社交媒体新热点，「Ｔａ在」探索群体人工智能算法

资讯 TOM 2018-12-14 14:37

社交媒体的江湖加速了搅动。

最近几天，多家媒体报道，今日头条的母公司字节跳动将上线一款年度级别的全新社交产品飞聊（ｆｌｉｐｃｈａｔ）。该ＡＰＰ将会以英文名＂ｆｌｉｐｃｈａｔ＂命名，不会内嵌在今日头条Ａｐｐ内，将会以独立Ａｐｐ形式推出。

据业界传闻，为了推动这一项目，字节跳动甚至＂挖到＂了微信前几号员工。另可佐证的是，ｆｌｉｐｃｈａｔ域名已经注册完成，据媒体查证，这一域名的联系方式为字节跳动邮箱，因此相关计划几乎是箭在弦上。

也许是多年来微信生态的高速增长在今年开始遇到了疲态，这一原本有些大树之下寸草不生的领域，开始出现了一些挑战者。

从子弹短信爆红到休克，下半年以来这个行当似乎又有了松动迹象，各路玩家又开始纷纷涌现，或从功能切分，或者从垂直人群切入，似乎从切下自己的蛋糕。

最近引起不少讨论的新社交媒体团队「Ｔａ在」的切入点，和已经被验证的探探陌陌这样的基本社交驱动的产品不同，也不准备攻打类似脉脉这样的聚焦职场的垂直社交产品。

「Ｔａ在」试图摸索的，是全新的群体人工智能算法。

ＡｌｐｈａＧｏＺｅｒｏ成绩令人欣喜但ＡＩ正在路上

一般吃瓜群众，对人工智能有所了解，大多起源于击败人类顶级棋手的ＡｌｐｈａＧｏ，但当人们还在津津乐道ＡＩ令人惊艳的战斗力时，ＡｌｐｈａＧｏ早已不屑与人类为敌并开始自我进化。

从业余棋手的水平到世界第一，目前最终版本的ＡｌｐｈａＧｏ系列ＡｌｐｈａＧｏＺｅｒｏ自我学习仅仅２１天便达到了胜过中国人棋神柯洁的ＡｌｐｈａＧｏＭａｓｔｅｒ的水平。

就像它的名字ＡｌｐｈａＧｏＺｅｒｏ，这一切都是从零开始的。简单来说，ＡｌｐｈａＧｏＺｅｒｏ最初只是一个一无所知的神经元，它开始不知道该怎么做，就去尝试，尝试之后，看到了结果，若是正面结果，就知道做对了，反之，就知道做错了，这就是它自我学习的方法。

当这种自我学习能力与与一种强大的搜索算法相结合，这个简单的神经网络就开始实现从零向无穷的自我进化，神经网络不断被调整更新，更新后的神经网络又与搜索算法重新组合，进而创建一个新的、更强大的版本，然而再次重复这个过程，系统性能经过每一次迭代得到提高，使得神经网络预测越来越准确，ＡｌｐｈａＧｏＺｅｒｏ也越来越强大。

“你已足够聪明到可以看到全局，但尚未足够智慧看清楚细节。（Ｙｏｕｒｍｉｎｄｉｓａｗａｌｌｅｄｇａｒｄｅｎ，ｅｖｅｎｄｅａｔｈｃａｎｎｏｔｔｏｕｃｈｔｈｅｆｌｏｗｅｒｓｂｌｏｏｍｉｎｇｔｈｅｒｅ．）”

《西部世界》中的这句台词在这里可以看做是人工智能的背书。ＡｌｐｈａＧｏＺｅｒｏ作为人工智能是人类的杰作，但它自我进化的算法和程序对我们来说却是个黑箱。这也正是值得惊叹的地方：人类设计了人工智能，却不知道人工智能到底是怎么想的。

不久前上线的ＡＰＰ「Ｔａ在」，同样拥有自我进化能力的，这是一款基于群体人工智能算法的ＡＰＰ，在用户稳步增长的背景下，已经开始悄然进化，不同于ＡｌｐｈａＧｏＺｅｒｏ式的自己参悟式的进化「Ｔａ在」的进化是基于群体智能而不断演化的。用户不知道「Ｔａ在」是怎么想的，却能不断收获自己感兴趣的内容与同好。

「Ｔａ在」的演化之路，群体人工智能训练师

「Ｔａ在」的主界面中是一个Ｆｅｅｄ流，用户只能评论他人的内容，不能关注，也不能私信，也就自然没有关注、粉丝数。用户看到的内容，全部依赖于这种算法的推荐。

这一奇特的设计，让很多新用户很不适应，吐槽不少，但团队自有其考虑。

「Ｔａ在」本质上是一个智能社交媒体平台，基于ＡＩ技术的智能推荐算法。这种算法能够自然生长和演化，会从分析用户行为中不断学习人的智慧，直觉和知识判断，基于群体智慧，平台就能更加全面理解用户，而不再像今日头条类社交媒体做自ＢＢＳ诞生以来的标签化定义用户兴趣的做法。

就像ＡｌｐｈａＧｏＺｅｒｏ从零开始的自娱自乐，「Ｔａ在」要做的社交可以说是一种零式社交，这并不是说社交＝０，而是让社交回归本质从零开始并实现知识和内容的传播的最大化，让信息到达每一个想看到它的人那里。

作为一款定位于社交的ＡＰＰ，这一目的与当前人们对于社交本身的认知是矛盾的。在传统的社交网络中，社交意味着关系链的确立。然而这样的社交媒体面临的问题是：关系越复杂，传播的信息就越多限制，用户越不敢发言，不敢评论，不敢点赞，甚至做出类似于关闭朋友圈的做法。而这样做的结果是知识无法有效传播，最后充斥于社交网路的内容只能是折中的内容。

因此在产品设计方面，「Ｔａ在」放弃了关注链，也就没有传统的「粉丝、关注者数量」这种数字。彻底颠覆了社交媒体的“社交”这一面。

与此同时，通过用户的互动，算法也不断更新，但这并不只是“标签”意义上对用户进行分类和达标，更是群体智能的迭代和演进。

通过这些互动行为：

一个是尽可能让演化性算法了解用户。主界面右上角的ＣＩＱ和个人页面的「Ｔａ在指数」，会显示算法的智能进化程度，以及对于用户的了解。这差不多是以一种集体养成的玩法，鼓励用户多「投喂」算法。它还向用户许下了非常具有诱惑力的承诺：算法越了解你，独到的东西越精准，遇到的人越合拍，发布的人内容也能传播到更多懂你的人。

另一个目的是拓展知识的边界。每条帖子被标以七种颜色的符号：暖色代表主流，冷色代表小众，从暖到冷分别代表流行、信息、知识、未知等几个分类。

根据开发团队的说法，这两个目的是为了加速长尾信息的精准分发，让更多对特定内容感兴趣的人及时看到这条信息。

平台为用户设定目标，本质上是为了提升平台赋予用户的价值感。基于「Ｔａ在」的群体智能属性，用户在「Ｔａ在」最大的价值就是个人智能本身就是「Ｔａ在」这个人工智能学习参悟的对象，并最终汇聚成为这个智能大脑的一部分。

「Ｔａ在」用自带生长性的算法，激励用户通过图文、文章、链接、问题的方式分享自己对世界、对自我的观察、感想、记录、观点、与系统互动，系统就会熟悉Ｔａ、体会Ｔａ、理解Ｔａ，为Ｔａ构建完整自我世界之余，还能为Ｔａ寻找、发现、送去更多用户未察觉到的自我。

其他用户可以通过其自带的「Ｇｉｖｅｍｅｍｏｒｅ」进行点赞。这些指令将会反馈到机器学习模型中，用来对用户的阅读习惯做更精准的画像。

换句话说，「Ｔａ在」的每一个用户都是系统智能的训练师，这种养成类游戏的参与感在人工智能算法系统的的赋能下，可以有效的激发用户创造内容的积极性并因惊喜而产生期待感。

「Ｔａ在」打开的全新新大门

「惊喜」，是团队在提及这款产品时反复使用的词。

举个例子，「Ｔａ在」的算法却会因为用户分享的一首歌从而推荐一个用户感兴趣的电影或者文章，或者艺术作品。它并非通过协同过滤，而是通过寻找其中的艺术相通性，甚至是知识层级、价值观的相似，来让不同媒介的信息产生联系。用户很难预测今天会看到什么，这也就打破了信息气泡，避免单一信息来源束缚人的判断、价值、审美。

此外，当算法判定用户和另一个人「合拍」，比如读的东西相似，就会为两位用户开启一个３小时的聊天窗口，３小时后大家又陷入茫茫人海。