根据我们自己的数据进行训练，并根据我们自己的需求量身定制的模型将塑造下一代突破性软件。
撰文：Rebecca Kaden
我们正在进入一个注重消费者乐趣和功能的新时代。人工智能将增强消费产品的实用性和娱乐性，并真正实现根据每一位用户打造的用户交互和体验 ( 千人千面 )。正如 Jared 最近写的一篇文章《Weird》中提到的，我们已经准备好迎接超然的新事物了。根据我们自己的数据进行训练，并根据我们自己的需求量身定制的模型将塑造下一代突破性软件。无论具体用例是什么，社交网络、游戏、建议导师、个人造型师、学习伙伴、恋爱关系、财务顾问、医疗保健顾问等等，关键在于，能够具备快速吸收信号和规模足够大的个人数据从而无缝地生成个性化的结果。
让用户进行设置 「工作」 通常很困难，即使这项工作可能会得到回报。几乎所有网站的注册页面都充斥着填满了字段但中途而废的情况。Netflix 很早就意识到，根据我们观看的内容定制算法，虽然最初内容不那么个性化，但明显比之前那种乏味的偏好漏斗要有效得多。最好的新产品可能会更加注重如何使数据收集既简单又理想，而且可以成为体验中有趣的一部分而不是乏味的前期成本。实现它的两个途径可能是
1、让我的所有个人数据无缝且可移植。正如 Plaid 在金融服务领域所做的那样，我们需要一个强大的支持层来为消费者应用程序创建数据网络。快速启动需要培训的新个性化产品的最简单方法是从具有高信号的现有来源（电子邮件、消息、社交、浏览、健身应用程序等）连接和移动我的数据，这需要信任我们正在尝试的新产品，快速的实用性使用户的「付出」 值得，而且首先，生态系统足够开放以允许这些结缔组织的形成。
而且它还越来越倾向于一个生态系统，其中对数据的控制权属于个人而不是平台。Albert 几年前概述了该想法，当时他写了一篇文章，想象如果我们都有权由机器人代表，互联网会是什么样子。目前，访问和共享我们的个人数据在设计上就已经非常困难，更不用说保护了。改变它需要应对多种压力：让数据可移植性变得容易的技术压力；当前控制它的系统所面临的监管压力；以及用户要求知道他们想用这些数据做什么的消费者压力。即使我们可以更好地访问大多数消费者数据，我们确实无法对其进行足够的处理。但现在，需要这样做的应用程序已经越来越近了。我们可以想象使用电子邮件、浏览、搜索、刷卡或交易中的现有数据来训练个人模型，让最有趣、最有用的应用程序快速跟上我们的步伐，并创造更快、更好的乐趣和实用性。
2、让收集训练数据变得超级有趣、可重复且有用，让「投资」 感觉既 「黄油 ( 意指顺滑 )」 又实用。如果说在 Web 2.0 中，培训来自我的社交图谱广度，那么在人工智能驱动的消费者模型中，它将来自个人数据的深度和相关性。聚会的成功不是由客人数量决定的，而是由每位客人的体验决定的。即使某些应用程序随着时间的推移可以实现更好的社交参与，并由此得到改善。通过冷启动数据挑战而不是冷启动社交图谱挑战，开发者会被激励去将创造性聚焦于用户使用和参与的深度以及一致性，而不是纯粹的用户注册规模。想想你在 Tinder 上无法控制自己的无休止滑动，或着你在 Hunch 上被接踵而至的推荐不可自拔的问题你就会很轻易地理解这一点。最好的新产品将发明新的参与形式，以最有趣和最新颖的方式收集最多和最高质量的数据。
我们已经准备好迎接这些超然的新事物，并已经准备好支持这些超然事物所带来的新市场和行为转变。这将是一个以用户控制并决定的训练模型为基础的，并以兼具趣味性和实用性的应用程序为目标的可移植的数据开放系统。
微信里点“发现”，扫一下二维码便可将本篇文章分享至朋友圈