概述
推荐系统是人工智能悄悄地选择你接下来观看、购买和滚动的内容。他们为 Netflix、亚马逊、YouTube 和 Spotify 等公司带来了巨大的参与度和收入。
推荐系统中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
深入探讨
推荐器的工作是从庞大的目录中预测用户想要什么。两种经典方法是协作过滤，它可以跨用户查找模式（“像您这样的人也喜欢这个”），以及基于内容的过滤，它将项目功能与您过去的偏好相匹配。现代系统将这些结合起来并添加了深度学习：神经网络学习用户和物品的密集嵌入，因此相似的品味在向量空间中彼此靠近。 Netflix 以其 100 万美元的奖金普及了该领域，如今这些系统为 YouTube 的提要、亚马逊的产品建议、Spotify 的 Discover Weekly 和 TikTok 的 For You 页面提供支持。它们也是一个令人担忧的问题，因为纯粹为了参与而进行优化可能会产生过滤气泡并放大令人上瘾或两极分化的内容。
技术洞察
矩阵分解是一个突破：将稀疏的用户-项目评分矩阵表示为两个较小的潜在因子矩阵的乘积，因此每个用户和项目都成为一个短向量。用户和项目向量的点积可预测评级。深度模型通过神经协同过滤和两塔架构扩展了这一点，可以快速检索候选者，然后排名模型对它们进行评分。冷启动，推荐全新的用户或商品，仍然是一个顽固的挑战。
掌握推荐系统中的人工智能
推荐系统是人工智能悄悄地选择你接下来观看、购买和滚动的内容。他们为 Netflix、亚马逊、YouTube 和 Spotify 等公司带来了巨大的参与度和收入。推荐系统中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将推荐系统中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，在推荐系统中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
良好的工作流程集成可以创造用户值得信赖的生产力收益。
良好的工作流程集成可以创造用户值得信赖的生产力收益。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
Netflix 推荐节目，甚至根据您的观看历史记录定制缩略图
Spotify 的 Discover Weekly 通过对具有相似品味的听众进行协作过滤来构建个性化播放列表
亚马逊的“购买此产品的客户也购买了”和主页产品推荐推动了很大一部分销售
TikTok 的 For You 页面可通过观看时间、重播和跳过来快速了解偏好，从而对短视频进行排名
实施模式
推荐系统中的人工智能实践
Netflix 推荐节目，甚至根据您的观看历史记录定制缩略图。
Netflix 根据您的观看历史记录推荐节目，甚至定制缩略图。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
推荐系统中的人工智能实践
Spotify 的 Discover Weekly 通过对具有相似品味的听众进行协作过滤来构建个性化播放列表。
Spotify 的 Discover Weekly 通过在具有相似品味的听众之间进行协作过滤来构建个性化播放列表。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
推荐系统中的人工智能实践
亚马逊的“购买此产品的客户也购买了”和主页产品推荐推动了很大一部分销售。
亚马逊的“购买此产品的客户也购买了”和主页产品推荐推动了很大一部分销售团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时通常会获得更好的结果。
推荐系统中的人工智能实践
TikTok 的 For You 页面可通过观看时间、重播和跳过来快速了解偏好，从而对短视频进行排名。
TikTok 的 For You 页面可通过观看时间、重播和跳过短视频来快速学习偏好。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。