 ， 算法的价值观 ， 说到底还是人的价值观 。 推荐算法究竟要怎么改 ， 说到底还是要看推荐算法的使用者怎么定义价值 。
我想 ， 推荐算法最后一定能够满足“推荐有价值信息”这一要求的 ， 但是 ， 这里的“有价值”究竟是对谁而言的有价值 ， 那就是另一个问题了 。
关于作者：莫凡 ， 娱乐向机器学习解说选手 ， 《机器学习算法的数学解析与Python实现》作者 ， 前沿技术发展观潮者 ， 擅长高冷技术的“白菜化”解说 ， 微信公众号“睡前机器学习” ， 个人知乎号“木羊” 。


推荐阅读


上一篇：乌鲁木齐晚报|建三个填补新疆相关领域空白专业园区，乌鲁木齐工业投资集团和米东区政府签约

下一篇：Batbot智慧电力云平台|那么它到底好在哪里呢？，【行业】我们为什么需要电力智能运维？-batbot智慧电力（运维）云平台我们一直在强调智能电力运维革新了传统电力运维