چگونه میتوان محتوای جدید را به مردم ارائه داد – مدیریت یا شخصیسازی؟ – حساب کردن

در چند سال گذشته، من روی یک مشکل متمرکز بودم – جمع آوری مراجعات از مردم، یعنی. محتوای جدید – و رساندن آن به افرادی که به آن نیاز دارند.
سخت ترین قسمت این است که مردم همیشه این کار را نمی کنند می فهمم چه محتوای جدیدی نیاز دارند البته، فرض اینکه مردم به چه اطلاعاتی نیاز دارند، متکبرانه است، اما من همیشه امیدوارم که یک توصیه یا نصیحت کتاب عالی بتواند زندگی را تغییر دهد، اگر به دست افراد مناسب برسد. این اطلاعات در جایی وجود دارد، شاید در یک پاسخ Quora یا Reddit، در یک رشته نظرات، در لیست “توصیه شده برای شما” ایجاد شده توسط هوش مصنوعی یا فقط در ذهن کسی گیر کرده باشد. گاهی اوقات افراد می توانند برای یافتن اطلاعات مورد نیاز خود جستجو و مرور کنند، اما آنچه اهمیت بیشتری پیدا می کند نیاز به گسترش افق دانش افراد است. یافتن فرصتهایی برای کشف محتوای جدید میتواند به مبارزه با اطلاعات نادرست، افزایش رشد شخصی و البته کمک به کسبوکارها برای دستیابی به مشتریان جدید کمک کند.
این مشکل جدیدی نیست و رقابت برای استفاده از یادگیری هوش مصنوعی/ماشین برای کمک به فیلتر کردن محتوای مفید یا مطلوب ادامه دارد. حتی جایگزینهای هوش مصنوعی در حال ظهوری وجود دارند که هدفشان استفاده از پیشنهادات تنظیمشده توسط انسان مانند پلتفرم توصیهای است که در حال ساخت آن هستیم. حسابرسی یا شبکه های اجتماعی جدید برای انتخاب افرادی که دوست دارند فراتر.
حجم خارق العاده محتوای آنلاین و رشد غیرقابل توقف آن به این معنی است که این مشکل هدف قرار دادن اطلاعات جدید از طریق مدیریت و شخصی سازی یکی از مهم ترین چالش های امروزی است.
راه حل احتمالاً شامل مدیریت مؤثر و شخصی سازی دقیق خواهد بود. ممکن است هوش مصنوعی یا تولید شده توسط انسان باشد یا به احتمال زیاد شامل هر دو باشد.
مدیریت انسانی مدرسه قدیمی
پیدا کردن چیزهای مفید یا مطلوب در زمانی که انتخاب زیاد است مشکل جدیدی نیست. ما همیشه این چالش را داشتهایم، چه انتخاب لباس، موسیقی، کتاب، غذا یا تقریباً هر چیز دیگری در صورت داشتن امکانات. وقتی میلیون ها لباس در اختیار دارید چگونه لباس را انتخاب می کنید؟ وقتی به میلیون ها آهنگ دسترسی داریم، چگونه موسیقی را برای گوش دادن انتخاب می کنید؟ وقتی میلیون ها نشریه وجود دارد چگونه کتاب ها را انتخاب کنیم؟
پاسخ در طول تاریخ، بررسی خوب بوده است. همانطور که ما پرفروشها، لیستهای پخش، رادیو، خریدهای شخصیسازی شده و نمودارهایی داریم که به شما در پیمایش انتخابها کمک میکنند، همین امر میتواند برای محتوای آنلاین نیز اعمال شود. ما قبلاً برای محتوای آنلاین مانند اخبار، پادکست ها یا ویدیوها که معمولاً به محبوبیت، روندها و برخی ویرایش ها متکی هستند، سرپرستی داریم. با این حال، زمانی که ویراستاران انسانی تأثیرگذاری کمتری دارند، تمایل بیشتری به شما دارد. استفاده افراطی از الگوریتمهای هوش مصنوعی با تضادهایی همراه است که در اطلاعات غلط، سوگیری و تفکر گروهی دیدهایم. در مقاله اخیر، نشان داده شده است که ویراستاران انسانی نسبت به الگوریتمهای هوش مصنوعی به تنهایی مجموعهای از محتوای متنوعتر تولید میکنند. شکی نیست، افراد در حلقه خدمات مهمی را حتی برای بررسی تکالیف یادگیری ماشینی ارائه می دهند. توانایی ویرایش ویرایش انسانی و قدیمی دشوار است، بنابراین طبیعی است که برای سرعت و وسعت به هوش مصنوعی روی آورید.
با توجه به مشکلات ارائه شده توسط هوش مصنوعی برای درمان، به زودی چیزهای زیادی در مورد یافتن راه حل های جدید برای این مشکل خواهید دید. همه چیز از پلتفرم هایی که به مردم کمک می کند بهترین منابع محتوا را انتخاب کنند سرپرستی به عنوان یک سرویس که در صورت درخواست می تواند درمان انسانی را ارائه دهد.
وجود دارد میل به بازگرداندن مکتب قدیمی مدیریت محتوای انسانی. در برخی مواقع، ممکن است انتظار داشته باشیم که هوش مصنوعی فرآیند تصمیم گیری را از دست ما خارج کند و موسیقی یا لباس مناسب را انتخاب کند، اما هنوز کاملاً به آن نرسیده ایم. برای مطالبی مانند یادگیری، مشاوره، توصیه ها و گسترش دانش شخصی ما قطعاً چنین نیستیم.
علاوه بر درمان، زاویه دیگری نیز برای این مشکل وجود دارد – شخصی سازی. این جام مقدس درمان است، جایی که توصیهها و تخصص بیشتر با نیازهای مشتری مطابقت دارد زیرا ما چیزی در مورد آنها میدانیم. مقایسه مدیریت با شخصی سازی مفید است.
مقیاس از کیوریشن تا شخصی سازی
این حیطه را از گزینش خالص تا فرم سفارشی اجرا می کند. از یک طرف، سرپرستی انسانی متخصص و جاه طلبانه است که ممکن است در یک گالری هنری، توسط یک دی جی یا یک تأثیرگذار یا یک مجله مد برتر اعمال شود. در این حالت شخصی سازی وجود ندارد. این بررسی خالص توسط کارشناسانی است که به شما می گویند چه چیزی داغ است، چه چیزی کار می کند و چه چیزی نیست.
ممکن است تلاشهایی برای اعمال هوش مصنوعی برای انجام این نوع مدیریت وجود داشته باشد، اما آزمایشی است و هنوز احتمالاً کار متصدیان سطح بالا را از بین نمیبرد – شاید هرگز. نقطه ضعف این نوع مراقبت، عدم شخصی سازی و در نظر گرفتن اینکه گیرنده کیست است. بسیاری از ما پیشنهادات را در دسترس یا نامناسب می دانیم،
در انتهای دیگر مقیاس، تنظیم بسیار شخصیسازی شده است که به شکل «توصیههایی برای شما» یا «موارد مشابهی که ممکن است دوست داشته باشید» خواهید دید. اینجاست که هوش مصنوعی با خوشحالی سعی میکند تا با استفاده از یک فرآیند بزرگ تصحیح، آنچه را که ممکن است دوست داشته باشید، پیشبینی کند. اغلب طبیعی نیست، اما بهتر می شود. واقعیت این است که ما خودمان در کشف مسائل بسیار خوب هستیم. اگر شما هم مثل من هستید، توصیهها را از دست میدهید یا تحت تأثیر انتخابهای قابل پیشبینی قرار نمیگیرید. این انتهای مقیاس اغلب نمی تواند الهام بخش شما باشد و چیزهایی را برای شما پیدا کند که هرگز نمی دانستید به آنها نیاز دارید. زمانی کار می کند که به نقطه شیرینی بین به اندازه کافی مشابه اما جدید یا جالب برخورد کند. انسانها این کار را بهطور طبیعی به خوبی انجام میدهند، اما ماشینها کارهای بیشتری برای انجام دادن دارند.
در هر انتهای ترازو خطراتی وجود دارد. اگر آونگ بیش از حد به سمت حالت خالص حرکت کند، ما چیزی را حل نمی کنیم و فقط منابع اطلاعاتی بیشتری را به یک منظره پر سر و صدا اضافه می کنیم. در انتهای دیگر مقیاس، اگر شخصی سازی بیش از حد داشته باشیم، خطر سوراخ های خرگوش، اطلاعات غلط مارپیچی و فرصت از دست رفته برای کمک به مردم برای توسعه دانش خود را داریم.
بهترین هر دو
بهترین راه حل ترکیبی از هوش مصنوعی و انسان خواهد بود. با استفاده از مهارتهای مدیریت بالای یک انسان و مقیاسپذیری هوش مصنوعی برای شخصیسازی، میتوانیم به تعادل هوشمند دست یابیم. من همیشه به دنبال نمونه های عالی هستم، بنابراین اگر در حال خواندن این مطلب هستید و نمونه های عالی را دیده اید، به من اطلاع دهید.
تا آن زمان، من به جمع آوری توصیه های انسانی ادامه می دهم حسابرسی که در انتهای پردازش تمیز قرار دارد. یک روز ما هوش مصنوعی را به این ترکیب اضافه خواهیم کرد و آن توصیههای تاثیرگذار بر زندگی را در صورت نیاز به افراد مناسب ارائه خواهیم کرد.

