專家：TikTok算法非獨一無二 但買家等不及自己開發(fā)
2018年當字節(jié)跳動收購卡拉OK應(yīng)用Musical.ly并重新打造成TikTok時，業(yè)內(nèi)普遍認為這只是另一款面向美國青少年的普通短視頻應(yīng)用。
如今TikTok是全球下載量最大的應(yīng)用，其受歡迎程度是如此之高，已經(jīng)成為美國政府關(guān)注的焦點。
此前美國政府要求字節(jié)跳動剝離TikTok美國業(yè)務(wù)。Musical.ly或許讓字節(jié)跳動在美國市場找到了一個立足點，而讓TikTok業(yè)務(wù)騰飛的是字節(jié)跳動的人工智能推薦算法，該系統(tǒng)能夠根據(jù)用戶的興趣和活動提供經(jīng)過篩選的相關(guān)內(nèi)容。
自2012年成立以來，字節(jié)跳動一直是內(nèi)容推薦系統(tǒng)的支持者，并在旗下今日頭條等其他產(chǎn)品上廣泛采用這種算法。根據(jù)字節(jié)跳動在6月份透露的信息，TikTok在開發(fā)推薦算法時主要考量了三個因素：
- 用戶在應(yīng)用程序上的互動，比如喜歡某個視頻或關(guān)注某個賬號；
- 感興趣的內(nèi)容包括什么——在短視頻中就是諸如音樂和主題標簽等信息；
- 以及用戶所處的環(huán)境，諸如語言偏好、國家和地區(qū)設(shè)置以及設(shè)備類型。
與此同時，TikTok應(yīng)用還會推送一些用戶直接感興趣之外的視頻內(nèi)容。
消息人士稱，如若無法獲得推薦算法，迅速出售TikTok美國業(yè)務(wù)的交易“不太可能發(fā)生”。
為什么這個算法如此重要呢？是因為別人無法模仿嗎？
在字節(jié)跳動收購Musical.ly并將其與TikTok合并之后，其將推薦算法引入平臺，顯著提高了用戶在應(yīng)用上所花費的時間。產(chǎn)品專家尤金·衛(wèi)(Eugene Wei)在他的個人博客上表示，這種變化“很微妙”。
市場研究公司App Annie的數(shù)據(jù)顯示，去年，Android手機平臺上的TikTok用戶總共在這款應(yīng)用上花費了680億小時，是前一年的3倍多。根據(jù)字節(jié)跳動在8月底對美國政府提起的法律訴訟，截至2020年6月，TikTok在美國市場的月活躍用戶接近9200萬，是2018年1月的8倍多。
根據(jù)市場分析公司Sensor Tower的數(shù)據(jù)，2020年上半年TikTok是世界上下載量最大的非游戲類應(yīng)用，獲得了超過5.96億的安裝量，其中還不包括抖音。
香港中文大學(xué)工程學(xué)教授、人工智能專家黃錦輝表示，雖然TikTok使用的基本算法與其他科技公司應(yīng)用程序中的算法相似，但每家公司都會在人工智能引擎中添加特殊功能，從而有所不同。
黃錦輝并不認為TikTok的人工智能引擎有什么獨到之處。他表示，基于新用戶數(shù)據(jù)為TikTok打造一個全新的推薦系統(tǒng)可能需要一年左右的時間，但失去現(xiàn)有工具將對TikTok目前估值產(chǎn)生“非常大的影響”。
“這項技術(shù)只有在算法和用戶數(shù)據(jù)都運行良好的情況下才有效。字節(jié)跳動的應(yīng)用之所以在競爭中擁有優(yōu)勢，部分原因在于它們的用戶數(shù)據(jù)。”科技博主郝佩強說。他曾是一名軟件工程師，現(xiàn)在為企業(yè)提供咨詢服務(wù)。
黃錦輝稱，一些用戶以及投資者可能不想等待開發(fā)新算法。他說，“你不能等著TikTok團隊重新開發(fā)算法，因為TikTok已經(jīng)非常流行了。”“這就像你最喜歡的電視節(jié)目因為技術(shù)問題而停播……我認為用戶不會接受這種情況。”
“對于微軟和沃爾瑪這樣的競標者來說，他們想要收購這個應(yīng)用程序，并讓它立即正常運行，”黃錦輝說。“但如果他們需要等一段時間才能讓它運轉(zhuǎn)良好，或許他們就不會再想買了。”
“Tiktok如果沒有自家推薦系統(tǒng)就不可能存在，但這并不完全意味著這個系統(tǒng)有什么特別之處，”相關(guān)領(lǐng)域研究專家、加州大學(xué)圣地亞哥分校副教授朱利安·麥考利(Julian McAuley)說。
“推薦系統(tǒng)的早期采用者還有電子商務(wù)公司。例如，亞馬遜使用推薦技術(shù)已經(jīng)有近20年的時間了，但早期的系統(tǒng)只是涉及簡單的商品與商品相似度匹配，而不是基于機器學(xué)習(xí)的任何東西，”麥考利說。
“20世紀頭十年中，Netflix也是推薦技術(shù)的一大推動力量，并在2006年設(shè)立了Netflix Prize算法大賽，在學(xué)術(shù)界也引發(fā)了有關(guān)推薦技術(shù)的興趣和研究，”麥考利說。
然而，在現(xiàn)代智能手機時代，推薦技術(shù)被批評存在所謂的“信息繭房”問題，即用戶會將自己關(guān)在助長自身偏見的內(nèi)容中，拒絕所有與自己世界觀不符的信息，從而阻礙人們認識真實的世界。
麥考利說:“公司希望優(yōu)化用戶參與度指標。它們不希望注入多樣化或更平衡的內(nèi)容，因為這樣做會損害他們的關(guān)鍵指標。”他補充說，公司沒有動力去解決這個問題，“我們生活在一個對首選信息需求空前旺盛的時代。”
