别再管产品推荐叫“个性化”了
摘要
一篇观点文章,认为“个性化”推荐并非真正针对个人,而是基于行为聚类;同时,将同一套架构不加区分地应用于不同产品类别,是一种懒惰的AI设计。
所谓“个性化”推荐并不是针对你个人的,而是针对那些行为与你相似的人群。现在每个产品信息流都自称个性化,但看看这些系统大多数实际上是如何运作的。协同过滤——仍是大多数推荐系统的支柱——的工作方式是寻找具有相似行为模式的其他用户,并向你展示那些对他们有效的内容。它建模的是你被归入的那个聚类。它并不真正知道你是谁,或者你想要什么。如果推荐的是图书或电影,它偶尔可能奏效,因为在这些领域,品味确实趋向于按人口统计和行为聚类。但两个人在线上的行为可能完全一样(相同的点击/搜索/购买历史),却仍然需要完全不同的东西,因为他们的个人经历、文化、净资产、外貌等各不相同。所以,当一套“个性化”系统在这些类别中的某一种上出错时,它到底是出了问题,还是恰恰按设计意图在工作,只不过该类别本身需要的东西并非行为聚类?看起来开发者在使用AI时确实越来越偷懒了,尤其是同一套推荐架构似乎不停被套用到需求根本不同的各类别上。
相似文章
AI产品主要依赖聊天历史做个性化,这种做法是不是错了?
这篇文章质疑AI产品是否过度依赖聊天历史进行个性化,指出聊天历史数据嘈杂,且摘要、标签和偏好字段都有缺陷。它寻求在不显得侵入的情况下,找到替代的真实信息来源来获取上下文。
AI推荐不应过分追求显得自然。
文章指出,AI变现应优先考虑透明度,而非让商业推荐显得自然,因为这会损害用户信任。
智能体真的能从错误推荐中学习吗?
探讨AI智能体能否从被拒绝的推荐中学习,同时不损害用户隐私,也不过度个性化地适应个体独特的过去行为。
AI记忆产品优化方向错误
本文指出,当前的AI记忆产品优先考虑个性化而非真实性和可问责性,导致系统积累矛盾且无法可靠修正;文章质疑个性化是否足以用于生产环境。
别再什么都叫智能体了,明明不是
一篇批评性评论文章,认为大多数AI购物工具被错误地贴上了‘智能体’的标签,实际上它们只是增强的搜索或推荐引擎。文中以Glance为例,称其为时尚领域罕见的真正智能体。