人工智能推荐回目录
如今，一个名为TrapIt的新创公司发布了一个试用网站。该网站通过人工智能引擎了解您的品味后向您推荐内容。这个人工智能引擎最初是由美国国防部高级计划研究局（DARPA）赞助的。该公司希望这一背景可使这个技术与其他搜索信息的方式（如从社交媒体来源搜索并接受推荐）区分开来。
来源：TrapIt
TrapIt的技术扎根于非盈利性研究机构斯坦福研究院（SRI）的CALO项目（Cognitive Assistant that Learns and Organizes，可学习和组织的认知助理）。CALO雄心勃勃地试图让电脑理解人类用户的意图。早前一个从CALO发展而来的公司Siri就研发了一个智能软件助理。这个软件助理可执行简单的任务，如当给出语音命令时可为一个夜晚做出安排。苹果于2010年3月收购了Siri，但这个技术还没有运用在苹果的产品里。
TrapIt倚赖的是CALO智能的另一个部分。“我们从学习数据入手，”执行总裁兼合作创始人加里·格里芬斯（Gary Griffiths）说道。他解释道，911之后，美国政府部门认为他们可以利用能预测袭击的数据，但他们不知道从哪里找起。DARPA建立CALO的部分原因即解决这一问题。该项目寻求途径，筛选出与特定话题最相关的信息，并根据提供的信息模拟用户反应。TrapIt就是把这个技术转变成了商品。
第一眼看上去，TrapIt看起来像个Web 2.0网站。注册之后，用户可从现有“话题”（traps）中选择——一些与专题或流行话题相关的文章，比如刚赢得了美国公开赛的高尔夫选手罗里·麦吉尔罗伊（Rory McIlroy）。用户也可通过输入几个关键词来建立新“话题”并浏览一个屏幕的训练资料。
但是，不管在哪种情况中，话题都是属于用户的，他们只根据自己的品味而改变――即使最初是由其他人建立的话题也是一样。TrapIt的算法梳理了5万个独特的内容源，通过分析文章来对其所包含的信息进行分类。（这5万个资源都靠人工来剔除内容农场和其他产生歧义的资料。）TrapIt把这一信息与使用人工智能对用户之前点击过什么进行的分析结合起来，以此给出新推荐。
TrapIt的创始人认为这个方法为意外发现和精确之间提供了完美的平衡。格里芬斯说，在搜索引擎为特定话题推荐流行的网页时，TrapIt的设计理念为在显露不重要的内容方面做得更好。而在社交媒体可以提供有趣的新链接时，TrapIt可吸收更多内容，保证与用户兴趣紧密相关。
公司也花了很多精力包装网站。公司的算法会摘选每一个话题的标题和图片。
TrapIt的团队希望用户不仅能喜欢网站，还能理解他们正在从高科技中受益。社交移动公司INQ执行总裁兼TrapIt主管之一弗兰克·穆汗（Frank Meehan）说，许多推荐引擎是人为驱动的。例如，Facebook的“喜欢”（Like）需要用户点击来获得有关人们品味的信息。
残酷的是，在穆汗看来，TrapIt的设计显示了界面背后可观的人工智能。他说，展示专题和流行话题可以透露出算法在选择内容方面做得有多好。
TrapIt创始人设想用广告来支持这个服务，但他们对如何赚钱还有其他想法。比如，他们可为搜索比如法律或生物医学等专业话题的用户提供付费服务。这就可访问到平常隐藏在付费高墙以内的内容。公司也希望为媒体企业批准一个平台，这样企业就可使用技术为注册者和其他用户整理个性化内容包。
但是现在，格里芬斯说企业还处于专注于把网站建好的阶段。在早期的测试中，用户每次访问平均浏览18个页面――这是一个非常高的数字。（在该领域遥遥领先的Facebook平均每次访问有24页。）格里芬斯说他希望这个网站吸引人们注意力的能力可构建其一个强大的用户基础并吸引广告商。
LinkedIn首席数据科学家、信息恢复专家丹尼尔·汤克朗（Daniel Tunkelang）说，通过数据分析实现的个性化与通过社交分析实现的个性化可达到互补的功效。他指出，研发可同时使用社交与内容为基础的推荐系统来给出推荐，这方面专家已考虑了很久。
