又幾天沒和大家聊天了，最近個人有點毛燥，需多吃些草，沉淀一下，擠出精力來寫技術(shù)文章。我盡量寫有用的，寫書的人容易用書面語，文白混雜，大家湊和著看，歡迎來人來函來稿。

其實在互聯(lián)網(wǎng)生活里，內(nèi)容推薦技術(shù)已經(jīng)無處不在了。

我從Amazon買了一本《時間簡史》，回過頭來再瀏覽，它可能推薦我可能喜歡《未來簡史》，或者推薦《PHP高性能應(yīng)用開發(fā)與實踐》（它還沒智能到知道是我寫的，歡迎大家支持，一個知識分子碼農(nóng)能說這樣的話也是夠了 ^_^）。

我登錄YouTube上看小電影，它推薦我可能喜歡的視頻。友情提示，如果電腦是共用的，同學(xué)們千萬要注意哦~

為了支持小扎，我上Facebook，它會推薦哪些朋友更新，哪些人你可能認識。最要命是它會推薦一些你可能喜歡的美女，要注意這些人可能只是照片長得好看...

今日頭條一打開，就給我推薦互聯(lián)網(wǎng)相關(guān)的內(nèi)容，還給我推薦單身攻略，婚姻修養(yǎng)，歷史鉤沉，社會雜聞，還有我這九零后看不懂得的段子，是名符其實的『今日辣條』。實在忒low，我這么高雅的人，這種低級趣味真是看夠了。

渣浪的媒體優(yōu)勢越來被機器替代，每個頻道也開始了個性化探索，微博上除了可能感興趣的人外，信息流里也開始展現(xiàn)哪條微博可能我有興趣，

搜狐等老牌門戶也被倒逼，做起來了個性化新聞，話說我們21CTO社區(qū)微信號已經(jīng)被入駐。

低頭族除了玩手機，然后就是塞著耳機聽音樂，網(wǎng)易云音樂。QQ音樂，蝦米

掌握了你的重口味。

要查看其它語言的網(wǎng)站，Google會幫我們自動翻譯27國語言。更逆天的是，它竟然能夠翻譯視頻里的字，比如把可口可樂的英文說明轉(zhuǎn)成中文，可以把英文字幕轉(zhuǎn)成中文。最新的翻譯包括語音翻譯、點按翻譯、實景翻譯、離線翻譯，有圖有真像！

標準機械化的文章完全可以取代編輯，由機器人來代寫了。特別是導(dǎo)購類，新聞資訊文章，大家敢快學(xué)語文去。

查找航班，買火車票，機器幫我們預(yù)測票價，自動搶票等能力。

還有購買基金，選股票神馬的。像前段時間支付寶同學(xué)執(zhí)著的想加入社交，產(chǎn)品經(jīng)理們都開始拉妹子在線了，就差沒做出『你附近的有錢人』，這樣，怕是沒人敢用支付寶了。

當然最常用的場景，Siri或點評推薦我們附近的餐館，地圖導(dǎo)航應(yīng)用，微信中查看附近的人（我覺得它倒該做一個像Facebook那樣你感興趣的人）等幫助我們程序員們交友。

這些后端都來自于機器學(xué)習(xí)算法。機器學(xué)習(xí)算法屬于人工智能領(lǐng)域的一個分支。它從一堆數(shù)據(jù)中推斷，然后再理解后做事，掌握的數(shù)據(jù)越多，機器推薦地越準確。相當于自己給自己編程。

在這里，我們程序員們充當了小神靈（創(chuàng)造算法并將其編碼的人），創(chuàng)建創(chuàng)意不同的世界。

頭條們?nèi)绾巫鐾扑]

說到機器算法，智能推薦，都會提到今日頭條或一點資訊這些內(nèi)容產(chǎn)品。

今日頭條是主要基于移動互聯(lián)網(wǎng)（手機客戶端）的產(chǎn)品，當然也有Web（PC端）。

內(nèi)容強調(diào)更新快，強調(diào)推送，而非傳統(tǒng)的展示或刷新，提供的內(nèi)容更“精準”，做到千人千面和資訊時效性。

它的內(nèi)容推送完全基于機器算法，減少小編人為干預(yù)，不斷訓(xùn)練和提高自己，并獲得內(nèi)容變現(xiàn)和成本上的好處。

移動互聯(lián)網(wǎng)為今日頭條的興起提供了紅利，手機現(xiàn)在和用戶如影隨形，這就產(chǎn)生了大量碎片化的富余時間，同時手機的便利性也為時效性的競爭提供了空間，可以重新定義用戶價值，于是信息流的內(nèi)容提供模式有了用武之地，而在PC端，用戶的時間和便利性受到的壓縮，使得信息流的價值難以體現(xiàn)出來。

頭條的推薦機制

第一次安裝了今日頭條，你打開APP時，它會記住用戶手機的操作系統(tǒng)，版本，屏幕，遍歷用戶安裝的App，瀏覽器的Cookie、收藏夾，客戶端網(wǎng)絡(luò)，LBS地址如北京市海淀區(qū)等信息，這樣在用戶未登錄的情況下，能夠通過這些基本的Profile做一個基礎(chǔ)畫像。

如果用戶使用微博，QQ等社交平臺登錄后，內(nèi)容APP會對這些社交平臺的好友關(guān)系、微博內(nèi)容，粉絲性質(zhì)，評論等維度，能夠有更詳細的用戶畫像。

至于今日頭條的文章內(nèi)容，一部分來自于機器抓取，一部分來自合作伙伴，也就是頭條號，類似于微信公眾平臺。

余下的，頭條根據(jù)我們的閱讀文章的分類，喜好興趣，閱讀時長，發(fā)表評論等維度進行更清晰的畫像，然后推薦給我們。

有一個非?，F(xiàn)實的例子。你有一個非常喜歡的妹子，你每天盼著和她聊天，每次聊天，有時候很好，這時候你想約她出來。但是如果遭到拒絕，你又很難過。又到周五時，你拿著手機考慮要不要給她電話，隱約記得上次你問過她，被她拒絕了。可是明明的兩回她是答應(yīng)的，前一次又拒絕了呢？是不是她不想出門，還是她喜歡小黑屋，不喜歡泡吧？喜歡吃包子，不喜歡吃披薩？你百思不得其姐，細思恐極。

于是你先放下天天拿著的手機，默默地做了個下面類似機器算法的表格：

那么，我們試圖從此表格中來找尋規(guī)律。

但是很明顯，有時候約會和自己的發(fā)現(xiàn)這狀態(tài)有關(guān)，還有的時候取決于她的情緒，明明天氣很好，但是她的脾氣卻很壞，還有每次兩個人說的話都不會重樣，這樣一來，機器算法也無法預(yù)測答案，因此，這樣的場景就不適合用大數(shù)據(jù)和機器算法，它適合于規(guī)律和標準化的數(shù)據(jù)。

但是它能總能給我們一些啟示，特別是一些糊里糊涂，天天就知道寫代碼的人——就像我這樣的，拖延狂還有碼農(nóng)綜合癥，忘記生活，需要有大數(shù)據(jù)來嚴重介入。

不知道愚人節(jié)大家被騙了幾回，反正我中午吃了一頓烤馕。