模型的训练上,头条系大部分推荐产品采用实时训练。实时训练省资源并且反馈快,这对信息流产品非常重要。用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。
目前,头条的推荐算法模型在世界范围内也是比较大的,包含几百亿原始特征和数十亿向量特征。
在信奉算法理念之上,头条系的每一个用户都被打上了“标签”,从你的兴趣爱好、你的性别年龄、你的常驻地点到你偏好的阅读时间等等,算法可能比你自己更了解你。今日头条表示,这些用户标签非常有助于推荐。
反观微信,在微信更新7.0版本之际,有媒体表示:“今日头条靠机器算法,给内容和消费者两端同时贴标签,来实现匹配。微信靠的是‘气味相投’、‘人以群分’的人脑算法,姑且称之为‘圈层算法’。”
微信的圈层推荐机制,集中体现在“好看”
在微信7.0版本中,公众号每一篇文章底部的点赞按钮变成了“好看”按钮,点一点即可转发到“看一看”页面的feed流里。同时,“看一看”增加了“好看”tab,你也可以在feed流里直接通过点赞来转发这篇文章,通过评论来分享观点,而你的转发和评论也直接展现在微信好友的看一看feed流中。这让微信“看一看”拥有了类似微博的转发和评论的社区功能。
张小龙信不信算法?起码在内容分发上,张小龙更相信用户的品味,他相信微信的人脑圈层分发机制,是可以做到优于机器算法机制的。在上周微信公开课的演讲中,张小龙说:
……对于AI,其实从技术上来说,我们是特别认同它。但是我们一直认为,好的技术是为产品服务的,AI 应该默默躲在后面帮助用户来做一些事情,就像语音识别一样。
当我在内部提这些的时候,有同事问我,我们的目标难道不是尽可能的获取用户的点击吗?我们为什么要想那么多产品之外的东西?就像谷歌的员工为什么要反对公司把这一项技术应用在军方项目一样,我认为我们做的每一件事情背后,都是有意义所在的。
所以我们总是认为用户怎么怎么样,似乎用户是一个陌生的我们不认识的一个人群,然后我们控制他们,施加他们。但是,在微信,我们要时刻提醒我们自己的是,我们自己就是用户,我们施加于用户身上的,最终也会施加到我们自己身上,有点像己所不欲勿施于人。所以到底施加到用户身上是一个什么东西?这个确实值得我们反思。
年轻人的多闪,能为AI+社交带来新的可能性吗?
根据We Are Social《GLOBAL DIGITAL REPORT 2018》,全球40亿网民中,活跃的社交网络用户有30亿,比2017年增加13%。
同时根据CAICT数据显示,由微信驱动的信息消费总额达2097亿人民币,带动了3339亿元人民币的传统消费,在2017促成就业人数达2030万人。
人与人之间的交往,产生的数据是几何级的增长,传统的方式显然已经跟不上这个速度,AI的介入是必然的。
我们看到,无论是相信算法力量的字节跳动,还是相信人心温度的维系,两者现在都在做一件事:往社交中注入AI。只不过前者是显式的,而后者是隐式的。
首先,AI处理海量非机构化数据的能力,能够很好的识别社交网络中的不和谐内容,是目前各大社交平台应用最多最成熟的功能之一。
其次,AI在知识图谱、NLP、CV方面的应用,能够更快速的为用户提供符合口味的内容,更精准的匹配到想要认识的人。
再次,AI作为一个广谱催化剂,能够极大的促进平台提取用户价值的能力。
其实AI+社交已经应用很久了,只是大部分时间都被隐藏在幕后,没有带给大众明显的感知。
头条这次让AI从社交的幕后走向前台,希望通过短视频的形式找到一个突破口,打破已有的社交网络格局。
这次尝试或许能够带给我们新的启发,在AI技术的加持下,是否有可能找到一种新的形式,甚至一种新的社交关系?
最后,向各位读者提出一个问题。如果你(产品经理除外)用多闪,会添加同事和老板为好友吗?