个性化算法影响你昨天选择了什么，今天选择了什么，明天会选择什么。

同时，个性化似乎也有问题。我们经常会遇到无聊的广告。我们的数字个人助理并不那么私人。我们把朋友的算法丢到了新闻提要的深渊。我们在网上遇到的内容一次又一次地储存着同样的东西。

个性化的形象就像在操场的镜室里看自己。个性化使我们成为可能，并在我们的真实兴趣和他们的数字反映之间造成了惊人的差距。

拟人化还是有五个主要原因。

数据缺口意味着在任何算法环境中只有有限的数据量。系统只能根据提供的经验和使用的反馈回路来理解你。即使系统使用外部数据源，它仍然只能部分理解您的兴趣和偏好。

计算差距是指计算能力和机器学习技术的限制。当今天最快的系统试图以自己的方式理解一个人的复杂性时，它们就会变得太慢。与此同时，即使是最先进的机器学习解决方案也没有为计算机提供一种无缝学习和适应我们的方式。

利益差距与用户、平台和第三方行为者(如营销人员)的利益冲突有关。归结起来就是：在决定你能看到什么，能做什么的时候，谁的兴趣和喜好是优先考虑的？你可能对广告不感兴趣，但他们会给你看。当有人为你的注意力买单时，你为自己选择的能力就会被削弱。

行动差距定义了你的真实行动和你面对的行动之间的不和谐。例如，您可能想要按下一个不存在的“不酷”按钮。或者你可能不想再看到一个特定的图像，但是没有办法让它发生。你的行动被简化以适应环境的有限反馈循环。

内容差距意味着任何平台或应用程序并不总是有满足您确切意图或需求的内容。这也意味着服务内容的多样性可能非常有限。无论是体育新闻还是餐厅提示，应用程序或网站可能会耗尽相关内容。你的话题越多，你获得持续适合你的内容的机会就越少。

此外，在个性化的核心，还有一个更普遍的悖论。

个性化承诺根据您的个人兴趣和偏好来修改您的数字体验。同时，个性化被用来塑造你，影响你，指导你的日常选择和行动。无法理解的算法意味着你自己做决定。他们减少了可见选择的数量，从而限制了你的个人代理。

由于个性化的鸿沟和内在悖论，个性化仍然没有实现和不完整。它给我们的感觉是，它比我们自己更符合别人的利益。

有三种设计和发展的途径，将有助于个性化更好地为我们这个独特的个体服务。

个性化需要新的用户界面范例和交互模型。为了弥合数据鸿沟，个性化界面有效地从直接和间接操作中学习。同样，随着系统从你做了什么和没做什么中学习，计算差距也会变小。为了解决利益差距，你可以直接控制你所看到的。该界面允许您直观地查看不同的备选方案，并混合来自第三方的相关内容。你可以看到为什么会有东西给你看。这种透明度提高了您影响偏好的能力，也有利于平台和第三方。

为了缩小动作差距，自适应用户界面允许基于您真实意图和反应的上下文感知交互，例如自定义表情或手势。从内容间隙来看，当有有趣的东西可用且可操作时，系统可以通知你——手腕上有轻微的震动或者设备屏幕上有智能通知。新界面个性化了“我的时间”之上的实时计算。

个性化应该能够提供相关且令人惊讶、及时且成熟的内容。从数据缺口和计算缺口的角度来看，如果系统提供了一套可供选择的方案，可以对你的实际兴趣有更详细的了解。这可以让你更详细地表达你的个人兴趣。同时，系统可以根据你的活动学会识别以前未知的或者非正统的联系。

利益差距、相关信息和惊喜的混合让你自己决定如何优先处理信息。通过引入相关但多样的替代方案，系统不会将您束缚在受限的信息孤岛上。即使是时不时无关紧要的内容也不会干扰你的体验。两者的关联性和偶然性是主观的和语境的.该算法识别出你什么时候愿意探索，或者什么时候你更注重目标，搜索特定的信息。

为了缩小行动差距，各种明智的建议让你用自己的话定义自己。系统开始了解你的短期和长期兴趣，以预测你的信息需求。及时性不等于相关性；一个庞大的内容库可以很好地老化，而不会失去其吸引力或意义。随着越来越多有趣的信息池，内容差距已经有效缩小。

个性化要把集体智能和人工智能结合起来。连接变得更快，计算机变得更智能、更高效。为了缩小计算差距，重点是加强人与机器之间的信息流。人类仍然是已知宇宙中最好的模式识别系统。我们可以帮助对方找到并发现有意义的信号。人工智能应该通过向自适应接口和预测学习系统供电来增强这种感知能力。

以人为中心的个性化带来了人类固化的信号和自适应的机器学习解决方案。这样，智能系统通过学习我们个人和集体的互动和见解而成熟。这样，人类的想象力和非理性才能超越算法决定论的局限。

拟人悖论呢？人格化领域没有客观性(也不应该有客观性的主张)。我们塑造算法，算法不断塑造我们。为了更好地为我们服务，个性化算法应该能理解我

最后，个性化作为一个概念源于工业大规模生产和营销的世界。也许，为了标志着算法辅助决策的新时代-并强调个人代理的重要性-我们应该谈论选择算法而不是个性化算法。

谁会为我们建立这样的选择算法？

标签：