【行业】如何用算法驯服算法?未来算法需要人类参与

算法无处不在。有时我们会看到痕迹。偶尔我们也会感受到这种影响。大多数时候,我们会模糊地意识到一个不可见的算法存在。我们开始学习如何使用算法,并了解它对未来意味着什么。

人们使用不同的策略来改变他们的网站或应用程序的体验。大多数人甚至从未想过要尝试使用设置。来自伊利诺伊州的詹妮弗总结了一种普遍的感觉:“我从来没有使用过设置,但我可以在没有它们的情况下控制我的反馈。”

当我们让人们查看他们在Facebook、谷歌和Acxiom的广告偏好时,他们很难找到它们。太多的地方需要去看,如果没有我们的指导,大多数人甚至不确定他们寻找什么。一旦参与者查看设置,就会感到不愉快。和研究中的其他许多人一样,来自弗吉尼亚的玛丽很沮丧,“看到Facebook对我的看法,这有点让人尴尬。我不知道我怎么会有这样的结局。”

该算法所知道的,有时有点太过接近,让人感到不舒适,从而产生了一种诡异的谷值效应。与此同时,这并不完全正确。这也是令人不安的。虽然有少数人去掉了不匹配,但很多人不愿意这样做。来自佛罗里达州的布列塔尼指出,“如果不知道这是怎么使用的,我不确定我能做出一个好的选择。”其他人只是不想让算法太了解他们。

这个算法产生了第二个我,或者完全是另一个人。

大多数人尽量少花时间在设置上,这可能不是新鲜事。当有一个中断的时候,这个脉冲是为了游戏的算法而不是调整设置。所有的喜欢和反馈,跟随和不跟随,归结为四个基本的算法塑造技术。

  • 回避

人们不希望算法跟随他们的每一步。因此,这一天以私人浏览会议和“备案”浏览之间的一个微妙的平衡为结束。来自威斯康辛州的马修描述了一种常见的做法:“我整天在私人窗口之间来回移动。”也就是说,人们不确定这是否有很大的区别。回避是保护某些关键信息的隐私。

  • 制作

因为算法似乎落后了一步,人们仅仅为了算法而进行一些活动。跟随,不跟随,喜欢,发布到多个浏览器或设备上,并使用多种社交媒体身份,这是一种策略。

  • 疑问

偶尔,人们会注意到一些看起来不太可能的事情。无论是广告,或者从他们的信息流中消失的人,或者奇怪的推荐。第一个冲动是寻求帮助或者只是抱怨。这就是关于算法如何运作的神话。

  • 恶作剧

当一个算法让自己以一个侵入性的广告或笨拙的机器人的形式出现时 — 人们似乎无法帮助自己。他们进行恶作剧。同样的算法也适用于一些过于个人化的算法,比如How-Old.net。恶作剧源于一种想要展示最聪明的算法的冲动。

当算法与我们的身份不同步时,这是一个问题。“这就像通过点击和喜欢得到另一个我一样。真的很奇怪,”来自新泽西州的马特说。

偶尔,我们会瞥见另一个版本的自己。对有些人来说,这就像看到一幅扭曲的自画像。对另一些人来说,它完全是另一个他们不太喜欢的人。为什么?“因为不管它现在对我有什么了解,都是一年前的事,甚至是一天前的事。现在不是我,”华盛顿的凯特说。

最终,我们希望看到算法看到的自己,并且在算法如何定义我们方面有更多的发言权。随着时间的推移,最好的算法会随着我们一起成长和改变。未来的算法 — 无论是反馈,或聊天机器人,或推荐 — 将会邀请人类的合作。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-12-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

利用好奇心做稀疏反馈任务的学习

AI 科技评论按:近期,Unity 发布了版本 0.4 的机器学习智能体工具包(ML-Agent toolkit v0.4),其中最为突出的新功能是通过额外的基...

672
来自专栏人工智能头条

【AI创新者】TensorFlow贡献者黄文坚:解读对比13个深度学习框架后的选择

1824
来自专栏Miguel三先生

今天,大家都在搜“爸爸”

1395
来自专栏程序员互动联盟

嵌入式,过时了没?

疑惑一 作者你好,我是本科生,之前是学java的,但是后来签的工作是嵌入式软件开发,我对嵌入式开发不太了解的,这行有前景吗? 这是小编在后台接收到的小伙伴的疑惑...

3257
来自专栏AI研习社

利用好奇心做稀疏反馈任务的学习

AI 研习社按:近期,Unity 发布了版本 0.4 的机器学习智能体工具包(ML-Agent toolkit v0.4),其中最为突出的新功能是通过额外的基于...

812
来自专栏架构师之路

从0开始做互联网推荐-以58转转为例

从0开始做互联网推荐【产品+算法+实现】 一、58转转简介 58旗下真实个人闲置物品交易平台 二、从0开始设计推荐产品框架 (1)首页推荐:提取用户画像,根据线...

3377
来自专栏目标检测和深度学习

VALSE 视觉资源汇总(视频+PPT+文章解读,持续更新)

VALSE(Vision and Learning Seminar, VALSE)发起于2011年,是国内计算机视觉、图像处理、模式识别与机器学习等研究领域的青...

985
来自专栏程序工场

福利篇:除了视频资源什么都没有

1266
来自专栏人工智能头条

贾扬清:希望Caffe成为深度学习领域的Hadoop

1634
来自专栏AI科技评论

学界 | 机器人走路未必笨拙,DeepMind新方法训练的人工智能就走得很飘逸

AI 科技评论按:无论是在树木间乱窜的猴子,还是躲避对手和进击目标的足球运动员,他们灵活敏捷的速度,都让人十分惊叹。掌握这种复杂的电机控制是物理智能研究的方向,...

3409

扫描关注云+社区