久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

算法推薦的技術原理

各種形式的算法推薦，包括《規定》中列舉的“生成合成、個性化推送、排序精選、檢索過濾、調度決策”等形式，當下主流的實現方式都是采用機器學習（machine learning），背后的原理都是基于貝葉斯統計（Bayesian statistics）方法的預測——聽起來很高深，其實通過一個簡單的例子很容易就能理解。

假設你丟一個以前沒用過的骰子，你認為有多大概率丟出6點？當然，在沒有任何額外信息的情況下，你的預測是“1/6”。然后，你連續丟了20把，每把都是6點，這時候你認為下一把繼續丟出6點的概率是多大？經典概率論說，每次丟骰子都是一個獨立隨機事件，過去丟出的點數不影響未來丟出的點數，所以你的預測仍然應該是“1/6”。但很明顯正常人不會這么想。

“這個骰子連丟了20把6點”這項信息很明顯會影響對未來的決策（例如可能說明這個骰子被灌了鉛），因此你會預測下一把有很大概率還是會丟出6點。簡化地說，貝葉斯統計就是“基于過去已經發生過的事件預測未來將要發生的事件”。各種算法推薦都是在進行這樣的預測：

知乎的個性化推送就是預測用戶可能喜歡看什么問題和回答；

百度的檢索過濾就是預測用戶可能對哪些搜索結果感興趣；

淘寶的排序精選就是預測用戶可能購買哪些商品。

這些預測所基于的“過去已經發生過的事件”則是與用戶相關的、非常寬廣的數據集，不僅包含“用戶看過/贊過/收藏過哪些回答”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、上網設備、買過什么東西、發過什么言論、住多大房子、家里幾口人、喜歡張信哲、反感蔡徐坤……這些信息都會被用于預測用戶的偏好。

每一項類似這樣的屬性信息也被稱為“特征”（feature），對于一個普通用戶，互聯網公司通常擁有數千、數萬項特征信息。其中一些特征信息來自該公司本身的業務，更多的特征信息來自其他平臺，三大運營商、微博、騰訊、阿里、手機制造商等企業都會SDK（軟件開發包）的方式與其他互聯網應用共享用戶個人特征信息。

知乎與第三方共享個人信息的清單（部分）

在所有這些特征信息中，給定一項具體的預測，有些特征與這項預測的相關度較高，有些特征的相關度則較低。如果能從預測的結果回溯到哪些特征產生了重要的影響，我們就可以說這種算法“具備可被審核性”（auditable）。例如最簡單、最基礎的機器學習算法線性回歸（linear regression），其原理就是根據過去的事件給每項特征打一個權重分數，然后根據這些權重分數預測未來的事件。從一個線性回歸的預測模型中，可以直觀地看到每項特征的在預測中的權重，因此線性回歸是特別容易審核的一種算法。

當然，最簡單、最基礎的算法，也就存在預測能力不夠強的問題。形象地說，只用簡單的線性回歸，無法把特征值里隱含的信息全都榨取出來，所以預測效果不見得特別好。于是科學家和工程師們想了很多辦法來壓榨特征值里的信息。一種辦法叫“特征工程”（feature engineering），說白了就是從已知的特征值推導出新的特征值，例如根據用戶的手機型號、購物清單給用戶打上“購買力強”或者“時尚潮人”的新標簽，這就是一種簡單的特征工程。

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，然后用各種數學方法把輸入層變換成新的信息節點，從而形成一個多層的“網絡”。這個變換的過程可以重復進行，變換的層數越多，就說這個網絡越“深”——這就是“深度學習”（deep learning）這個詞的由來。

盡管科學家經常用“神經元”、“神經網絡”來類比這些數學變換的結果，但很多時候，經過這些變換得到的信息節點幾乎沒有現實世界中的含義，純粹是一種數學工具的產物。所以業界有一種說法：深度學習就像煉金術（國內也稱“煉丹”），把數據丟進神經網絡，不知道什么原因就煉出結果了——如果結果不理想，就再加幾層神經網絡。

正因為深度學習常有“煉金術”的神秘感，使用它們的工程師經常自己都不知道為什么一個算法有效。例如谷歌曾發表過一篇論文介紹他們的圖像識別算法，其中使用了一個深達19層的神經網絡（VGG19）。然而谷歌的照片服務（Google Photos）卻多次被曝暗含種族歧視，甚至把黑人照片識別為“大猩猩”。事后谷歌根本無法找出算法中的問題出在哪里，只好刪除“大猩猩”標簽了事。

VGG19：深度為19層的卷積神經網絡，主要用于圖像識別

盡管有谷歌的前車之鑒，類似的問題仍然在各家互聯網巨頭的產品中反復出現。2020年，部分臉書用戶在觀看一段以黑人為主角的視頻時收到推薦提示，詢問他們是否愿意“繼續觀看有關靈長類動物的視頻”。2018年MIT媒體實驗室的研究員Joy Buolamwini發現，微軟、IBM和Face++的人臉識別算法在識別黑色人種的性別的錯誤率要遠遠高于白色人種，而且膚色越黑，識別率就越低，黑人女性的識別錯誤率高達35%。過度依賴“煉金術”式的深度學習算法，是這些互聯網巨頭對算法審核態度冷淡的原因，同時也導致它們難以修正其算法中隱含的系統性歧視。