婚纱摄影

首页 > 正文

「Ta在」团队打造首款以实现全球脑为目标的KNS产品

www.bjchun.com2019-10-02

在5G时代,ECI算法将能够吸收更多的知识和经验。凭借低延迟和更快的传输速度,云服务器可以比本地CPU更快地处理数据。再加上可穿戴物联网设备的普及,全球大脑将能够发挥更大的力量。 “Ta in”已经与一些中国海洋团队合作,探索如何将ECI算法嵌入到这些团队的内容推荐和电子商务系统中,以提高转换率。 “如何让人类更聪明?”面对人类的第一次原子弹轰炸,曼哈顿计划的创始人范内瓦布什正在考虑这件事。

那是1945年7月。在新墨西哥州的沙漠中,相当于2万吨TNT炸药的核武器造成巨大的蘑菇云在离地面近米处爆裂,最终留下10米宽的坑在沙漠里。一个月后,同样的大坑出现在广岛和长崎。第二次世界大战结束。

共有9名科学家参加了测试爆炸。当科学家们看到这样一个出生在他们手中的壮观场景时,他们很难表达自己的感受。然而,在7月,当蘑菇云升起时,布什写了一封与原子弹无关的信《大西洋月刊》。在题为《诚如我思》(我们可能会想到)的文章中,布什提出了一个悲观的结论:“人类获得的经验正在快速增长,我们从知识迷宫中获取信息和知识。但是,它是和过去建造的横帆一样伟大。“

这个巨大的问题源于布什在管理曼哈顿计划方面的经验。在战争之前,科学家们在实验室中独自工作,以挑战特定领域的难题。曼哈顿计划走的是另一条道路:国家力量将来自物理,化学,材料等学科的科学家聚集在一起,分享他们领域和团队合作的尖端知识。布什担心的是战争即将结束。这种思维合作会继续吗?

该生物体已经发展成通过合作开发更高水平的药剂。这不是美国人的第一次创造,而是自然界的规律。以蜜蜂为例:每个人的智商都不高,但可以通过团队协作建立完美的巢穴。所以在19世纪,着名科学家尼古拉特斯拉预言,有一天世界将意识到所有人的联系。地球变成了大脑,每个人都是神经元。

预言最终是一个预言。利用人脑中的生物电,信息在神经元之间传递。但是,如果你想从人脑中获取信息并在不同的群体,学科和主题之间自由穿梭和流动,那么难度显然太大了。在布什看来,无论是信息的获取,存储还是连接,都存在着非常深刻和具体的问题:最优质的信息无法在第一时间到达需要它的人;在信息存储方面,我们仍然依赖它。经典卡片转录,百科全书。如果我们不重新思考人与信息之间的关系,并利用计算机的力量来提高这些环节的效率,那么全球大脑将成为空中城堡。

布什在《诚如我思》中提出的困惑指向了整整一代计算机和互联网发明者的目标。在原子弹爆炸事件发生75年后,我们使机器在信息的获取和存储方面发挥了重要作用。搜索引擎,内容分发算法和社交网络允许每个人的空闲时间快速填充信息。无论是圣母大火还是明天的限制,我们都清楚地知道。

但是,我们在信息联系方面仍然没有太多突破。人类有自己的思维方式,当心灵汲取信息时,它会立即联想到另一条信息。布什非常欣赏这一点,并写道:“人类行为的速度,思维轨迹的复杂性,以及想象力的细微差别恰恰是机械化的指标。人类不能指望完整的人性。复制精神过程,但人类当然可以从这个过程中学习。“

当我们以此为标准,回顾过去几十年互联网的变化时,我们会发现它与“信息连接”的初衷越来越远。由少数人设定的标记算法妨碍人们自由探索知识边界的能力。更多内容不允许我们进行认知升级,但由于信息过载而感到焦虑。

为什么会出现这个问题?

社交媒体无法解决知识共享问题

如果我们将人与信息之间的交互分为三个部分:获取,存储和连接;计算机似乎在前两个链接中做得很好,但是在“连接”上没有任何关系。事实上,无能为力正是因为计算机不能很好地帮助人们访问和存储信息。

目前,用户有很多方式从互联网上获取信息。常见系统包括知识系统(如维基百科,百度百科等),推荐系统(今日标题,信息等)和搜索系统(谷歌,百度等)。不同系统的基本逻辑是不同的:

- 知识系统基本上使用基于入口的系统来创建和维护术语和知识点

- 建议更多的是根据用户之间的内容或关联选择用户可能感兴趣的内容

- 搜索主要基于关键字和内容之间的匹配程度以显示结果

虽然上述各类系统都取得了巨大的成功,但它们也遇到了自身的问题和发展瓶颈。主要原因是这些系统是由少数人通过自上而下的知识传播的,并不是每个人的大脑都使用它们。

让我们首先看一下“知识网站”,包括知识系统和社交媒体。它们具有信息粒度低的优点,可以覆盖大量内容。缺点也很明显。一个是无穷无尽的新知识点的形成和维护是非常艰巨和繁琐的,并且很容易造成遗漏。第二,他们无法根据知识的变化和相互联系进一步发展和自我组织。

这种情况在实际使用中非常明显。维基百科无法找到和处理新知识,只能依靠用户创造新知识。知道是被动地吸收知识,有人需要提出问题来建立新的知识点。这是因为用户UGC生成的内容包含很多含义,机器光很难理解内容本身,更不用说了解语言难以清晰描述的意识和感觉水平的知识。然后抽象出知识之间的联系。

除了知识网站之外,今天的许多用户都依赖于今天头条新闻等推荐系统来获取信息。这些系统中的大多数使用凝固的神经网络。为了建立人与机器之间的连接,算法将建立标记机制。内容由手动或NLP模型标记,并且基于协同过滤的算法使用户能够使用标记进行映射。这种方法的问题在于它依赖于一维标签来描述用户,因此有时结果是不合理的,扭曲的或扭曲的,通常会放大一个人对特定内容的喜好和不喜欢。此外,许多高质量的内容可能不包含明确的标签,如音频,视频,图片等。很难用关键字来描述。

最后一类是基于微博和Facebook等关系链的社交网络。这些产品依赖于用户的共同兴趣来传输信息。但是,由于缺乏系统的知识结构作为支撑,它只能基于人际关系链恢复人与人之间的物理联系。很难传达个人思想和知识的表达。

例如,我想在微博上了解日本文化,但唯一的方法是关注“日本文化博客”。他确实发了很多我感兴趣的内容,但我也经常分享我的个人生活 - 这部分对我来说是信息过载。

另外,受制于流动理论,关注一个人越来越不是因为双方产生共鸣,而是因为对方有更多的发言权。与每个人都可以尖叫的BBS相比,Facebook和微博所代表的社交网络使用相关方和粉丝来限制信息的传播,这种交流甚至可以通过商业手段进行。营销。这使它们不再是传播思想和内容的公平平台。随着社会属性变得更加强大,知识的属性变得越来越弱。

因此,我们可以总结一些如何获取信息的问题:

- 信息过度依赖(小部分)人,导致推荐质量下降

- 缺乏自我进化和适应新信息的速度较慢

- 产品更关注关系链的稳定性而不是知识传播的效率

- 标签系统使得无法成为“互联网上的游牧民”,可以在不同内容之间自由行走,而是通过标签锁定在一个小网格中

出于这些原因,现有工具只能充当“信息源”。它们本质上是以机器为中心的,不是以人为中心的,不能与我们的有机思维过程相冲突。无论是维基百科还是维基百科,它们更像是由超高速CPU编写的字典,大量的“机械化索引”。

作为用户,我们希望工具可以取代我们进行搜索和搜索等“脏工作”,这样我们就有更多的时间来理解和消化新知识。这需要工具尽可能接近人们的思维模式,比如找人,编辑,关联,思考的人。

是否有可能将信息与人分开,自由传输,冲突,连接在互联网上?用户不再需要关注某人,他们可以获得准确的信息。信息发布不再需要被博客标记,转发,并由志愿者维护,而是由吸收社区智慧的“全球大脑”决定。这个“全球大脑”可以在每个人的帮助下独立发展和成长,理解信息和信息之间的关系,并实现真正的联系。

KNS知识网

从2015年开始,“Ta in”团队开始在美国创建一套新的算法来解决上述问题。在这种称为ECI的进化群体智能算法中,人们可以在没有基于认知的社会关系的情况下进行连接,但是通过大脑的知识特征和兴趣属性自动建立联系,并建立超越个人智慧的群体智慧。完成算法后,该团队于2018年11月推出了世界上第一个面向全球大脑的KNS(知识网络服务)产品,“Ta is”。

ECI算法的一大优势是自我进化。这是目前大多数信息采集方法的弱点。例如:亚马逊和淘宝基于标签系统,并根据用户看到的产品生成新的推荐。这种方法更像是一台机器(以及其背后的有限数量的程序员),它可以模拟用户的购买行为并推测用户可能喜欢的内容。这种机器逻辑有时会导致非常糟糕的用户体验,例如基于他们购买的产品向用户反复推荐所有类似产品。

ECI算法的内容分发逻辑基于多人判断而不是本地个人(例如逻辑和内容审阅者)的喜欢和不喜欢。它学习了大量用户的习惯,然后将信息分发给单个用户,然后根据用户的反应纠正系统判断,将其推送给用户,并反复学习。在长期的相互判断过程中,ECI算法不断发展,以达到促进群体智慧的目的。

每个人都将享受平台上每个人的判断力。最直观的例子是每个“Ta in”中帖子下的相关建议是动态的。根据集团的协同判断,长期演变和持续变化调整越来越全面,准确。

对应于该动态算法是同等进化的知识分类。现有的SNS要么依靠手动编辑来分类,要么依赖内容发布者有意识地标记分类。这显然是一个现实的妥协:电影可以分为许多类别,每个类别都非常复杂和多样化,因此显然不可能依靠手册来准确识别徽标。

“Ta is”使用ECI算法来识别内容。相同的内容可以分为多个标签维度(知识属性维度),并且这种分类总是处于进化状态。它消除了内容太深而无法被发现和连接的问题。该平台始终具有检索内容的灵活性。

问答和知识检索产品是充分利用这种进化分类优势的最佳方式。现有平台的最大缺点在于启动问题,第一步是在相应问题的具体分类下找到答案。这当然是违反直觉的。

在ECI算法下,用户可以根据内容和问题的特征属性自动连接相应的内容或人,间接建立人与知识的联系,最终将知识传播给具有相同爱好的人。谷歌和百度都不能这样做,因为他们现有的标记算法可以耗尽他们复杂的多维属性。

当演化逐渐趋于稳定时,将形成稳定的知识结构和人际结构。 ECI算法可以计算每个内容点,知识点和兴趣点与其他内容点知识点兴趣点之间的关系多少?他们有多少相似之处?或者他们之间有什么关系?当这种关系变得越来越精确和清晰时,“Ta in”最终将形成一个庞大的知识体系和知识地图。有了知识基础。

为了解释这一点,Tazai为其全球大脑平台设定了一个名为CIQ的值来描述平台的智能水平。目前,“Ta in”平台的CIQ值为18,这意味着它相当于智商为18的人。但即便如此,ECI算法也发挥了巨大的潜力。目前,“Ta in”问答帖的回复率非常高,这表明该算法将问题提交给对问题本身感兴趣或甚至经历过问题的人。

当CIQ达到100时,“Ta”平台上的知识量等于知识的大小。随着内容的广度增加,算法也可以更快地关联内容。当CIQ达到1000时,知识量就是Google的重要程度。在文章10-20秒后,瀑布将显示非常相似的内容推送。

除了自主演进和混合智能(结合人机判断和机器判断)之外,ECI算法最重要的一点是它可以充分利用用户规模并不断改善用户体验。对于其他社交平台,用户增长会降低用户的边际收益。用户和内容的大小越大,点击内容后就会有更大规模的垃圾内容。在ECI算法下,用户级别越大,作为分发引擎的“全局大脑”将能够学习更多的用户习惯并提高智能,从而将推送给用户的内容更准确,垃圾邮件将更加准确减。

目前,“Ta in”团队已经在其内容产品中验证了ECI算法的强大功能。根据团队的介绍,他们接下来希望将算法连接到外部平台,并使用更轻的模型探索其在ToB场景中的潜力。

如上所述,许多现有的电子商务和内容平台使用标签系统进行内容推荐,缺乏自我进化和学习的能力。在这方面,平台的B端缺乏消费者洞察力,无法提高购买转化率,并且允许用户经常接收垃圾邮件,导致信息过载。

几年前,“棺材”的消息在一定程度上引起了轩然大波。一个用户在淘宝网上意外搜索了该项目,但系统反复推荐他一段时间使用同一产品。归根结底,这是因为淘宝背后的推荐算法并不了解“棺材”是什么类型的商品:它的功能属性和使用频率是多少。

ECI算法将避免这样的错误,因为它真正了解每个项目是什么,并可以根据用户的情况和兴趣推荐它,以便推荐引擎可以真正帮助用户,而不是垃圾邮件制作者,促进真正的购买。随着购买量的增加,电子商务平台电子商务平台可以根据用户的消费心理获得更多的用户见解,例如计算以前从未见过的产品关系,并实施创新的产品推荐以刺激联合消费更多有效率的。换句话说,亚马逊可能只推荐尿布旁边的奶粉。但是,根据ECI算法,它可能会推荐啤酒和其他爸爸等产品。

在5G时代,ECI算法将能够吸收更多的知识和经验。凭借低延迟和更快的传输速度,云服务器可以比本地CPU更快地处理数据。再加上可穿戴物联网设备的普及,全球大脑将能够发挥更大的力量。

以教育行业为例。如上所述,ECI算法使“Ta”产品中的Q&A模块非常活跃,因为它可以连接和拓宽知识点。这条路径也可以应用于其他教育产品,并成为5G时代的重要应用。

众所周知,许多教育产品以视频为主要形式,视频内容很难构建,仍然处于手动标记和目录系统的阶段。数据传输的速度允许全球大脑学习和分发视频。产品将能够真正打破现有的“一刀切”教育大纲,在知识体系中进行横向探索,并在学习过程中判断用户的兴趣和主动性。 ECI驱动的问题搜索不仅可以返回文本结果,还可以返回图片和视频等相关信息。这与4G时代的体验非常不同。

目前,“Ta is”已与多家中国海洋团队合作,探索如何将ECI算法嵌入到这些团队的内容推荐和电子商务系统中,以加强转换。与以前的全球脑产品“Ta in”不同,这些外部合作将成为ECI算法的热门开端。该团队希望以更轻的模式与外部产品合作,例如技术股和股息。只有这样,ECI算法才能进入更大的世界,吸收更多人的知识和经验,从而不断提高算法的智能性。

计算机科学家Alan Kay曾说:“最好的工具可以开始激发人类的创造。”借助于理解自我进化和学习的ECI算法,知识不再无生命地堆积在硬盘角落上。相反,它可以自由流动和连接。这种联系肯定会为每个人创造更多的火花。到那时,“使用计算机增强人类智慧”的那一天将到来。

热门浏览
热门排行榜
热门标签
日期归档