アルゴリズム技術の向上とアルゴリズムの適用の標準化(デジタル時代の文化生活)

アルゴリズム技術の向上とアルゴリズムの適用の標準化(デジタル時代の文化生活)

[[399442]]

アルゴリズム技術を改善し、アルゴリズムの適用を標準化することによってのみ、技術はより人間的な方法で社会に貢献し、デジタル文化生活をより多彩でより良くすることができます。

今日、テクノロジーはますますあなたを「理解」しているようです。ショッピングサイトを開くと、最近購入したい商品がホームページに推奨され、ショートビデオプラットフォームに入ると、次々にプッシュされるビデオコンテンツはまさにあなたのお気に入りであり、ニュース情報さえもあなたの興味に応じて配信されます...これらすべては、ますます成熟するアルゴリズムテクノロジーによって可能になっています。

アルゴリズムは、人工知能技術とビッグデータ技術をつなぐノードです。モバイルインターネットでは、ソーシャルメディア、測位技術、検索エンジンなどがユーザーの日常生活に大きな利便性を提供すると同時に、大量の関連データをリアルタイムで生成し、保存します。人工知能技術は、膨大なデータを基に、ユーザーの興味、嗜好、ニーズを推測し、さまざまなユーザーポートレートを描き、特徴をラベル付けします。これに基づいて、正確な文化制作とパーソナライズされたプッシュを実行し、制作、普及、受容に至るまで、デジタル文化のパーソナライズされた正確なカスタマイズを実現します。

ポジティブな意味では、テクノロジーの継続的な反復と更新によって推進されるアルゴリズムは、文化分野における供給側改革の原動力となっています。これまでの文化供給は、観客の文化レベル、美的関心、文化的ニーズの違いを十分に理解しておらず、投資家やクリエイターの視点から制作されていたため、一部の文化製品は観客のニーズに十分に応えられなかった。

しかし現在では、インタラクティブ テクノロジーの普及と進化により、人々は参加型の文化的交流を通じて自らの文化的ニーズを十分に表現できるようになりました。フォロー、購読、閲覧、いいね、評価、コメント、集中、転送、収集などのユーザー行動を通じて、文化製品の受容に関する大量のデータが生成されます。これらのデータは、さまざまな情報プラットフォームによって重要なリソースとみなされており、ユーザーのポートレートの描写、業界の動向の分析、投資判断に使用されます。例えば、映画・テレビ会社は、チケット購入プラットフォームや評価ウェブサイトのデータを基に新作の主題や俳優の組み合わせを計画し、「トピックス・ステム」を事前に準備します。ショートビデオ・プラットフォームは、ユーザーの滞在時間、視聴嗜好、いいね、コメントに基づいて関連コンテンツを推奨します。オンライン文学ウェブサイトは、ユーザーの購読習慣を分析して作品を推奨し、パーソナライズされたページを生成します。このアルゴリズムは、「ユーザーをより深く理解する」という技術的優位性を活かし、ビジネスモデルやサービスを継続的に革新し、文化分野における供給側の改革をサポートします。

新しい技術として、アルゴリズムは情報過多を軽減し、デジタル コンテンツの配信効率を向上させる上でも積極的な役割を果たします。アルゴリズム推奨テクノロジーにより、ユーザーはスクリーニングとフィルタリングを行って、適合性の高い独占的なカスタマイズされたコンテンツを作成し、情報選択のコストを削減できます。

しかし、このアルゴリズムはビッグデータの収集に基づいているため、技術の不完全さや人々の不規則な使用も、アルゴリズムの適用に隠れた危険をもたらします。アルゴリズムは、ユーザーの過去の行動に基づいて将来の好みを予測し、それをコンテンツの制作と配信の基礎として使用します。テクノロジーに頼りすぎて、それを単一の価値次元として利用し、文化創造の法則を無視すると、アルゴリズムはユーザーの興味の好みへの扉を開く一方で、他のコンテンツをブロックし、人々を均質化された情報の流れに閉じ込めることになります。推奨サービスがより正確に「カスタマイズ」され「供給」されるほど、人々は均質な情報によって構築された「繭」に閉じ込められる可能性が高くなり、個人の文化製品の独立した選択が徐々に減少し、異なる関心を持つ人々が互いに疎遠になり、文化的なコンセンサスを形成することが困難になります。

アルゴリズム技術が直面するこれらの問題は解決不可能なものではありません。鍵となるのは、これらの問題を十分に理解し、積極的に改善することです。アルゴリズム技術が個人の認知、集団コミュニケーション、文化生態系に与える悪影響を回避するためには、技術の価値の再形成を強化する必要があります。文化企業は文化的な責任を担い、アルゴリズム技術の完成度を高め、多様な価値次元を統合し、より多様な文化コンテンツを「見せる」ことを可能にしなければならない。一般の視聴者は、情報を見極める能力を高め、主体的な取り組みを最大限発揮し、文化的な選択を行う自立した能力を意識的に強化する必要があります。アルゴリズム技術を改善し、アルゴリズムの適用を標準化することによってのみ、技術はより人間的な方法で社会に貢献し、デジタル文化生活をより多彩でより良くすることができます。

<<:  機械学習をサポートする 8 つのデータ ウェアハウス

>>:  BI と AI が出会うとき、「最強の脳」がどのように意思決定を支援するのかを見てみましょう。

ブログ    
ブログ    
ブログ    

推薦する

データは1/5000に縮小されたが、モデルの精度は2倍に。Googleの新しい「蒸留法」が人気に

[[441258]]この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI...

教育省:100 以上の AI 専門専攻を構築し、500 万人の AI 人材のギャップを埋めます。

AIが再び国家の議題に!教育部は、「国務院による新世代人工知能発展計画の公布に関する通知」を実施し...

3行のコードで損失なく40%高速化、You YangチームのAIトレーニングアクセラレータがICLR口頭発表論文に選出

プルーニングを使用すると、AI トレーニングを高速化し、ロスレス操作を実現できます。わずか 3 行の...

エッジAI: 人工知能の進化の次のステップ

[[422303]]人工知能(AI)は、かなり長い間、世界中のビジネスにおいて安定した存在となってい...

史上最大のチューリングテスト実験が完了! 150万人が1000万回の会話に参加し、相手が人間かAIかを判断した。

史上最大のチューリングテストの予備結果が出ました!今年 4 月中旬、AI 21 Lab は楽しいソー...

ビッグデータと人工知能が戦略的な新興分野となる

最近、教育部は「教育部の高等大学教育の建設を加速し、人材育成能力を全面的に向上させることに関する意見...

...

DeepTraffic: MIT シミュレーション ゲームがディープラーニングを使用して交通渋滞を緩和

[[196857]]渋滞に巻き込まれるのはイライラするだけでなく、費用もかかります。頭痛の原因になっ...

過去10年間のGoogleアルゴリズムの変化

Google のアルゴリズムは毎年 500 ~ 600 回も変更されますが、その多くは小さな変更です...

Go 言語 - データ構造とアルゴリズム プロジェクト

[[404457]]この記事はWeChatの公開アカウント「roseduanの執筆場所」から転載した...

決定木からランダムフォレストへ: ツリーベースアルゴリズムの原理と実装

この記事では、決定木の数学的詳細(およびさまざまな Python の例)とその長所と短所について説明...

アルゴリズム: 2つの順序付きリンクリストをマージする

[[414979]]この記事はWeChatの公開アカウント「3分でフロントエンドを学ぶ」から転載した...

ロボットはついにデータセンターで活躍の場を見つけるのでしょうか?

ロボットは長い間、人々の探究心を呼び起こしてきたが、同時に説明のつかない恐怖ももたらしてきた。しかし...

...

製造業者はデジタルツインをどのように活用して生産性を向上できるでしょうか?

メーカーは、競争上の優位性を獲得し、コストを削減し、顧客によりカスタマイズされた体験を提供するために...