Parmy Olson
本文作者是Artificial Solution公司CEO劳伦斯·弗林(Lawrence Flynn)。这家开发自然语言处理(NLP)服务的软件公司于2001年在瑞典斯德哥尔摩成立。2010年5月,劳伦斯·弗林加入Artificial Solution公司,接替联合创始人、董事会成员约翰·阿伦德(Johan hlund)担任CEO。自然语言处理是支持苹果公司的Siri和Google Now等数字个人助理的一项关键技术。微软公司也将推出虚拟助理Cortana,这项服务可能应用于安卓和iOS等竞争对手的操作平台。
在这篇文章中,弗林解释了在让这些虚拟助理变得更加智能化的过程中,幕后学习——即“隐式个性化”——将变得越来越重要的原因。
随着针对终极个人助理的竞争越来越激烈,人们正将注意力转向能够提供最具个性化体验的服务。尽管斯嘉丽·约翰逊(Scarlett Johansson)在电影《她》(Her)中饰演的萨曼莎可能依然更接近科幻小说的虚构,但当今功能复杂的个人助理已经能够提供超出你想象的个性化服务。
想知道什么是隐式个性化,以及为什么这项服务是实现终极个人助理的中间步骤,你需要知道以下五点。
1、什么是隐式个性化?它重要在哪里?
隐式个性化让机器像人一样通过语言不断了解用户。比如说,你使用的个人助理也许已经知道你的妹妹、丈夫乃至老板都是谁,而这只是因为在某个时候,你可能向她发出过这样的指令:“给我妹妹安妮(Annie)发条短信,告诉她我会迟到15分钟”。个人助理会执行这个指令,并且把安妮是你妹妹的信息存储起来。
个人助理也可以通过这种方式了解其他的个人信息,比如你最喜欢的电影类型,或者你最喜爱的菜肴。为了让私人助理向用户提供更准确的答案和建议,私人助理需要学习用户的好恶,而在这个过程中,隐式个性化是更加自然的方式。
另一种方法是通过显式个性化(将这些关键事实正式“告知”你的个人助理——通常要填写查找表来完成)来创建这种类型的知识,对用户来说可能耗时太多、过于繁琐,让个人助理不可能得到长期发展。
2、隐式个性化与显式个性化有什么不同
隐式个性化是通过长期交流自然地了解用户的信息。显式个性化可能是你针对具体特点进行设置,比如你倾向于使用Wolfram Alpha搜索引擎而不是谷歌作为信息来源,抑或是提供你的出生日期或喜欢的球队等个人资料。
3、地理位置意味着更好的个性化
地理位置和人口统计学在隐式个性化中发挥着重要的作用。个人助理很有可能只是通过闲聊,知道哪些地点对应你的住所、工作场所和你最喜爱去的健身房。此类信息让个人助理更容易提供个性化定制信息,比如天气或交通状况,而且也让个人助理变得更有用,比如在你出门旅行的时候。
当你来到离家几千英里的地方,你的个人助理不仅会欢迎你来到“黄金之州加利福尼亚”还会提供一系列的其他相关信息,比如返程时间和汇率,每条信息都根据个人助理已经了解的用户资料进行个性化定制。到了傍晚,当你想出外用餐的时候,你的个人助理可以根据已经知道的你的饮食喜好来推荐餐厅供你选择,如果你提出要换换口味,个人助理就会根据当地情况和其他因素来提供答案。
但还有一点,拜隐式个性化所赐,你的个人助理不仅知道你喜欢什么,还知道你不喜欢什么。所以她可能会回答,“和你同年龄段的人喜欢意大利餐厅,但乔治,我知道你不喜欢意大利面。日本餐馆怎么样?”
4、使用数据来源越多,个性化越准确
在理想的状态下,隐式个性化通过接受不同来源的信息获得最大的发挥。
打个比方,在Spotify上,你可以点击“忧伤”,让它播放此类音乐,但Spotify不会事先感知你的情绪。而使用隐式个性化的个人助理则不同,它能通过你之前使用的词或短语,或者仅仅通过你最喜欢的球队昨晚输了球这个事实,来判断你的心情。
个人助理通过整理来自多个渠道的信息,可能会知道你在跑步、驾驶汽车或周六晚间待在家中时分别喜欢什么样的音乐。所以你只要让它播放音乐即可,不需要提出具体的要求。
另一个例子是,个人助理知道你在看动作电影的时候总会打开“多米诺披萨”(Dominos Pizza)应用,因此下次你让她播放最新的好莱坞票房大片时,她可能会提醒你,“需要同时订购披萨吗?”
5、隐式个性化让隐私争论更加公开化
人们选择分享多少信息属于个人偏好。为了保护用户隐私,安全防护措施必须到位,但是机器助理的发展取决于机器学习,这依赖于在不同应用程序之间分享用户的数据,即使仅仅是在用户的账户内分享。
对于应用开发者来说,还有更加复杂的问题,因为隐私法在不同的国家间会有巨大的差异,这涉及到数据的使用以及存储方式。虽然围绕个人移动助理和隐私顾虑的问题仍然有待展开,但是开发个人助理的真正潜能需要更多的互动,这在很大程度上将取决于用户愿意分享多少信息。
译 孟洁冰 校 丁盈幸