個性化算法影響你昨天選擇了什么，今天選擇了什么，明天會選擇什么。

同時，個性化似乎也有問題。我們經(jīng)常會遇到無聊的廣告。我們的數(shù)字個人助理并不那么私人。我們把朋友的算法丟到了新聞提要的深淵。我們在網(wǎng)上遇到的內(nèi)容一次又一次地儲存著同樣的東西。

個性化的形象就像在操場的鏡室里看自己。個性化使我們成為可能，并在我們的真實興趣和他們的數(shù)字反映之間造成了驚人的差距。

擬人化還是有五個主要原因。

數(shù)據(jù)缺口意味著在任何算法環(huán)境中只有有限的數(shù)據(jù)量。系統(tǒng)只能根據(jù)提供的經(jīng)驗和使用的反饋回路來理解你。即使系統(tǒng)使用外部數(shù)據(jù)源，它仍然只能部分理解您的興趣和偏好。

計算差距是指計算能力和機器學(xué)習(xí)技術(shù)的限制。當(dāng)今天最快的系統(tǒng)試圖以自己的方式理解一個人的復(fù)雜性時，它們就會變得太慢。與此同時，即使是最先進的機器學(xué)習(xí)解決方案也沒有為計算機提供一種無縫學(xué)習(xí)和適應(yīng)我們的方式。

利益差距與用戶、平臺和第三方行為者(如營銷人員)的利益沖突有關(guān)。歸結(jié)起來就是：在決定你能看到什么，能做什么的時候，誰的興趣和喜好是優(yōu)先考慮的？你可能對廣告不感興趣，但他們會給你看。當(dāng)有人為你的注意力買單時，你為自己選擇的能力就會被削弱。

行動差距定義了你的真實行動和你面對的行動之間的不和諧。例如，您可能想要按下一個不存在的“不酷”按鈕?；蛘吣憧赡懿幌朐倏吹揭粋€特定的圖像，但是沒有辦法讓它發(fā)生。你的行動被簡化以適應(yīng)環(huán)境的有限反饋循環(huán)。

內(nèi)容差距意味著任何平臺或應(yīng)用程序并不總是有滿足您確切意圖或需求的內(nèi)容。這也意味著服務(wù)內(nèi)容的多樣性可能非常有限。無論是體育新聞還是餐廳提示，應(yīng)用程序或網(wǎng)站可能會耗盡相關(guān)內(nèi)容。你的話題越多，你獲得持續(xù)適合你的內(nèi)容的機會就越少。

此外，在個性化的核心，還有一個更普遍的悖論。

個性化承諾根據(jù)您的個人興趣和偏好來修改您的數(shù)字體驗。同時，個性化被用來塑造你，影響你，指導(dǎo)你的日常選擇和行動。無法理解的算法意味著你自己做決定。他們減少了可見選擇的數(shù)量，從而限制了你的個人代理。

由于個性化的鴻溝和內(nèi)在悖論，個性化仍然沒有實現(xiàn)和不完整。它給我們的感覺是，它比我們自己更符合別人的利益。

有三種設(shè)計和發(fā)展的途徑，將有助于個性化更好地為我們這個獨特的個體服務(wù)。

個性化需要新的用戶界面范例和交互模型。為了彌合數(shù)據(jù)鴻溝，個性化界面有效地從直接和間接操作中學(xué)習(xí)。同樣，隨著系統(tǒng)從你做了什么和沒做什么中學(xué)習(xí)，計算差距也會變小。為了解決利益差距，你可以直接控制你所看到的。該界面允許您直觀地查看不同的備選方案，并混合來自第三方的相關(guān)內(nèi)容。你可以看到為什么會有東西給你看。這種透明度提高了您影響偏好的能力，也有利于平臺和第三方。

為了縮小動作差距，自適應(yīng)用戶界面允許基于您真實意圖和反應(yīng)的上下文感知交互，例如自定義表情或手勢。從內(nèi)容間隙來看，當(dāng)有有趣的東西可用且可操作時，系統(tǒng)可以通知你——手腕上有輕微的震動或者設(shè)備屏幕上有智能通知。新界面?zhèn)€性化了“我的時間”之上的實時計算。

個性化應(yīng)該能夠提供相關(guān)且令人驚訝、及時且成熟的內(nèi)容。從數(shù)據(jù)缺口和計算缺口的角度來看，如果系統(tǒng)提供了一套可供選擇的方案，可以對你的實際興趣有更詳細(xì)的了解。這可以讓你更詳細(xì)地表達(dá)你的個人興趣。同時，系統(tǒng)可以根據(jù)你的活動學(xué)會識別以前未知的或者非正統(tǒng)的聯(lián)系。

利益差距、相關(guān)信息和驚喜的混合讓你自己決定如何優(yōu)先處理信息。通過引入相關(guān)但多樣的替代方案，系統(tǒng)不會將您束縛在受限的信息孤島上。即使是時不時無關(guān)緊要的內(nèi)容也不會干擾你的體驗。兩者的關(guān)聯(lián)性和偶然性是主觀的和語境的.該算法識別出你什么時候愿意探索，或者什么時候你更注重目標(biāo)，搜索特定的信息。

為了縮小行動差距，各種明智的建議讓你用自己的話定義自己。系統(tǒng)開始了解你的短期和長期興趣，以預(yù)測你的信息需求。及時性不等于相關(guān)性；一個龐大的內(nèi)容庫可以很好地老化，而不會失去其吸引力或意義。隨著越來越多有趣的信息池，內(nèi)容差距已經(jīng)有效縮小。

個性化要把集體智能和人工智能結(jié)合起來。連接變得更快，計算機變得更智能、更高效。為了縮小計算差距，重點是加強人與機器之間的信息流。人類仍然是已知宇宙中最好的模式識別系統(tǒng)。我們可以幫助對方找到并發(fā)現(xiàn)有意義的信號。人工智能應(yīng)該通過向自適應(yīng)接口和預(yù)測學(xué)習(xí)系統(tǒng)供電來增強這種感知能力。

以人為中心的個性化帶來了人類固化的信號和自適應(yīng)的機器學(xué)習(xí)解決方案。這樣，智能系統(tǒng)通過學(xué)習(xí)我們個人和集體的互動和見解而成熟。這樣，人類的想象力和非理性才能超越算法決定論的局限。

擬人悖論呢？人格化領(lǐng)域沒有客觀性(也不應(yīng)該有客觀性的主張)。我們塑造算法，算法不斷塑造我們。為了更好地為我們服務(wù)，個性化算法應(yīng)該能理解我

最后，個性化作為一個概念源于工業(yè)大規(guī)模生產(chǎn)和營銷的世界。也許，為了標(biāo)志著算法輔助決策的新時代-并強調(diào)個人代理的重要性-我們應(yīng)該談?wù)撨x擇算法而不是個性化算法。

誰會為我們建立這樣的選擇算法？

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！