AI有很多种形态。
尤其是在初步发展期,会以不同的面貌示人。
可以是由智能大模型驱动的黑灯工厂。
可以是拥有自主判断能力和交互能力的蜂群无人机打击群。
可以是内容输出端。
可以是智能社会服务系统……或智能交通运营系统。
刚刚完成蜕变,拥有智能人物精准画像技能的二郎神眼算法,则是一种智能画像精准推送相关内容的AI系统。
核心功能是智能画像。
有了这项功能,算法就不再遵循“同类标签”原则向用户推荐可能感兴趣的内容,而是通过算法提前预判用户的兴趣点,再推荐相关内容。
简单点解释,就是:算法比你更懂你!
这一点罗辉深有体会。
所以,就以自己为例子向顾吉巡查员说明情况:“其实我平时没有深度使用TT的习惯,除了偶尔关注关注这个平台的发展现状之外,大部分时间都忙于工作。”
“所以,每次打开TT使用的时候,接收到的推荐内容一般都是以前搜过的相关内容。”
“现在不一样了。”
“自从算法会智能画像后,根据同年龄阶段的用户喜好,给我贴了个‘饥渴’标签,疯狂推荐肤白貌美大长腿的漂亮小姐姐看。”
“这不是重点。”
“重点是,我居然沉浸进去了,刷着漂亮小姐姐的短视频,不知不觉一两个小时就没了。”
“这个功能很变态。”
“可以根据人物画像,精准地找到潜在的信息需求用户,把相关内容推荐给这些用户,潜移默化地改变他们的想法。”
“那个剑桥分析公司的算法也是这个套路,只是他们需要大量心理学家和数学家主动参与计算,才能形成完整的人物画像。”
“然后再根据人物画像手动发送相关信息,进而影响潜在人群的选票,进而影响大选结果。”
“二者效率天差地别。”
“相当于毛驴车和V12动力的跑车之间的区别。”
“借助这套算法,我们如果像剑桥分析公司那样去影响某个国家的大选结果,只需要输入相关信息即可。”
“算法会自动推荐给那些潜在可被影响的人群。”
“……”
原理听上去很简单,实际上在算法形成过程中,主要牵扯到行为心理学,还得搜集到天量的用户数据。
巧了不是?
TT平台二者兼具。
这也是算法数学模型成功蜕变成AI的关键所在。
这套说词,在过去的一个礼拜内,罗辉已经解释过无数遍。
现在锤炼得炉火纯青。
基本上张嘴就来。
很容易解释清楚。
“所以,你们有没有真实测试过这套算法对其他国家大选的影响?”
顾吉听完解释,突然抛出个尖锐的问题。
“我哪敢呐?”
罗辉两手一摊,表示自己很无辜,发现算法完成蜕变后直接去上报了。
根本不
请收藏:https://m.rmfoa.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)