中新经纬客户端6月25日电 (张燕征)近日，由中国人民大学高瓴人工智能学院等单位主办的“推荐算法社会价值与可持续发展”研讨会在中国人民大学举行。中国科学院信息工程研究所研究员周晓飞在研讨会上表示，推荐算法系统早期目标是为了服务人，随着信息茧房出现，还应进一步探索如何引导人。
中国科学院信息工程研究所研究员周晓飞。来源：主办方供图
周晓飞指出，在过去二三十年的积累下，推荐算法领域基本形成了三大框架：一是基于内容的相似性；二是基于用户协同的相似性；三是社交关系信息融合的推荐。在这三大框架下，近年来深度学习技术推动了整个推荐领域的飞速发展。未来，推荐算法在多服务平台和多智能终端的基础上，将以智能助理的形式提供服务。
不过，基于大数据学习的推荐算法仍存在不少问题，比如信息茧房、可解释性、歧视偏见等。在周晓飞看来，信息茧房问题主要涉及人文方面的内容。“从技术角度来说，形成信息茧房包含两个层面，一是用户个人兴趣的局限性，二是早期推荐系统为迎合用户兴趣，推送的内容也非常局限。”
那么该如何规避信息茧房？周晓飞介绍道，这不仅需要社会文化、媒介传播等各方面的共同努力，还要用人工智能把推荐算法系统更好的优化。
“推荐算法系统的目标，主要是发现用户兴趣，那是不是可以做用户兴趣迁移的算法？比如做个人兴趣图谱，能够根据每个人的个性、兴趣，通过图谱的推荐发掘更深的潜质，让他从物质到精神层面都更符合社会需求及社会价值。”周晓飞称。
周晓飞表示，探索用户兴趣迁移的算法可从几个方面进行尝试。一是基于传统的框架，对人工标注和工业界算法进行挖掘。二是利用兴趣评价进行建模，引入用户兴趣迁移的评价指标，设计学习推荐策略。
“我们最终的目标是为了发展人，培养人的高级情绪。如果构建兴趣图谱，在推荐算法系统的基础上，规划发展特长。那么，可以让整个算法生态服务人、引导人。比如在孩子教育方面，任何一个兴趣都可能是他未来有发展潜质的领域。通过在兴趣图谱上进行长期的兴趣规划和引导，他以后可能会发展的更好。”周晓飞称。(中新经纬APP)
免责声明：凡本网注明 “来源：XXX(非经济参考网)” 的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
