移動閱讀未來觀：一點(diǎn)資訊媒體沙龍?jiān)斀馊藱C(jī)智能

 　　從機(jī)器人寫稿到機(jī)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(jī)之間的連接越來越密切，讓科幻大片里機(jī)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(diǎn)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(jī)大戰(zhàn)還是人機(jī)共舞?》媒體沙龍上，一點(diǎn)資訊向媒體詳細(xì)闡述了機(jī)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(jī)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(jī)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(dāng)其落實(shí)到內(nèi)容分發(fā)領(lǐng)域時，便是我們所說通過算法讓機(jī)器如何在海量內(nèi)容中進(jìn)行篩選，做到落實(shí)到單一用戶的個性化推薦。而個性化推薦中的核心，就是機(jī)器算法的運(yùn)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(yàn)，內(nèi)容品質(zhì)雖然能得到保證，但效率低下，也大多是熱點(diǎn)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(diǎn)資訊算法總監(jiān)王元元認(rèn)為，這兩個問題正是算法所擅長解決的：一方面，算法能夠?qū)�海量的�?nèi)容進(jìn)行精細(xì)的加工，提取分類、主題、標(biāo)簽、風(fēng)格等結(jié)構(gòu)化信息，更進(jìn)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(shí)時計(jì)算每個內(nèi)容的得分，按照得分進(jìn)行排序，排序結(jié)果是個性化的。

　　但機(jī)器并非萬能。盡管機(jī)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(jìn)行個性化推薦的邏輯雖然切中了人性弱點(diǎn)，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(diǎn)擊、瀏覽、停留時長的數(shù)據(jù)，輸出與用戶相匹配的文章，機(jī)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(jī)器能夠讓用戶持續(xù)不斷的發(fā)生點(diǎn)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(diǎn)擊的欲望是有的，但其產(chǎn)生的價值其實(shí)是非常難衡量的”，王元元進(jìn)一步解釋。

　　失去用戶主動興趣表達(dá)下的偽個性化大行其道

　　一點(diǎn)資訊副總裁金治認(rèn)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(dá)的“偽個性化”卻剝奪了這一價值。一點(diǎn)資訊希望通過技術(shù)手段鼓勵用戶表達(dá)、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(jìn)的方向。

　　金治認(rèn)為，忽略了用戶主動表達(dá)的個性化都是偽個性化。他以最近前段時間大火的王寶強(qiáng)、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(qiáng)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(diǎn)過之后算法會持續(xù)給這個用戶推王寶強(qiáng)的新聞，但用戶真的是希望持續(xù)關(guān)注王寶強(qiáng)事件嗎?不一定。所以說，這種只是基于用戶點(diǎn)擊行為、沒有用戶主動表達(dá)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的分發(fā)機(jī)制，無疑會使得標(biāo)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(yùn)用開啟了個性化推薦時代，卻又因?yàn)榘殃P(guān)人的缺席助長了人性弱點(diǎn)，讓閱讀價值悄然流失。但是機(jī)器與人性的平衡并非不可求，實(shí)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(yùn)用。

　　基于全球首創(chuàng)的興趣引擎，一點(diǎn)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(dá)興趣入口的移動資訊產(chǎn)品。

　　人機(jī)結(jié)合重新定義移動閱讀未來

　　單純依賴編輯經(jīng)驗(yàn)的內(nèi)容分發(fā)效率低下，也是機(jī)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(biāo)題黨、低俗文章、無營養(yǎng)的雞湯文大行其道。

　　因此，尋找人與機(jī)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(diǎn)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(dá)的“興趣引擎”，可以發(fā)現(xiàn)更加真實(shí)、完整的用戶畫像，為其推薦除了熱點(diǎn)、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(jī)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(diǎn)資訊的平臺核心技術(shù)優(yōu)勢。而人工編輯、領(lǐng)域?qū)＜疑踔劣脩舢a(chǎn)生的海量興趣數(shù)據(jù)憑借專業(yè)經(jīng)驗(yàn)對機(jī)器進(jìn)行訓(xùn)練，，讓機(jī)器能夠更加精準(zhǔn)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(diǎn)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(diǎn)來推薦內(nèi)容的平臺的最大區(qū)隔。

　　一點(diǎn)資訊將機(jī)器學(xué)習(xí)+人工訓(xùn)練的“人機(jī)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(dá)、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。

　　作為一家集搜索引擎和個性化推薦的新一代內(nèi)容分發(fā)平臺，一點(diǎn)資訊自誕生時就具備人工智能的基因，其全球首創(chuàng)的“興趣引擎”技術(shù)擁有30多項(xiàng)國際專利。一點(diǎn)資訊最新官方數(shù)據(jù)顯示，目前平臺總用戶量超過2.3億，日活躍用戶3850萬，月活躍用戶1億，個性化頻道逾300萬個，單日人均使用時長超過54分鐘，自媒體總量超7萬家。(完)