大家都覺得抖音的演算法超強。而這篇由亞馬遜前產品經理Eugene Wei 的文章介紹了為什麼抖音的演算法這麼強大;不是因為算式寫得好,而是抖音賦予它一個容易高效學習的回饋環境。
不管什麼機器學習演算法,都要從各種不同的“訊號”中學習;明確告知什麼是對的,什麼是錯的。如果在對錯之間有混淆,AI就會接收錯誤的訊號,偏離用戶的喜好。
社交網站如Facebook、Twitter在演算法優化上的問題有兩個:
(1)這些網站是圍繞”社群“所打造的,他們希望你先與他人產生連結,接著再辨識你的喜好。但問題是,社交是一個很複雜的事情,跟你有連結的人不一定每個舉動你都喜歡。
你可能跟一個客戶有連結,但是討厭他每次都要PO炫耀自己去哪裡玩的文章,但迫於生活(?)壓力,你又不能不按讚。就拿這次美國總統大選來說,如果你是拜登粉,最近上台灣的臉書應該很鬱悶,但朋友的消息有時你又不得不看兩下。
Facebook在接收各種訊號的同時,殊不知用戶心中為五斗米折腰、為友情妥協的心理鬥爭。這種事情更容易體現在政治等敏感議題上,你不可能和所有朋友的每一個議題都相同,但這些連結會持續向你施加無聲的壓力。
而抖音相對簡單,這是一個以娛樂、興趣為主的平台,每一個影片受歡迎與否的因素非常簡單,看用戶喜不喜歡而已。你不需要擔心按讚了某個正妹的影片被老婆發現,只要簡單表達自己的慾望就好,這對演算法是更為友善的,因為所有的訊號都不複雜。
(2)社交媒體在設計上,為了讓用戶能夠快速產出內容,會鼓勵較為簡潔的訊息,尤其是Twitter,通常是一行文,但這會造成用戶的手機螢幕同時有3~4則不同的推文,演算法很難確認用戶到底是喜歡哪則推文才駐留的,自然就不能發送足夠乾淨的訊號。
而抖音每滑一次就是"一則"影片,你喜歡的會看完或按愛心,不喜歡就滑開,因為都是短秒數,所以能夠快速提供明確地訊號。
而Youtube在你看影片的時候,推薦類似或是其他人也會看的影片給你,但影片長短不一,需求也複雜,因此選擇過程遠不如抖音快速有效率。
第一點講的是抖音的用戶喜好不複雜,第二點就是產品設計上讓訊號能”快速且明確”地喂給演算法,快速學習每個用戶的喜好。
簡單來說,人際關係很複雜,興趣喜好很簡單,而簡單的事情比較容易優化。
機器學習其實是模仿人類學習的過程,所以我們也可以把這件事情延伸到職場生活上。譬如在公司裡,明確提供下屬好或不好的訊號很重要,但這可能只適合有明確對錯的事情。假設一件事情的對錯很難被定論,抑或是雙方沒有共識,要將此訊號灌輸給下屬,就會有優化失效的問題。
另一方面,雖然在演算法上,社群媒體所面臨的挑戰很大,但適當降低社交所帶來的複雜性,就能還給演算法相對友善的空間,而我認為其中一個很大的關鍵就是”文字“。「口誅筆伐」、「講話不經大腦」、「見仁見智」這些話都代表了文字的重量與複雜。
這篇文章中沒有提到的Instagram,就是很好的代表;以圖片為出發,少了文字乘載的各種觀點,用戶的社交壓力就沒有Facebook這麼重。
我想,人最終還是離不開社交的,只是就跟疫情依樣,如何適當的保持每個人的“社交距離”,提供演算法乾淨的訊號,也是社群網站下一步發展的重要關鍵。
有時候簡單一點,生活會過得快樂有效率些,演算法如此,社交也是如此。
以上,希望對你有所啟發。
感謝你花時間把文章看完,請再花3秒鐘用拍手給我專業建議。
請依據喜歡這篇文章的程度,以1-10個拍手做為1-10分的評分標準。(如果超級喜歡就請用力拍超過10次也行~笑)
這樣我才知道如何寫出對你有價值的文章!