国产九色porn网址_亚洲综合伊人_91麻豆精品视频_免费吸乳羞羞网站视频

    盡管AlphaGo的歷史性勝利已經被科技界熱議，但是機器學習和計算機算法對于人類社會的意義，仍然未被充分地認知。

    如果在圍棋這樣的復雜策略游戲中，都可以憑借海量數據和運算速率實現對人類的完勝，那么就像機器曾經在絕大多數體力活動領域所做的那樣，他們也能夠在大多數腦力活動領域替代人類的作用。

    事實上，這正在發生。

    1你的生活早已被算法“接管”

    當你用滴滴打車的時候，有沒有想過，系統是如何決定把你的訂單交給哪個司機的？

    你應該能猜到，這不是隨機的。

    想像一下，某位司機剛剛完成了一筆從海淀到通州的訂單，接著，他拒接了一筆從朝陽到昌平的訂單。那么，接下來，假設系統還繼續向司機推薦向西的訂單，他會怎么做？司機不斷拒絕系統指派的訂單，則無論司機還是乘客都會遭到損失。如果這樣的交易失敗不斷發生，那么乘客和司機可能都會選擇卸載這個APP。

    在推送乘客的訂單給司機之前，滴滴需要先預測不同司機對訂單感興趣的程度。根據每個司機過往的接單和行駛數據，滴滴會為司機建立起下面這一系列“特征”檔案：

丨來源：《滴滴打車CTO張博：生死戰役，技術和時間賽跑》、媒體報道

    這些數據有些是對用戶或司機透明的數據，有些則只用于計算機的算法計算。沒錯，其中每一項，都有可能對一次線下用車交易的體驗造成影響。

    想像一下每一筆滴滴交易的背后有多么龐大的數據計算量。而這樣的交易，僅僅在滴滴這個平臺上，每天就要產生1000萬次以上。除了滴滴，我們還有微信、淘寶、微博、今日頭條……

    人們對“提交請求-系統處理-獲得信息/產品/服務”的過程早已非常習慣，這也意味著計算機算法在逐漸“接管”我們生活的方方面面。“算法”正在成為這個世界里一種全新的“自然規則”。

    2算法從根本上解決信息匹配的問題

    算法解決的核心問題是，如何識別、篩選和分發信息。而計算機算法興起的背后，是人類行為產生的可存儲、可運算的數據量的不斷增大。

    每一分鐘，

    滴滴：有2,720個乘客成功提交訂單；

    Google：產生3,210,600個搜索請求；

    淘寶：產生48,000次交易；

    今日頭條：555,556篇各種內容被閱讀。

    （以上數據來源創業邦雜志等，部分經簡單計算推得）

    在海量的信息前，人類唯一的選擇就是尋求計算機算法的幫助，通過算法完成信息/產品/服務與用戶需求之間的匹配。對于滴滴，是乘客與司機之間的匹配；對于Google，是搜索請求與搜索結果之間的匹配；對于淘寶，是消費者和商品之間的匹配；對于今日頭條，是一篇內容與讀者的匹配。

    “媒體”幫助人類獲取信息，而計算機算法的信息匹配能力又如此出色，兩者按說會在第一時間“一拍即合”。然而，一個違背直覺的現象是：算法很早就開始被用于網絡上商品、服務、廣告信息與用戶的匹配，但真正應用于媒體行業，卻是最近 2、3 年才出現的趨勢。

丨媒體發展的三個時代，來源：網絡檢索、媒體報道

    和滴滴實現乘客端與司機端匹配的邏輯類似，今日頭條及類似產品是通過對內容端（文本、圖片、視頻信息的提取、識別和分類）以及用戶端（點擊、收藏、分享、閱讀時長等行為數據）的數據進行采集、運算和分析，實現信息和信息需求者的匹配。

    到目前，計算機參與內容生產環節（寫稿機器人之類的項目）的可能性還非常小。但是在內容篩選和分發環節上，計算機算法的應用正在日臻成熟，今日頭條在用戶市場上的表現已經證明了這一點。

    3媒體的“算法化”潮流

    在今日頭條的影響下，2014年以來，傳統三大新聞門戶紛紛對自己的傳統新聞客戶端進行改造，目前已經全部在不同程度上完成了對新聞客戶端的“算法改造”。

丨來源：媒體報道

    除了傳統新聞客戶端的算法改造之外，正如我的這兩篇文章《取消140字限制，微博會變成“社交版的今日頭條”嗎？》、《“朋友圈”的這些小動作，正在為微信公眾號的紅利期續命》所說，微博、微信這樣以社交特性為主的典型“社交媒體”目前也紛紛加快了引入計算機算法的腳步。

    相比精英時代的媒體，社交媒體讓參與內容生產和分發的人類勞動力總數急劇擴大，并且能依托“社交關系”這種紐帶實現一定程度的精準匹配。但是，隨著用戶社交關系的不斷增加，不可避免地遭遇了以下問題：

    朋友數量暴漲，基于社交關系的推薦質量驟降，帶來了大量信息冗余。刷屏、謠言、營銷過度等問題叢生。

    內容來源猛增，信息過濾效率降低，也就是你很難再在朋友圈看到有價值的內容。

    從內容創作的角度來看，新生內容生產者獲取流量成本劇增。大號壟斷了用戶絕大部分的注意力。

    無論是新媒體，還是傳統媒體的轉型，最終目的就是獲取更多的流量。因此，在微信公眾平臺逐漸進入存量競爭時期的過程中，內容團隊先后也研發出一整套提升流量的技術手段：

    賬號互推

    各類有獎關注活動

    關注后回復關鍵詞獲取各類資源等

    廣點通投放

    朋友圈廣告投放

    線下二維碼吸粉

    刷閱讀/點贊量（通過第三方榜單提升曝光）

    這些技術手段，不僅是草根自媒體獲得流量的重要手法，對于知名原創自媒體也有重要價值。例如知名視頻自媒體“一條”及其旗下新創美食自媒體“美食臺”就曾多次使用廣點通投放、朋友圈廣告投放等方式加速流量增長。“內容為王”在媒體行業內，一直是一句被高估的口號。

丨不同媒體時代的“流量優化技術”

    4你可以不會造車，但不能不會開車

    算法化潮流下，流量入口的格局也許會在幾年內再次“洗牌”，如何面向“算法”機制采取相應的流量優化，可能會是媒體行業的新議題。

    在美國已經出現了這樣的先驅。紐約一家名叫NowThis的短視頻公司，就通過一個名叫Switchboard的定制的內容管理系統（CMS）收集和分析來自YouTube、Facebook、Instagram、Vine等主流視頻平臺上的分發數據。并結合不同平臺的不同排序規則（不同平臺內容偏好不同，如 YouTube 偏好泛娛樂類信息）優化內容和發布方式。通過這種做法，這個40人規模的團隊最近4個月取得了全平臺視頻流量4億次的驚人成績。

    國內的內容創業團隊目前也有很大一部分開始布局多平臺的內容生產，無論是在微博、微信、頭條號平臺上，還是搜狐自媒體、新浪自媒體都注冊了賬號。但是，與NowThis不同的是，他們基本上還停留在復制相同的內容在不同渠道端重復發布，比如很多人并不是特別了解頭條號等平臺背后的算法機制，還停留在單純依靠內容和標題獲得流量的原始做法。

    相比傳統媒體時代，獲取流量的物理成本一直在降低，新增的成本則是——媒體人可能需要花更多時間和人力去理解算法，理解內容在算法平臺上的排序機制。對于最近這幾年持續進行轉型的媒體人群體來說，這是一項新的挑戰。

    計算機算法盡管對于信息的匹配和分發有著重要作用，但卻最先被使用于電商、O2O、搜索引擎等領域，直到最近幾年，才出現算法+媒體的新潮流。這種奇特的現象，與傳統媒體人多出身于文化精英背景，缺乏工程師的思維不無關系。“今日頭條”的創始人張一鳴被普遍看作是一名工程師，而非媒體人。

    算法這一分發機制和媒體行業既有的分發機制在原理上完全不同，對于缺乏數學和計算機科學背景的媒體人而言，這恐怕是一個行業歷史上最艱巨的挑戰。

    不過，對于媒體人來說，不妨換個角度想：當我們開始學習開車的時候，并不總是需要從卡爾本茲的引擎原理開始——絕大多數人是從摸方向盤開始的。

    (本文轉自市場部網，作者Dancer Peng，文章僅代表作者觀點。微網倡導尊重與保護知識產權。如發現本站文章存在版權問題，請聯系我們，我們將及時溝通與處理。)

    文章編輯：微網網絡   最好的微信商城系統盡在Micronet微網

    如需了解微商城，可報名申請或撥打全國免費電話400-830-8248

聲明：本網部份文章為轉載文章，在每篇文章底部有說明，文章的觀點和立場僅代表作者個人立場，不代表微網立場，若是文章轉載中有侵范您的權益，請發郵件到 493149@qq.com或致電13922854199通知刪除，謝謝！