第140章 算法演变史(1 / 2)

“怎么昨天半夜有人加我”

“哈有这回事吗我不知道哦。”陈博装起了糊涂。

王旭怀疑道“奇怪了,照理说,没事干乱推名片,我的好友列表里只有你有前科。”

“可能是新来的犯人,你想想,最近有加什么好友吗”

王旭回忆道“之前在图书馆上课个人账号忘记切,被人疯狂加。”

“你这号是明星吗为什么那么多人加你我也好想有这待遇。”

“怪我的微信名。”王旭长叹了口气。

“你的名字你改了名字吗”陈博好奇道。

“不和你说了,又到了愉快的洗胃时间,我以后再也不乱吃东西了。”王旭抱怨完,挂断了电话。

陈博去翻了翻通讯录,找到王旭的头像点看,差点笑崩牙。

“加上我发200元红包,你是嫌钱多还是嫌事少”

没人帮自己留意课表,陈博每天早上还得提前起床查看,生怕突然多了些奇怪的东西。

这节选修课是计算机算法的前世今生,对于陈博而言不陌生,只是目前身处的时代算法又发展了几十年,难保不会新增些理论知识点。

“别人都是穿回过去作威作福,我倒好,一个可怜兮兮的原始人落单了。”陈博挠挠头,拎着键盘袋出门。

老师是个标准的码农形象,象征资历的深度地中海,一脸漠然的神情,厚到可以防穿甲弹的眼镜,灰白相间的格子衫,略显僵硬的步伐,手指时不时还会做出敲击键盘的动作。

“今天的人怎么有点多啊是代课竞争上岗的缘故吗”老师推了推眼镜,粗略数了遍人头,上座率是高了不少。

“老师,今天键盘应用学的也上这节课。”前排的同学提醒道。

“哦哦,原来如此,好吧。”老师打开电子教材,开始照本宣科。

陈博对这部分内容不感兴趣,计算机算法方式多样,传统的有递推法、递归法、穷举法。

当初在负责算法推荐时,陈博采用的是应用广泛的动态规划法,即将原问题分解成由各因素组成的子问题,通过求解子问题的答案反推出原问题的最优解。

举个例子,探讨不同情况下消费者购买需求变化,会先将影响消费者购买需求的变化因素逐一列举出来,分析得出结论,在汇总所有结论建立一个模型,得出最终解。

早期的计算机算法远没有这么先进,大约在零几年某度引擎制霸全网搜索的年代,当时的算法只停留在单线思维,处于搜瓜得瓜,搜豆得豆。

互联网广告投放业务的蓬勃发展变相推动了算法技术革新,每个人的喜好大不相同,如何把广告更精准地送达给目标人群,成了商家们考虑的首选。

以前把广告投放给1000万人,最终的转化率可能不足1,在实现精准投放后,可以把50个广告分别投给50万人,后者的单价比前者便宜30,但实际效果远胜几倍。

与其同时,购物算法也在悄然成熟完善,早期的万能某宝可没有猜你喜欢这种功能,每位用户的购物界面一模一样,导致刷单猖獗,想要出头盈利就必须占据首页版面。

当一位耳机发烧友购买了魔音耳机后,低端的算法系统会自动将其标注为耳机偏好群体,用户在下次登录界面时会收到同类的商品推荐,尽管他目前不需要这些。

而高端的算法系统会人性化很多,通过海量的数据运算,将魔音耳机和其他商品之间建立起联系。

陈博此前做过类似测试,系统会给不同的商品做出可能性预测,按大小排列组合出一套最优解进行用户推荐。

例如喜欢魔音耳机的人当中喜欢苹果手机的可能性高达87,喜欢外星人电脑的可能性高达83,喜欢雷蛇外设的可能性高达78。

这样用户在下次打开a时就会看到相关商品推送,观感体验远比之前清一色的耳机展好。

在高阶人性化算法中,a索取的录音权限了极大便利,算得上是作弊器。

很多时候浑然不知的你只是觉得人工智能真先进,殊不知你的一言一行早就被数据寡头们记录在册,等到需要变现之际再狠狠收刮你的钱袋子。

陈博是万不敢授权摄像头和录音功能,他担心自己在夜深人静时干的坏事被人发现,哪天在视频里看见本尊出没,那叫一个大写的尴尬。

算法的商业化道路止步于此,再往后每前进一步所耗资金都是成几何倍的增长,要知道资深的算法工程师可不便宜,小规模的创业企业压根养不起。

投入和产出不成正比,真要适用这套逻辑,也就不会有如今的枫巢了。

国际地缘形势风云变幻,要想把握信息战的战略主动,浅尝即止是不行的,网状式的算法模型并不是理论上的最优解,还有比这更先进的。

想要解决这一问题,首当其冲的矛盾是各大垄断寡头间的信息孤岛。

出于保密的需要,bat四家的核心用户数据几乎不对外公开,用户的日常行为被割裂