{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"094ce2a7-d7e6-4de6-a84c-9994a96a3c4a","title":"被算法操控的生活：重新定义精准广告、大数据和AI","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787571003012","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"094ce2a7-d7e6-4de6-a84c-9994a96a3c4a","id":"094ce2a7-d7e6-4de6-a84c-9994a96a3c4a","uuid":"094ce2a7-d7e6-4de6-a84c-9994a96a3c4a","title":"被算法操控的生活：重新定义精准广告、大数据和AI","normalized_title":"被算法操控的生活重新定义精准广告大数据和ai","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787571003012","isbns":["9787571003012"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":257,"navigation_url":"https://workshop.closeclaw.top/ai/book/094ce2a7-d7e6-4de6-a84c-9994a96a3c4a","title_url":"https://workshop.closeclaw.top/ai/title/%E8%A2%AB%E7%AE%97%E6%B3%95%E6%93%8D%E6%8E%A7%E7%9A%84%E7%94%9F%E6%B4%BB%EF%BC%9A%E9%87%8D%E6%96%B0%E5%AE%9A%E4%B9%89%E7%B2%BE%E5%87%86%E5%B9%BF%E5%91%8A%E3%80%81%E5%A4%A7%E6%95%B0%E6%8D%AE%E5%92%8CAI","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/094ce2a7-d7e6-4de6-a84c-9994a96a3c4a/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/094ce2a7-d7e6-4de6-a84c-9994a96a3c4a/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/094ce2a7-d7e6-4de6-a84c-9994a96a3c4a","page_url":"https://workshop.closeclaw.top/api/ai/books/094ce2a7-d7e6-4de6-a84c-9994a96a3c4a/page","search_url":"https://workshop.closeclaw.top/api/ai/books/094ce2a7-d7e6-4de6-a84c-9994a96a3c4a/search"},"page":{"printed_page":67,"pdf_page":87,"physical_index":87,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"06becdde60f6b7bdf6e0e9afc6f720d6a021fe5be68dbc58fe69278bff8f6cb6"},"chapter":"第3章你以为自己了解朋友？脸书比你更懂他们","content":"(Loudness)和“每分钟节拍”(Beats per minutes)，也包括更主观的情感属性，如“活力”（Energy）、“忧郁”（悲伤）和“舞蹈性”（Danceability)。主观属性可以通过听歌环节进行量化，在这个过程中人类实验对象会聆听成组的歌曲，并说出他们认为最悲伤或最适合跳舞的一首歌。算法学习并领会其中的差异后，将自行对其他歌曲进行适当的分类。\n\n格伦创造了—种叫作“—眼识风格”（Every Noise at Once）的交互式视觉化技术，它将声田所有1536种音乐类型都放在一个二维的云里：垂直方向上，最底端的是“深度歌剧”(deep opera)，最顶端的是“高科技舞曲”(re: techno)；水平方向上，最左边的是“维京金属”(Viking metal)，最右边的是“非洲打击乐”（African percussion)，它把每一种你可以想到的音乐形式汇集到一起，而且那些风格相似的音乐在这个二维平面中相距很近。这是一项了不起的技术成就，也是纵览世界音乐财富的一种非常简洁的方式。\n\n为了完成一篇《经济学人1843》(Economist1843）杂志的约稿，我和格伦进行了第一次交谈。在采访之前，我有点担心会忍不住表露自己对声田听歌建议的看法。我曾经常使用声田的“每周发现”（DiscoverWeekly）服务来寻找新的音乐，但经常颇感失望。我喜欢忧郁的歌曲，但当我听从Spotify的建议欣赏它们推荐的歌曲时，它们产生的情感效果比不上我所收藏的悲伤歌曲。事实上，声田推荐的歌曲往往很无聊，而它的许多其他用户也抱怨相同的问题：相比于他们自己真正喜欢收藏的歌曲，声田推荐的歌就像兑了白开水，寡然无味。\n\n我告诉格伦，我经常收听声田的推荐歌曲，但每一首都只能浅尝辄止，没有哪首歌能够做到让我单曲循环。我原本以为他会产生一些挫败感，没想到他却很乐意承认自己算法的局限性。“我们无法洞察你喜欢一首歌的缘由，”他告诉我。\n\n格伦解释说，声田播放列表最适合用在派对上。“因为这是一个集体活动”，他告诉我，“我们在给社交场合生成播放列表方面做得很好，在集体活动中被人跳过不放的歌曲数量也很少。而为你个人推荐新歌的时候，每10首歌中你如果能够喜欢1首，我们就已经很满意了。”他说的没错。当我们在家招待朋友的时候，我和妻子经常会选择播放声田上一个大众化歌曲列表。这样就避免了在歌曲选择上的分歧，而且我们也确实经常喜欢它的推荐歌曲。\n\n第一部分 算在时视个我数据做了什么？\n\n67","previous_page":66,"next_page":68}