Последнее увлечение лидера инноваций Майкла Шраге - это советы на основе искусственного интеллекта. В этом разделе вопросов и ответов он анонсирует свою новую книгу по этой теме.
Приглашенный научный сотрудник MIT IDE и эксперт по инновациям Майкл Шраге исследовал цифровые эксперименты, сетевые эффекты, ключевые показатели эффективности и самопрограммное обеспечение - будущее человека и личности - за последние несколько лет.
Его провокационная новая книга Механизмы рекомендаций, которая должна выйти 1 сентября в MIT Press, расширяет эту работу, чтобы исследовать, как человеческий выбор и рекомендации превратились в нынешнюю повсеместную технологию на основе алгоритмов, известную как Механизмы рекомендаций. В нем объясняется, как такие компании, как Amazon и Netflix, знают, что вам также может понравиться, и как они дают нам более качественные, быстрые, умные и персональные советы, чем наши собственные семьи и лучшие друзья.
В этом обширном интервью с директором по контенту IDE MIT Полой Кляйн Шраге обсудил тему книги, а также свою страсть к более широкому историческому контексту советов: «От гадания до астрологии; Дельфийский оракул - Макиавелли, Сэмюэлю Смайлсу и Дейлу Карнеги! Я хочу сказать, что системы рекомендаций - это следующий логический и вдохновляющий шаг в истории того, как люди пытаются создавать варианты для своего будущего ».
Сделайте предварительный заказ книги в MIT Press прямо сейчас.
MIT IDE: представляет ли предстоящая книга новое направление исследований для вас?
Майкл Д. Шраге: Это на самом деле представляет собой неожиданное совпадение. Я считаю, что механизмы рекомендаций - это самый крупный и смелый способ объединения цифровых экспериментов, сетевых эффектов и личных данных. Системы рекомендаций уже радикально изменили наши отношения с выбором: просто рассмотрите TikTok, Amazon, Netflix, YouTube, Spotify или Instagram. Мало что может быть важнее нашей способности делать правильный и осознанный выбор, и слишком мало людей понимают или ценят, насколько всеобъемлющими и убедительными стали механизмы рекомендаций.
Как я мог не интересоваться повсеместной технологией, которая буквально меняет то, что мы хотим?
IDE: в чем заключается основная тема?
MDS: «Системы рекомендаций» - это название книги, но эта книга действительно о прошлом, настоящем и будущем совета. Если мы действительно делаем выбор, то совет, который мы принимаем - и совет, который мы игнорируем, - становится удивительно важным для определения того, кто мы есть и кем мы становимся.
Все чаще то, что мы покупаем, людей, с которыми встречаемся, места, в которые мы (раньше) ходили, наша работа, развлечения, инвестиции, книги, музыка и работа, все чаще формируются механизмами рекомендаций: основанными на данных советами от все более умных машин, которые узнать у вас и о вас. Практически во всех сферах жизни - в отношениях, здравоохранении, поп-культуре - машины явно могут дать лучший совет, чем наши лучшие друзья. Я пойду еще дальше и скажу, что машины могут дать вам совет и совет, чтобы сделать ваших лучших друзей еще лучше. Я нахожу эту новую возможность захватывающей.
IDE: каковы основные выводы для читателей?
MDS: Книга предлагает быстрый и надежный способ познакомиться с техника, платформа и технология, которые с каждым днем будут иметь все большее значение для потребителей, сотрудников и программистов. Важно понимать основную динамику, которая влияет на наш мир и влияет на него. Чем больше мы узнаем об инструментах и технологиях, которые определяют наш выбор, тем лучше мы будем. Тем не менее, это не просто учебник для технарей; это книга, которая буквально охватывает человеческую историю советов - от гадания до астрологии; Дельфийский оракул - Макиавелли, Сэмюэлю Смайлсу и Дейлу Карнеги! Я хочу сказать, что системы рекомендаций - это следующий логический и вдохновляющий шаг в истории того, как люди пытаются создавать варианты для своего будущего.
Я надеюсь, читатели будут удивлены простотой невероятно сложных и сложных алгоритмов и огромными объемами данных, обрабатываемых для персонализации выбора людей.
Большинство людей не понимают и не ценят, как ансамбли относительно простых алгоритмов могут генерировать удивительно релевантные и привлекательные рекомендации практически в любой области.
IDE: что вы думаете о повсеместном распространении систем рекомендаций и гиперперсонализации? Есть ли обратная сторона?
MDS: В этой связи мы можем задать несколько вопросов: например, есть ли ошибки или функции повсеместности и повсеместности? Люди хотят множественный выбор или один выбор?
Будут ли люди чувствовать себя неловко из-за цифровой близости, основанной на данных, которая кажется инвазивной, или они будут в восторге от технологии, которая заставит их чувствовать себя хорошо из-за того, что для них доступно?
Мне стало ясно, что организации, которые стремились использовать механизмы рекомендаций в первую очередь в качестве инструментов продаж, имеют совершенно другой UX, чем те, которые хотят построить доверительные и надежные отношения с клиентами на протяжении всей жизни.
IDE: ожидаете ли вы точки насыщения потребителей, когда мы проснемся [надеюсь, после пандемии] и обнаружим, что нам действительно не нужны 20 000 фильмов и видео Prime или 20 миллионов песен на Spotify? Может быть люфт?
MDS: Не будем путать качество и количество вариантов выбора или поисковые системы с системами рекомендаций. Возможно, я захочу найти правильный музыкальный выбор не только для себя, но и для моей семьи или моего звонка в Friday Office Zoom. Рекомендуемые двигатели - это микроскопы, телескопы, осциллографы и МРТ. Они дают нам способы нарезать, нарезать кубиками и оценить функции и элементы, которые наиболее важны для нас в определенных контекстах. Это правда, что люди могут бояться технологий, которые знают о том, что им нравится и чего хотят, больше, чем они сами, но это будущее!
IDE: Что было для вас самым большим сюрпризом при написании этой книги?
MDS: История попыток объединить, объединить и объединить данные в практические и действенные советы - это просто потрясающе. Честно говоря, на протяжении всей истории и в разных культурах я был поражен человеческим стремлением получить отличный совет… будь то боги, случайности, звезды или iPhone.
Я также не думал, что машинное обучение так быстро и в значительной степени изменит механизмы рекомендаций по всему миру.
То, что, как я думал, займет десять лет, произошло всего за два-три года. Я был удивлен тем, как быстро рекомендатели стали супер-умными в отношении своих пользователей.
IDE: какое самое важное изменение вы видите на горизонте для систем рекомендаций в ближайшие два года?
MDS: Мой сегодняшний ответ - не тот ответ, который я дал бы, когда начиналась эта книга. Я ожидаю, что самое важное изменение в мире - это регулирование. К тому времени, когда правительства стран Азии, Европы и Америки закончат их, рекомендательные двигатели станут более регулируемыми, чем двигатели внутреннего сгорания.
