海信冰箱顯示E4是什么故障(海信冰箱出現(xiàn)e4怎么解決)

前沿拓展：

海信冰箱顯示E4是什么故障

海信冰箱出現(xiàn)E2是變溫室溫度傳感器壞了，參考：

海信冰箱傳感器顯示F1F2F3F4F5F6F7E1E2E3E4故障代碼解析

冷藏溫度顯示區(qū)顯示F1：冷藏室溫度傳感器發(fā)生故障

變溫溫度顯示區(qū)顯示F2：變溫室溫度傳感器發(fā)生故障

冷凍溫度顯示區(qū)顯示F3：冷凍室溫度傳感器發(fā)生故障

冷藏溫度顯示區(qū)顯示F4：環(huán)境傳感器發(fā)生故障

冷藏溫度顯示區(qū)顯示F5：冷藏室溫度傳感器與環(huán)境傳感器同時故障

變溫室冷藏室無顯示：變溫室化霜傳感器故障

變溫室顯示F6：表示冰溫室傳感器壞

變溫室顯示F7：表示冰溫室傳感器與變溫室傳感器壞

冷藏室顯示E1：冷藏室感溫頭故障

變溫室顯示E2：變溫室感溫頭故障

冷凍室顯示E3：冷凍室感溫頭故障

冷凍室顯示E4：環(huán)境感溫頭故障時

---

作者丨gongyouliu

來源 | 大數(shù)據(jù)與人工智能（ID: ai-big-data）

隨著科學(xué)技術(shù)的進步，移動互聯(lián)網(wǎng)快速發(fā)展，手機越來越便宜，擁有智能手機不再是一件遙不可及的事情，互聯(lián)網(wǎng)用戶規(guī)模已接近增長的頂點。攝像頭和信息處理軟件(各種濾鏡、剪輯等工具)技術(shù)的進步讓每一個人都可以輕松地生產(chǎn)高質(zhì)量的內(nèi)容，信息的產(chǎn)生以指數(shù)級增長，我們的生活中充斥著海量的信息。

在上述背景下，怎么高效快速地獲取對自己有價值的信息對每個互聯(lián)網(wǎng)公民來說是愈發(fā)重要的事情，推薦系統(tǒng)的出現(xiàn)可以輕松地應(yīng)對這一棘手的難題。推薦系統(tǒng)作為一種高效的信息過濾工具，可以很好地部分解決用戶精準高效獲取信息的問題(搜索、導(dǎo)航等也是解決用戶獲取信息的手段)，并且也是非常重要甚至是不可或缺的一種手段(在人們需求不明確時，借助推薦系統(tǒng)獲取信息是非常必要的，而每一個人都有不明確的需求)。

推薦系統(tǒng)作為一項技術(shù)在國內(nèi)的發(fā)展時間不長，從2012年成立之初將推薦系統(tǒng)作為核心產(chǎn)品功能到現(xiàn)在差不多有8年時間，在這8年中推薦系統(tǒng)的商業(yè)價值在國內(nèi)逐步得到認可和肯定，大家都認可推薦系統(tǒng)在內(nèi)容分發(fā)、用戶體驗、商業(yè)變現(xiàn)等方面的重大價值。推薦系統(tǒng)目前已經(jīng)成為toC互聯(lián)網(wǎng)產(chǎn)品的標配技術(shù)，任何一個toC產(chǎn)品要想很好地為用戶提供一種被動高效獲取信息的工具，推薦系統(tǒng)是繞不過去的。在特定情況下人類需求的不確定性、信息的爆炸式增長這兩個條件讓推薦系統(tǒng)成為一項長久而實用的技術(shù)，推薦系統(tǒng)不會曇花一現(xiàn)，它會伴隨著人類的發(fā)展而不斷發(fā)展進化。

在此前一系列文章中，我們對推薦系統(tǒng)的算法、工程、評估、展示、交互、業(yè)務(wù)等方方面面都進行了深入的介紹。雖然推薦系統(tǒng)在國內(nèi)的出現(xiàn)只有短短8年，但是在各個方面都取得了極大的進步，發(fā)展越來越快，各種新的方法、應(yīng)用場景、產(chǎn)品形態(tài)層出不窮。未來推薦技術(shù)會朝哪些方向發(fā)展？推薦行業(yè)又有哪些變化？推薦系統(tǒng)的應(yīng)用場景和價值體現(xiàn)又有什么新的特點呢？這些問題都值得我們深入思考。

針對上述問題，作者結(jié)合自己對推薦系統(tǒng)的理解和行業(yè)判斷，在這篇文章中講講推薦系統(tǒng)的未來發(fā)展與變化。具體我會從政策及技術(shù)發(fā)展對推薦系統(tǒng)的影響、推薦系統(tǒng)的就業(yè)變化、推薦系統(tǒng)的應(yīng)用場景及交互方式、推薦算法與工程架構(gòu)、人與推薦系統(tǒng)的有效協(xié)同、推薦系統(tǒng)多維度價值體現(xiàn)等6個方面來講解推薦系統(tǒng)的未來發(fā)展和變化。

本文為讀者提供多角度來觀察推薦系統(tǒng)的未來發(fā)展與變化，期望讀者讀完可以更好地把握推薦系統(tǒng)未來發(fā)展的脈絡(luò)，對推薦系統(tǒng)的未來變化有更深入的了解。

政策及技術(shù)發(fā)展對推薦系統(tǒng)的影響

推薦系統(tǒng)的發(fā)展是與整個大環(huán)境和技術(shù)發(fā)展趨勢密不可分的，一定會受到國家政策層面和技術(shù)發(fā)展的影響。不過對推薦系統(tǒng)來說，我認為政策和技術(shù)的影響是都正向的。下面我們就從政策和技術(shù)兩個維度來分析。

1. 政策層面

隨著智能化、數(shù)據(jù)化等概念的興起，大數(shù)據(jù)與人工智能在科技發(fā)展中起著越來越重要的作用，大數(shù)據(jù)與人工智能得到了國家層面的重視。要想發(fā)展好大數(shù)據(jù)與人工智能，首先必須有相關(guān)人才。國內(nèi)從2016年開始逐漸有一些高校開始開設(shè)大數(shù)據(jù)和人工智能專業(yè)甚至創(chuàng)辦大數(shù)據(jù)、人工智能學(xué)院，這類高校呈上漲趨勢，目前全國開設(shè)了大數(shù)據(jù)相關(guān)專業(yè)的高校超過282個(見參考文獻1)。在2019年全國已經(jīng)有35所高校獲得人工智能建設(shè)資格(見參考文獻2)。除了國家政策層面的支持，這也間接說明這類專業(yè)受到市場的青睞，就業(yè)前景較好，高校才愿意不遺余力地推進大數(shù)據(jù)與人工智能專業(yè)的建設(shè)。教育層面對大數(shù)據(jù)與人工智能的支持，為依賴這些技術(shù)的業(yè)務(wù)和產(chǎn)品提供了源源不斷的人才儲備。

推薦系統(tǒng)本身就是人工智能中非常重要并且有極大業(yè)務(wù)價值的子領(lǐng)域，同時構(gòu)建推薦算法模型也依賴于對大規(guī)模用戶行為數(shù)據(jù)的處理，大數(shù)據(jù)技術(shù)也是推薦系統(tǒng)必備的技術(shù)。因此，推薦系統(tǒng)直接受益于國家在教育層面對大數(shù)據(jù)與人工智能的支持，未來有充足的人才來源。

上面提到的只是國家在教育層面的布局，其實國家將大數(shù)據(jù)與人工智能提到了戰(zhàn)略的高度，希望通過大數(shù)據(jù)與人工智能來革新各個產(chǎn)業(yè)。政策層面的大力支持，媒體的大勢宣導(dǎo)，今日的樣板示范作用，讓個性化推薦相關(guān)產(chǎn)品和業(yè)務(wù)得到更多投資人、公司管理層的重視，這也有利于推薦系統(tǒng)在更多產(chǎn)品和業(yè)務(wù)中落地。

2. 科技層面

云計算技術(shù)是最近幾年非常火的技術(shù)，云計算行業(yè)已經(jīng)發(fā)展得越來越成熟，大公司早已布局，并已成為盈利源泉，是業(yè)務(wù)的第三增長極，國外的有亞馬遜的AWS、微軟的Azure，國內(nèi)有阿里云和騰訊云。

經(jīng)過近十年的發(fā)展，云計算基礎(chǔ)設(shè)施已經(jīng)相對健全，未來會在SAAS服務(wù)和toB行業(yè)應(yīng)用中大力發(fā)展，這其中就包括推薦SAAS服務(wù)。創(chuàng)業(yè)公司只需要利用云平臺提供的各種SAAS服務(wù)就可以輕松搭建推薦系統(tǒng)各個模塊，大大降低了推薦系統(tǒng)的準入門檻。除了云計算公司提供這類服務(wù)，toB的創(chuàng)業(yè)公司也在這方面有所布局，也提供PAAS或者SAAS的推薦服務(wù)。

構(gòu)建一套完善、穩(wěn)定、高效、低成本、靈活的推薦系統(tǒng)是一件非常困難的事情，涉及到數(shù)據(jù)、算法、工程、產(chǎn)品交互、業(yè)務(wù)指標等方方面面，只有對這些知識點有深入全面的了解，再結(jié)合公司的業(yè)務(wù)才能構(gòu)建出具備商業(yè)價值的推薦系統(tǒng)。在這一背景下，創(chuàng)業(yè)公司一般可以選擇利用云服務(wù)來構(gòu)建推薦業(yè)務(wù)，這種方式投入低，無固定成本，是非常好的選擇。只有中、大規(guī)模公司或者將推薦作為核心競爭力的公司才會自建一套推薦算法業(yè)務(wù)體系。

2020年突如其來的新冠病毒疫情，給每個人的生活帶來了極大的影響，限制了每個人的線下活動，用戶將更多時間用在了線上。有很多研究認為這些變化是持久的，不會隨著疫情的消失而消失。這也間接提升了推薦系統(tǒng)等互聯(lián)網(wǎng)服務(wù)面對的用戶規(guī)模，為推薦系統(tǒng)的發(fā)展創(chuàng)造了新的機遇與挑戰(zhàn)。

上面這些變化，對推薦行業(yè)產(chǎn)生了深遠的影響，對推薦系統(tǒng)各方面都會帶來極大的改變。最直接受到影響的是推薦系統(tǒng)就業(yè)的變化，這就是我們下一節(jié)主要講述的內(nèi)容。

推薦系統(tǒng)的就業(yè)

我們在《推薦算法工程師的成長之道》這篇文章中講到推薦系統(tǒng)是一個非常好的職業(yè)選擇，主要表現(xiàn)在就業(yè)范圍廣(推薦、搜索、廣告技術(shù)一脈相承，技術(shù)體系極為類似)、薪資高、有業(yè)務(wù)價值(讀者可以參考這篇文章第一節(jié)“為什么說推薦算法是好的職業(yè)選擇”)。本節(jié)我們就來講解在大環(huán)境和科技層面不斷發(fā)展變化的情況下推薦系統(tǒng)就業(yè)的變化。

我們在第一節(jié)講到各類高校開設(shè)大數(shù)據(jù)與人工智能課程、成立相關(guān)院系，未來推薦相關(guān)的人才供給會更加充裕。大數(shù)據(jù)和人工智能是當下的熱點，而推薦系統(tǒng)是人工智能中非常重要并且有極大應(yīng)用前景和商業(yè)價值的方向，人的從眾本性會導(dǎo)致對熱點盲目追隨崇拜，趨之若鶩，因此一定會有很多從其他方向轉(zhuǎn)崗到推薦算法領(lǐng)域的人才。雖然將來會有更多的企業(yè)提供推薦產(chǎn)品和服務(wù)，但我個人判斷推薦方向的人才肯定會供過于求，相關(guān)職位競爭壓力極大。

構(gòu)建一套完善的推薦系統(tǒng)是一個非常復(fù)雜的系統(tǒng)工程，因此才有這么多云計算公式和toB創(chuàng)業(yè)公司將推薦系統(tǒng)打造為高效易用的SAAS或者PAAS服務(wù)了，在不久的將來，很多公司不會自己去從零開始搭建推薦算法團隊了，而是直接購買云平臺或者toB公司的推薦服務(wù)。因此，推薦方向的工作形式和工作重點可能會有如下幾類變化。

1.推薦算法商業(yè)策略師是新的職業(yè)方向

隨著推薦系統(tǒng)相關(guān)的云產(chǎn)品越來越成熟，創(chuàng)業(yè)公司會更傾向于直接購買推薦云服務(wù)，快速搭建自己的推薦算法產(chǎn)品，而不是從零開始自己摸索。利用云產(chǎn)品的好處是輕量、快速，讓公司將更多的精力放到核心業(yè)務(wù)上，輕裝上陣，快速發(fā)展業(yè)務(wù)。關(guān)于這一塊的介紹，讀者可以參考《從零開始構(gòu)建企業(yè)級推薦系統(tǒng)》這篇文章第二節(jié)3中的介紹。

為了更好地將云推薦產(chǎn)品落地到企業(yè)中，對需要的人才技能及要求會有變化，這時不需要特別懂具體的算法實施和工程，更多的是希望了解各類算法的優(yōu)缺點和應(yīng)用場景，能將推薦算法跟本公司的業(yè)務(wù)結(jié)合起來，讓推薦算法更貼合本公司的業(yè)務(wù)情況，最終讓推薦算法產(chǎn)生業(yè)務(wù)價值。

這類人員需要了解推薦系統(tǒng)全流程，知道構(gòu)建推薦系統(tǒng)可能遇到的困難，有全局把控能力，善于溝通，有對商業(yè)的敏銳嗅覺。這樣的人才我稱為推薦算法商業(yè)策略師，他們的主要工作是怎么基于推薦云服務(wù)將推薦落地到本公司的業(yè)務(wù)中。

2. 在特定領(lǐng)域和場景下出現(xiàn)新的推薦形態(tài)

隨著科技的發(fā)展，特別是智能硬件、5G通信技術(shù)、語音等新交互方式的發(fā)展，推薦系統(tǒng)的應(yīng)用場景及交互方式會拓展到更多場景和領(lǐng)域。

在新的業(yè)務(wù)場景及新交互方式下，怎么構(gòu)建推薦業(yè)務(wù)及推薦算法是非常值得思考的一個問題，也是未來新的機會。讀者可以參見下一節(jié)關(guān)于推薦場景及交互方式變化的介紹。

由于是新的行業(yè)和場景，短期云計算公司提供的推薦服務(wù)還很難覆蓋到這些行業(yè)和場景，因此，在這些新興的行業(yè)和場景中，是需要企業(yè)自己來實現(xiàn)相關(guān)的推薦服務(wù)的(當然云計算公司的產(chǎn)品可以提供一定的補充作用)，這對于推薦算法從業(yè)人員來說也是新的機遇。

隨著新領(lǐng)域的逐步成熟，云計算與toB服務(wù)公司也會涌入新賽道。提供推薦SAAS或者PAAS服務(wù)的云計算公司或者toB創(chuàng)業(yè)公司也需要大量精通推薦算法和工程的專業(yè)人才，在這些新領(lǐng)域提供推薦解決方案。

3. 推薦從業(yè)者需要更加關(guān)注業(yè)務(wù)價值產(chǎn)出

推薦系統(tǒng)本身就是一個比較偏業(yè)務(wù)和工程的方向，企業(yè)構(gòu)建推薦系統(tǒng)的目的就是希望借助推薦系統(tǒng)來獲得更多的商業(yè)價值(讀者可以參考《推薦系統(tǒng)的商業(yè)價值》這篇文章對推薦系統(tǒng)的商業(yè)價值有更多了解)。

在當前互聯(lián)網(wǎng)紅利見頂?shù)那闆r下，原來那種通過融資燒錢發(fā)展用戶的粗放經(jīng)營模式不再有市場。在當前競爭日益激烈的商業(yè)環(huán)境下，企業(yè)從創(chuàng)立第一天就應(yīng)該考慮商業(yè)變現(xiàn)的事情，需要在創(chuàng)業(yè)早期階段就嘗試商業(yè)化，學(xué)習(xí)這方面的技能，積累相關(guān)經(jīng)驗，這樣才更有可能生存下來。

推薦系統(tǒng)作為一個非常有價值的變現(xiàn)工具，需要肩負起商業(yè)變現(xiàn)的責任，因此推薦從業(yè)人員需要更加關(guān)注推薦系統(tǒng)的業(yè)務(wù)價值產(chǎn)出，并盡量量化推薦系統(tǒng)的價值，建立價值產(chǎn)出的閉環(huán)體系。只有讓老板看到推薦的價值，推薦業(yè)務(wù)才有更好的發(fā)展空間。

4. 推薦系統(tǒng)相關(guān)技術(shù)培訓(xùn)市場更加火爆

前面提到很多新興toC互聯(lián)網(wǎng)行業(yè)都將推薦系統(tǒng)作為核心功能，加上云計算和toB創(chuàng)業(yè)公司對推薦工程師的大量需求，市面上對推薦算法人才的需求是比較旺盛的。

推薦算法工程師的工資水漲船高，吸引很多其他方向的工程師轉(zhuǎn)行從事推薦算法相關(guān)工作，他們沒有推薦相關(guān)技能儲備及項目經(jīng)驗，因此需要進行學(xué)習(xí)和培訓(xùn)。另外雖然很多高校開設(shè)了人工智能方面的專業(yè)，但是大學(xué)所學(xué)課程跟企業(yè)對技能的要求還是有比較大的差距的，嚴重脫節(jié)，這些學(xué)生要想在激烈的競爭環(huán)境中找到推薦相關(guān)工作，也需要找推薦相關(guān)實習(xí)或者參加相關(guān)職業(yè)技能培訓(xùn)。這兩個情況促使市面上出現(xiàn)很多從事推薦系統(tǒng)相關(guān)技能培訓(xùn)的副業(yè)及相關(guān)技術(shù)培訓(xùn)創(chuàng)業(yè)公司。這些公司進行在線或者線下技能培訓(xùn)，這也間接提供了錄制推薦課程或者培訓(xùn)推薦技能的工作機會。

推薦系統(tǒng)的應(yīng)用場景及交互方式的多元化

目前的推薦系統(tǒng)主要應(yīng)用于PC端和移動端，特別是在移動端，占推薦系統(tǒng)產(chǎn)品的絕大多數(shù)。未來隨著智能化的發(fā)展，智能設(shè)備會出現(xiàn)在更多的場景中，這些場景中的應(yīng)用當然也可能需要借助推薦技術(shù)來進行信息的分發(fā)。同時這些場景不同于移動端，在交互方式上會有變化，可以借助語音、手勢等更多新的交互方式來與用戶互動。下面我們就對3個可行的推薦系統(tǒng)應(yīng)用場景進行說明。

1. 家庭場景

國內(nèi)最早在2015年5月份樂視智能電視發(fā)布，隨后小米、微鯨、暴風、華為、傳統(tǒng)5大電視廠商(長虹、創(chuàng)維、TCL、海信、康佳)紛紛入局智能電視行業(yè)，國外電視廠商也強勢殺入智能電視市場。各類智能盒子(小米盒子、天貓魔盒等)種類繁多，五花八門，家庭互聯(lián)網(wǎng)進入智能時代。

目前智能電視上唯一的殺手級應(yīng)用就是看視頻。在智能電視上的操作主要是以遙控器為主(雖然很多智能電視具備語音交互能力，但是目前還存在居多問題，導(dǎo)致交互能力有限)，操作相對手機來說更為不便，因此個性化推薦的作用就凸顯出來，智能電視上是更適合做智能推薦的。

作者所在公司開發(fā)的家庭智能軟件產(chǎn)品電視貓，作為聚焦家庭智能終端(電視機、智能盒子)上的視頻應(yīng)用，從2012年就開始構(gòu)建個性化推薦系統(tǒng)，目前已有超過15種智能推薦產(chǎn)品形態(tài)。推薦系統(tǒng)在提升用戶體驗、創(chuàng)造商業(yè)價值等方面產(chǎn)生了巨大的價值。愛奇藝、騰訊視頻、優(yōu)酷等互聯(lián)網(wǎng)視頻巨頭都已經(jīng)布局智能電視端，并且它們都提供了各種各樣的智能推薦能力。

在智能電視或者智能盒子上構(gòu)建推薦系統(tǒng)，由于交互方式及展示方式的特點，以及面對的是非移動多人場景，跟移動端有很大的差別，且更有難度，這里面是有很多點是值得探索和挖掘的，比如怎么更好地跟用戶交互、怎么識別多人場景并提供精準推薦能力。

家庭場景中另外一個不得不說的智能硬件是智能音箱。前幾年亞馬遜的Echo在美國大熱，引爆了智能音箱市場，國內(nèi)快速跟進，BAT、小米、科大訊飛等一眾企業(yè)紛紛布局，上演了智能音箱大戰(zhàn)。國內(nèi)目前每年有千萬級的銷售量，逐步成為家庭中僅次于智能電視的現(xiàn)象級硬件產(chǎn)品。

智能音箱以語音交互為主(帶屏智能音箱也可以采用觸控的方式交互)，智能音箱上的應(yīng)用目前種類非常多，以音樂、故事知識、生活幫助(查天氣股票等)為主，除了音樂這類音頻的產(chǎn)品可以非常自然地整合個性化推薦能力(是手機上的個性化電臺在智能音箱上可以自然延伸)，目前還沒有看到將智能推薦應(yīng)用到智能音箱中的其他場景(比如購物等)。由于交互方式、展現(xiàn)方式的限制，在除音樂等音頻之外的應(yīng)用上，怎么整合智能推薦的精準推薦和信息分發(fā)作用，是一個比較難的事情，也是一個非常值得探索的方向。

2. 車載場景

車載場景是一個非常重要的場景，用戶規(guī)模巨大，同時也是一個比較特殊的場景。在車載場景下司機的主要注意力在開車，車載智能設(shè)備的交互方式一定以語音交互為主，應(yīng)用也會有所局限，音樂、新聞等是主要的應(yīng)用場景。推薦系統(tǒng)也會聚焦在音樂、新聞等信息流推薦上，其他的智能推薦應(yīng)用場景很難挖掘。這跟智能音箱類似，這里不再贅述。

3. VR(虛擬現(xiàn)實)/AR(增強現(xiàn)實)/MR(混合現(xiàn)實)場景

虛擬現(xiàn)實/增強現(xiàn)實/混合現(xiàn)實等技術(shù)的發(fā)展，給人類提供了了解世界、獲取信息的一扇窗，目前這些智能設(shè)備還不夠成熟，基于設(shè)備之上的應(yīng)用也相對少(主要是游戲類、視頻類)。這類設(shè)備的交互方式以語音、手勢、觸控等為主。這類設(shè)備上生態(tài)還極不成熟，內(nèi)容也相對少，目前還不滿足做智能推薦的條件，但是是一個比較值得期待的方向。特別是當混合現(xiàn)實發(fā)展成熟時，就像谷歌眼鏡那樣，人可以在行動中獲取信息，并可以整合當下的環(huán)境信息，推薦系統(tǒng)一定有很多新奇的玩法。

除了上面提到的三類應(yīng)用場景，其他場景如智能冰箱上做智能推薦也是可行的。智能冰箱可以記錄家居生活中食物的消費情況，了解家庭的飲食習(xí)慣。基于對家庭消費習(xí)慣的挖掘，進行精準的個性化食物推薦是非常可行的一種策略，這就跟電商直接聯(lián)系起來了，非常有商業(yè)價值，值得期待和探索。

應(yīng)用場景的變化一定伴隨著交互方式的變化，在上述幾類場景中主流的交互方式都跟手機上的觸屏交互不一樣，因此應(yīng)用場景對基于這些場景下的智能推薦的交互及展示方式是有極大影響的。對于推薦系統(tǒng)UI交互和視覺展示的未來發(fā)展，讀者可以參考《推薦系統(tǒng)的UI交互與視覺展示》這篇文章第五節(jié)“推薦系統(tǒng)UI交互和視覺展示的展望”進行深入了解。

推薦算法與工程架構(gòu)的發(fā)展

推薦系統(tǒng)中最重要、最核心、最有技術(shù)含量的一個模塊非推薦算法莫屬了。目前主流的、在工業(yè)界大量使用的推薦算法有基于內(nèi)容的推薦、各類協(xié)同過濾算法等。這些傳統(tǒng)的推薦算法時至今日還在推薦系統(tǒng)中發(fā)揮著巨大的價值。隨著機器學(xué)習(xí)技術(shù)、大數(shù)據(jù)技術(shù)、云計算及軟硬件的發(fā)展，會有更多新的學(xué)習(xí)范式應(yīng)用于推薦系統(tǒng)中。除了算法層面的變化外，通信技術(shù)的發(fā)展讓實時推薦成為可能，推薦系統(tǒng)在數(shù)據(jù)處理、工程架構(gòu)等方面也會迎來新的發(fā)展與機會。下面我們就從算法和工程兩個角度來梳理推薦推薦系統(tǒng)的未來發(fā)展。

1. 推薦算法新的機會

最近幾年隨著深度學(xué)習(xí)技術(shù)的發(fā)展，深度學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用也越來越廣泛。深度學(xué)習(xí)由于可以獲得比傳統(tǒng)算法更好的精準度、不需要做復(fù)雜的人工特征工程而受到推薦算法工程師的追捧，深度學(xué)習(xí)技術(shù)逐漸成了推薦系統(tǒng)中的主流技術(shù)。

作者在《深度學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用》這篇文章中對深度學(xué)習(xí)在推薦中的應(yīng)用進行了比較全面的介紹，其中第七節(jié)“深度學(xué)習(xí)推薦系統(tǒng)的未來發(fā)展”中對深度學(xué)習(xí)在算法模型維度、工程維度、應(yīng)用場景維度、數(shù)據(jù)維度、產(chǎn)品呈現(xiàn)與交互維度等進行了探討，讀者可以參考和學(xué)習(xí)。

推薦系統(tǒng)本質(zhì)上是一個交互式學(xué)習(xí)引擎，它會根據(jù)用戶對推薦物品的反饋(是否瀏覽、點擊、購買等)來調(diào)整后續(xù)給該用戶的推薦結(jié)果，這個過程是一個互動的過程，用戶與推薦系統(tǒng)互動得越多越頻繁，推薦系統(tǒng)就越懂你，給你的推薦也會越精準。在機器學(xué)習(xí)領(lǐng)域有一種學(xué)習(xí)范式就是互動式學(xué)習(xí)的典范，這就是強化學(xué)習(xí)(參見下面圖1)。強化學(xué)習(xí)中智能體通過與環(huán)境互動(action)獲得環(huán)境的反饋(feedback)，基于反饋調(diào)整自己與環(huán)境的交互，形成新的交互方式與策略，最終通過多輪互動，智能體可以更好地從環(huán)境中學(xué)習(xí)，獲得更大的綜合回報。

如果我們在強化學(xué)習(xí)范式下考慮推薦系統(tǒng)，推薦算法就是智能體，而使用推薦系統(tǒng)的人就是環(huán)境，推薦系統(tǒng)通過與人互動(推薦系統(tǒng)給人推薦標的物，而人對推薦的標的物進行行為操作)更深入地了解人的行為特點、興趣偏好。推薦系統(tǒng)從與人互動中不斷迭代，獲得更好的推薦效果。強化學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用，工業(yè)界已經(jīng)有一些成果，感興趣的讀者可以查看參考文獻3、4、5、6，分別是今日、京東、YouTube將強化學(xué)習(xí)應(yīng)用于推薦中的案例。

對強化學(xué)習(xí)感興趣的讀者可以學(xué)習(xí)參考文獻7，這是強化學(xué)習(xí)之父Sutton寫的一本非常有影響力的書。隨著推薦系統(tǒng)越來越趨向于實時化，我相信強化學(xué)習(xí)在推薦中的應(yīng)用一定是未來非常值得探索的方向，也一定會產(chǎn)生極大的商業(yè)價值。

圖1：強化學(xué)習(xí)范式

機器學(xué)習(xí)中另外一個非常重要的學(xué)習(xí)范式是遷移學(xué)習(xí)，所謂遷移學(xué)習(xí)簡單來說是將從一個領(lǐng)域獲得的知識通過某種方式應(yīng)用于另外一個領(lǐng)域(需要尋找到這兩個領(lǐng)域之間的某種關(guān)聯(lián)關(guān)系)。這種學(xué)習(xí)范式對人類來說是再平常不過的事情了，我們平時所說的舉一反三、觸類旁通等就是人類大腦的遷移學(xué)習(xí)能力。

遷移學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用目前有少量嘗試，讀者可以查看參考文獻8、9、10、11、12，這些都是遷移學(xué)習(xí)在推薦系統(tǒng)上的探索。我們在《嵌入方法在推薦系統(tǒng)中的應(yīng)用》第五節(jié)3中講到盒馬利用遷移學(xué)習(xí)將淘寶用戶特征遷移到盒馬中可以很好地解決用戶冷啟動問題，這算是遷移學(xué)習(xí)在工業(yè)級推薦系統(tǒng)中一個比較好的應(yīng)用案例。

目前很多平臺型的大公司都孵化出了很多產(chǎn)品，構(gòu)建出了超大規(guī)模的產(chǎn)品矩陣，比如阿里系下的產(chǎn)品、系下的產(chǎn)品等，在這些產(chǎn)品之間進行遷移學(xué)習(xí)是非常自然的事情。另外云計算公司服務(wù)于非常多的同類型公司，這里面就有非常多遷移學(xué)習(xí)可以落地的場景，云計算公司從一個公司構(gòu)建推薦算法服務(wù)的經(jīng)驗和獲得的算法成果都可以遷移到另外一家同類型的公司中(當然需要考慮到信息安全和隱私，這在下面提到的聯(lián)邦學(xué)習(xí)框架下是可行的)。

監(jiān)督學(xué)習(xí)目前還是機器學(xué)習(xí)中最重要應(yīng)用最廣的學(xué)習(xí)范式，但是獲得大量標準樣本是非常費時費力費錢的，怎么在沒有大量標注樣本的情況下學(xué)習(xí)是一個非常重要的問題(在醫(yī)學(xué)等領(lǐng)域標記樣本不足是很自然的事情)。遷移學(xué)習(xí)提供了一種可行的方案，另外一個可行的方式就是半監(jiān)督學(xué)習(xí)(參見參考文獻13)，半監(jiān)督學(xué)習(xí)利用標記樣本和無標記樣本來進行學(xué)習(xí)，可以很好解決標記樣本不足的問題。目前我們所獲得的數(shù)據(jù)中無標記數(shù)據(jù)量是非常巨大的，比如視頻、音頻、評論信息、標的物介紹文本等，這些信息在半監(jiān)督學(xué)習(xí)范式下都可以使用。參考文獻14就是半監(jiān)督學(xué)習(xí)在推薦系統(tǒng)上的嘗試。這方面的技術(shù)目前還很少看到在企業(yè)級推薦系統(tǒng)上的應(yīng)用，但是一定是未來非常值得深入挖掘的一個方向。 目前國內(nèi)的產(chǎn)品一般都是通過霸王協(xié)議來獲取用戶數(shù)據(jù)，多多少少都是不太符合人性和道義的，隨著用戶隱私意識的增強和法律層面對隱私保護的重視，未來推薦系統(tǒng)可能更難獲得更多的用戶數(shù)據(jù)，這就要求推薦算法從更加保護用戶隱私的方向努力，在這個方向上聯(lián)邦機器學(xué)習(xí)(見參考文獻15)就是一種非常好的學(xué)習(xí)范式。

聯(lián)邦機器學(xué)習(xí)是一個機器學(xué)習(xí)框架，能有效幫助多個機構(gòu)在滿足用戶隱私保護、數(shù)據(jù)安全和政府法規(guī)的要求下，進行數(shù)據(jù)使用和機器學(xué)習(xí)建模。聯(lián)邦機器學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用已經(jīng)在業(yè)界有比較好的嘗試了，未來肯定會是推薦系統(tǒng)發(fā)力的一個方向。關(guān)于用戶隱私和聯(lián)邦機器學(xué)習(xí)相關(guān)的知識點讀者可以參考《推薦系統(tǒng)的價值觀》第三節(jié)3中的介紹。

上面講到了在推薦算法上未來推薦系統(tǒng)可能的方向和變化，在數(shù)據(jù)處理及工程方面，推薦系統(tǒng)也會面對很多的調(diào)整、變化與發(fā)展，下面我們就來簡單梳理一下。

2. 推薦系統(tǒng)工程層面的發(fā)展變化

現(xiàn)在主流的基于內(nèi)容的推薦和協(xié)同過濾推薦算法都只利用了部分用戶數(shù)據(jù)進行模型訓(xùn)練，還遠遠沒有將所有可用的信息綜合起來進行推薦。這一方面是數(shù)據(jù)量太大，二是數(shù)據(jù)處理復(fù)雜(特別是富媒體數(shù)據(jù)處理起來成本高技術(shù)復(fù)雜)，三是更多的數(shù)據(jù)對推薦算法性能及可拓展性的要求更高。在不久的將來隨著特征工程技術(shù)的進步、數(shù)據(jù)處理能力的增強、計算成本的降低以及算法自身的發(fā)展，獲取更多的數(shù)據(jù)進行更加復(fù)雜模型的訓(xùn)練成為可能，更多的數(shù)據(jù)和更復(fù)雜的模型也會讓最終的推薦效果更好。這種復(fù)雜的模型可以是更深層的深度學(xué)習(xí)模型還可以是各種模型的混合推薦(讀者可以參考《混合推薦系統(tǒng)介紹》這篇文章)。

隨著通信技術(shù)的發(fā)展，特別是5G技術(shù)的普及，信息傳輸?shù)乃俣雀臁鬏斮M用更便宜，我們可以在極短的時間內(nèi)獲得大量的信息，計算能力的增強和算法模型的發(fā)展讓處理信息更加快速及時，同時用戶也趨向于獲得及時快速的互動，在這些因素的影響下，推薦系統(tǒng)正變得越來越實時。目前大火的信息流推薦就是很好的體現(xiàn)。實時推薦不光用戶體驗好，并且還具備更好的商業(yè)價值(實時推薦增加了信息分發(fā)的效率，讓單個推薦位的產(chǎn)出大大提高)，實時推薦是推薦系統(tǒng)未來最為重要的發(fā)展方向之一。

要想做好實時推薦，除了算法外，對工程架構(gòu)、交互方式等都需要進行相應(yīng)調(diào)整。在工程上需要采用流式處理技術(shù)(如Flink、Spark Streaming等)來進行特征處理與模型訓(xùn)練，這樣才可以更好地響應(yīng)用戶的實時操作。交互方式上也需要給用戶提供更加自然流暢的交互，目前在移動端的下拉刷新就是一種比較好的交互方式，當推薦場景拓展到家庭智能設(shè)備、車載設(shè)備、甚至虛擬設(shè)備上時，交互方式都需要進行重大革新。作者在《實時個性化推薦介紹》這篇文章第八節(jié)“實時推薦系統(tǒng)的未來發(fā)展”中對實時推薦系統(tǒng)未來的發(fā)展方向進行了比較全面的介紹，讀者可以參考學(xué)習(xí)。

還有一個不得不提的點是特征工程，這是任何機器學(xué)習(xí)算法必須要面對的問題，隨著富媒體信息在所有信息中所占比重越來越大以及實時推薦對特征處理時效性的要求，這個問題變得日益嚴峻。幸好深度學(xué)習(xí)等技術(shù)可以減少人工特征工程的難度，另外自動化特征工程在某種程度上也可以緩解這個問題。關(guān)于特征工程未來發(fā)展及變化，讀者可以參考《推薦系統(tǒng)之數(shù)據(jù)與特征工程》第五節(jié)“推薦系統(tǒng)數(shù)據(jù)與特征工程未來趨勢”中的相關(guān)介紹。

目前的推薦算法都是部署在云端的，所有人共用一套推薦算法體系。隨著邊緣計算技術(shù)的發(fā)展，未來是極有可能在終端上部署比較復(fù)雜的模型的，到那時就可以為每個用戶構(gòu)建一個個性化的推薦算法模型，直接在終端給用戶生成推薦結(jié)果。這種部署方式有幾大優(yōu)點：一是推薦會更加及時，可以給用戶更好的體驗；二是每個人擁有自己量身定制的算法，算法精準度也會更高；三是信息直接在終端進行處理，也更加安全可靠。《實時個性化推薦介紹》第八節(jié)“實時推薦系統(tǒng)的未來發(fā)展”2中對這個情況進行了比較細致的描述，讀者可以參考。

總之，隨著機器學(xué)習(xí)算法自身的發(fā)展，隨著硬件、信息處理技術(shù)、信息傳輸技術(shù)的發(fā)展，未來的推薦系統(tǒng)在算法實現(xiàn)方案、工程架構(gòu)等方面都會產(chǎn)生極大的變化，會出現(xiàn)更多的可能性。這些都是值得我們?nèi)テ诖⑷ニ伎肌⑷ヌ剿鞯姆较颉?/p>

在與推薦系統(tǒng)協(xié)作上凸顯人的價值

雖然以深度學(xué)習(xí)為代表的第三次人工智能浪潮給學(xué)術(shù)界和產(chǎn)業(yè)界帶來了極大的變化，機器學(xué)習(xí)在很多方面的能力達到甚至超越了人類。但在涉及到創(chuàng)造和情感方面，在可預(yù)見的未來機器是無法取代人的。而為用戶提供有價值的信息和情感聯(lián)系是好的、具備人文關(guān)懷的推薦系統(tǒng)必須要具備的能力，這就要求人和機器有效協(xié)同，這也是未來很長一段時間推薦系統(tǒng)的常態(tài)。

從數(shù)據(jù)過濾、特征選擇、模型調(diào)整、結(jié)果干預(yù)、展示優(yōu)化、效果調(diào)控等推薦系統(tǒng)的各個維度人工都可以發(fā)揮極大的價值。《推薦系統(tǒng)的人工調(diào)控》這篇文章對人工怎么調(diào)控推薦系統(tǒng)，人工在推薦系統(tǒng)中的定位和作用等進行了比較深入的介紹，讀者可以學(xué)習(xí)了解。加入了人工因素的推薦系統(tǒng)更有情感也更加可控。

目前人工在推薦系統(tǒng)中所起的調(diào)控作用還比較粗暴，更多可能是對結(jié)果層面的干預(yù)，未來人工怎么跟推薦系統(tǒng)更好地協(xié)同，怎樣在推薦系統(tǒng)中發(fā)揮人的創(chuàng)造力和情感力量是非常值得思考和探索的。

關(guān)注推薦系統(tǒng)多維價值體現(xiàn)

推薦系統(tǒng)作為一種獲取商業(yè)價值的工具，已經(jīng)被過度商業(yè)化了。在用戶體驗上雖有所考慮、有所收斂，但是做得還不夠。作者在《推薦系統(tǒng)的價值觀》這篇文章中對推薦系統(tǒng)應(yīng)該從哪些維度來體現(xiàn)價值進行了比較深入的介紹，特別是人文關(guān)懷、生態(tài)健康發(fā)展和弘揚社會正向價值觀這3個方向上，給出了自己的思考，這也是當前推薦系統(tǒng)價值體現(xiàn)中非常缺失的部分。

隨著科技的發(fā)展，特別是云計算將很多技術(shù)能力變成像水電煤一樣可以方便獲取的資源，大家在技術(shù)能力上的差異會越來越小，這時能夠讓你脫穎而出的可能是你的產(chǎn)品能不能打動用戶、能不能跟用戶產(chǎn)生共情。推薦系統(tǒng)作為一個跟用戶強交互的產(chǎn)品，也是滿足這種趨勢變化的。因此，未來能夠做好推薦系統(tǒng)的企業(yè)一定是能做定義好推薦系統(tǒng)價值的企業(yè)，不光要考慮商業(yè)價值，更應(yīng)該考慮用戶體驗和人文關(guān)懷。

總結(jié)

這篇文章基于作者在推薦領(lǐng)域多年的實踐經(jīng)驗和深入思考，從多個維度對推薦系統(tǒng)的未來發(fā)展進行了總結(jié)和介紹。

國家層面對大數(shù)據(jù)與人工智能技術(shù)的大力支持，有利于推薦系統(tǒng)行業(yè)獲得更多的專業(yè)人才，同時競爭也顯著加劇。云計算等技術(shù)的發(fā)展讓構(gòu)建推薦系統(tǒng)就像購買商品一樣方便，創(chuàng)業(yè)公司可以更輕量、更便捷、低成本地在產(chǎn)品中整合推薦能力。

政策層面的支持、技術(shù)的發(fā)展，對推薦行業(yè)就業(yè)也會產(chǎn)生深遠影響。企業(yè)更需要推薦算法的商業(yè)策略師更好地落地推薦算法，而推薦從業(yè)人員需要關(guān)注推薦系統(tǒng)的業(yè)務(wù)價值產(chǎn)出。

物聯(lián)網(wǎng)、通信技術(shù)、硬件技術(shù)的發(fā)展，拓展了推薦系統(tǒng)的應(yīng)用場景，推薦系統(tǒng)會應(yīng)用到更多的領(lǐng)域，包括家庭場景、車載場景、虛擬現(xiàn)實場景等。在這些新場景中推薦與人的交互方式會發(fā)生極大的變化，語音交互、手勢交互成為可能。

在推薦算法上，最近幾年深度學(xué)習(xí)已經(jīng)在推薦上取得了非常好的效果，未來新的推薦范式，如強化學(xué)習(xí)、遷移學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、聯(lián)邦機器學(xué)習(xí)等都會在推薦系統(tǒng)中獲得規(guī)模化使用。技術(shù)的進步讓推薦系統(tǒng)利用更多的富媒體數(shù)據(jù)訓(xùn)練模型成為可能，推薦系統(tǒng)也會更加實時化、個性化，甚至可能每個人都會擁有一套量身定制的個性化推薦引擎。

推薦系統(tǒng)不光要獲得商業(yè)價值，在用戶體驗、人文關(guān)懷、生態(tài)繁榮、弘揚正向價值觀等維度也需要有所突破，這些多維度的價值會越來越重要，會成為推薦系統(tǒng)的核心競爭力。在這些價值發(fā)揮中人的作用就凸顯出來，未來很長一段時間，人與機器是協(xié)同發(fā)展的，推薦系統(tǒng)只有更多地注入人的情感和靈魂，才會有更好的發(fā)展。

參考文獻

[開設(shè)大數(shù)據(jù)專業(yè)的高校] https://jingyan.baidu.com/article/3d69c55125fd54f0cf02d718.html

[開設(shè)人工智能專業(yè)的高校] https://www.sohu.com/a/321455764_383037

[2019 今日] Deep Reinforcement Learning for Online Advertising in Recommender Systems

[2018 京東] Deep Reinforcement Learning for List-wise Recommendations

[2018 京東] Recommendations with Negative Feedback via Pairwise Deep Reinforcement Learning

[2018 YouTube] Top-K Off-Policy Correction for a REINFORCE Recommender System

[圖書：強化學(xué)習(xí) 第二版] http://product.dangdang.com/27926613.html

Social-behavior Transfer Learning for Recommendation Systems

[2012] Transfer Learning in Collaborative Filtering with Uncertain Ratings

[2012] Selective Transfer Learning for Cross Domain Recommendation

[2016] Transferring User Interests Across Websites with Unstructured Text for Cold-Start Recommendation

[2015] A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems

[半監(jiān)督學(xué)習(xí)] https://baike.baidu.com/item/%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/9075473?fr=aladdin

Bridging Collaborative Filtering and Semi-Supervised Learning: A Neural Approach for POI Recommendation

[聯(lián)邦機器學(xué)習(xí)] https://baike.baidu.com/item/%E8%81%94%E9%82%A6%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/23618046?fr=aladdin

360金融首席科學(xué)家張家興：別指望AI Lab做成中臺用 Python 實現(xiàn)手機自動答題，這下百萬答題游戲誰也玩不過我！

黑客用上機器學(xué)習(xí)你慌不慌？這 7 種竊取數(shù)據(jù)的新手段快來認識一下

關(guān)于 Docker ，你必須了解的核心都在這里了！

5分鐘！就能學(xué)會以太坊 JSON API 基礎(chǔ)知識

拓展知識：