移動閱讀未來觀

移動閱讀未來觀

北京2016年9月27日電/美通社/--從機器人寫稿到機器智能分發(fā)，以及“個性化推薦”功能在移動閱讀領(lǐng)域的廣泛應(yīng)用，人機之間的連接越來越密切，讓科幻大片里機器人“深度學(xué)習(xí)能力”并非那么遙不可及。也由此引發(fā)了各種觀點的紛至沓來，人工智能的春天能否成為人類福音的談?wù)摬唤^于耳。

在日前舉行的主題為《人機大戰(zhàn)還是人機共舞？》媒體沙龍上，一點資訊向媒體詳細闡述了機器算法在移動閱讀領(lǐng)域的應(yīng)用的優(yōu)勢及陷阱，而尋找人工與機器算法之間的平衡之道才是整個行業(yè)的未來趨勢。

碎片化時代下，人工編輯與機器的優(yōu)勢和陷阱

如今，人工智能已經(jīng)廣泛應(yīng)用至科技、醫(yī)療、教育、購物、交通等各個行業(yè)，當其落實到內(nèi)容分發(fā)領(lǐng)域時，便是我們所說通過算法讓機器如何在海量內(nèi)容中進行篩選，做到落實到單一用戶的個性化推薦。而個性化推薦中的核心，就是機器算法的運用，其對內(nèi)容分發(fā)領(lǐng)域的意義在于能夠大大提升內(nèi)容分發(fā)效率。

在傳統(tǒng)的門戶時代，網(wǎng)站使用的是人工分發(fā)模式，依賴的是門戶編輯的專業(yè)經(jīng)驗，內(nèi)容品質(zhì)雖然能得到保證，但效率低下，也大多是熱點或其周邊內(nèi)容，無法滿足用戶大量長尾個性化內(nèi)容的獲取。

一點資訊算法總監(jiān)王元元認為，這兩個問題正是算法所擅長解決的：一方面，算法能夠?qū)Ａ康膬?nèi)容進行精細的加工，提取分類、主題、標簽、風格等結(jié)構(gòu)化信息，更進一步，這些豐富的結(jié)構(gòu)化數(shù)據(jù)能使得算法更高效的調(diào)度流量，利用用戶的行為探索并發(fā)現(xiàn)有潛力的內(nèi)容。另一方面，算法排序更是徹底解決了人工排序問題，算法排序的核心是根據(jù)用戶、內(nèi)容、上下文信息決定實時計算每個內(nèi)容的得分，按照得分進行排序，排序結(jié)果是個性化的。

但機器并非萬能。盡管機器在內(nèi)容分發(fā)領(lǐng)域帶來極大的效率提升，要做到完全取代人工編輯仍困難重重。原因在于，單純依賴用戶瀏覽行為進行個性化推薦的邏輯雖然切中了人性弱點，卻也非常容易帶來內(nèi)容品質(zhì)的下降。

個性化推薦算法基于用戶點擊、瀏覽、停留時長的數(shù)據(jù)，輸出與用戶相匹配的文章，機器算法在個性化推薦中的作用可以得到更加高效的發(fā)揮，某種意義上，這與教育孩子的過程并無二致。“基于一個類似黑盒子的算法模型，機器能夠讓用戶持續(xù)不斷的發(fā)生點擊行為。但純粹從模型驅(qū)動，就會導(dǎo)致用戶被數(shù)據(jù)欺騙，淪為‘烏合之眾’。用戶的點擊的欲望是有的，但其產(chǎn)生的價值其實是非常難衡量的?！蓖踉M一步解釋。

失去用戶主動興趣表達下的偽個性化大行其道

一點資訊副總裁金治認為，自古以來人們就在追求閱讀背后的價值，但是在個性化推薦時代，過分依賴算法而忽略用戶主動表達的“偽個性化”卻剝奪了這一價值。一點資訊希望通過技術(shù)手段鼓勵用戶表達、發(fā)現(xiàn)、滋養(yǎng)自己的興趣，獲得更多的閱讀價值，這才是未來閱讀演進的方向。

金治認為，忽略了用戶主動表達的個性化都是偽個性化。他以最近前段時間大火的王寶強、馬蓉事件為例做了生動解讀：

“有些所謂個性化的產(chǎn)品滿屏的王寶強新聞，剛開始用戶出于好奇必竟這類新聞能夠滿足用戶八卦、獵奇的心理需求，但點過之后算法會持續(xù)給這個用戶推王寶強的新聞，但用戶真的是希望持續(xù)關(guān)注王寶強事件嗎？不一定。所以說，這種只是基于用戶點擊行為、沒有用戶主動表達興趣的個性化只是‘偽個性化’。”

只尾隨用戶閱讀行為以求在下一次推薦中取悅用戶的分發(fā)機制，無疑

會使得標題黨、低俗內(nèi)容就能獲得高流量，深度好文的價值被忽略。劣幣驅(qū)逐良幣，整個內(nèi)容生態(tài)就會崩塌，媒體行業(yè)的價值也會解體。

作為技術(shù)發(fā)展的產(chǎn)物，算法+深度學(xué)習(xí)的人工智能在資訊領(lǐng)域的運用開啟了個性化推薦時代，卻又因為把關(guān)人的缺席助長了人性弱點，讓閱讀價值悄然流失。但是機器與人性的平衡并非不可求，實現(xiàn)閱讀價值最大化的關(guān)鍵還是在于移動資訊行業(yè)從業(yè)者如何運用。

基于全球首創(chuàng)的興趣引擎，一點資訊的搜索+訂閱的個性化推薦模式支持任意關(guān)鍵詞的長尾頻道訂閱，是行業(yè)內(nèi)唯一給出用戶主動表達興趣入口的移動資訊產(chǎn)品。

人機結(jié)合重新定義移動閱讀未來

單純依賴編輯經(jīng)驗的內(nèi)容分發(fā)效率低下，也是機器分發(fā)逐漸取代人工分發(fā)成為資訊客戶端內(nèi)容分發(fā)主要模式的重要原因之一。但另一方面，一味仰賴數(shù)據(jù)支撐和話題相關(guān)性的算法推薦，容易帶來內(nèi)容品質(zhì)的下降，導(dǎo)致為滿足用戶碎片化閱讀時間和共性需求的標題黨、低俗文章、無營養(yǎng)的雞湯文大行其道。

因此，尋找人工與機器算法之間的平衡之道，成為移動新聞甚至整個移動閱讀領(lǐng)域的未來趨勢。

王元元介紹，與一般具備個性化推薦功能的移動閱讀客戶端不同，一點資訊憑借用戶興趣搜索+訂閱不同主題內(nèi)容的用戶興趣主動表達的“興趣引擎”，可以發(fā)現(xiàn)更加真實、完整的用戶畫像，為其推薦除了熱點、爆炸性新聞之外的更有意義和價值的信息，提供兼具共性與個性的移動價值閱讀平臺。

通過機器算法幫助用戶從海量信息中找出真正有趣有料有用有品的內(nèi)容，再根據(jù)用戶興趣圖譜推送，是一點資訊的平臺核心技術(shù)優(yōu)勢。而人工編輯憑借專業(yè)經(jīng)驗的對機器進行訓(xùn)練，讓機器能夠更加精準地將具備價值性的內(nèi)容有效分發(fā)給對這部分內(nèi)容真正有需求的用戶。這也是一點資訊與單純?yōu)榱嗽黾佑脩羰褂脮r長而選擇基于人性弱點來推薦內(nèi)容的平臺的最大區(qū)隔。

一點資訊將機器學(xué)習(xí)+人工編輯的“人機智能”率先應(yīng)用于移動資訊領(lǐng)域，致力于幫助用戶更好的發(fā)現(xiàn)、表達、甄別、獲取和管理對自己真正有價值的內(nèi)容，引導(dǎo)用戶在移動端的深度閱讀行為，帶來價值內(nèi)容在移動互聯(lián)網(wǎng)的延伸。

（消息來源：一點資訊）