集体智慧 理解集体智慧 (一)

导读

    * 集体智慧的基础。
    * 集体智慧在web应用中，自身是怎样表现的。
    * 用集体智慧创建以用户为中心的应用程序
    * 智慧的三种表现形式:直接的，间接的，推导的(derived)。

      web应用正在发生巨变，新的web应用正以用户为中心，鼓励用户之间联系，操作，并且收集大量的信息使应用得到提高。这一切都是为了给用户带来更多的价值。
      现在的用户一般都喜欢表达自己的想法。表达方式是多种多样的。如就某个产品和服务进行点评，共享喜欢的文章，参加一些社区论坛，自己发表一些文章。
      不断增长的用户，在应用中频繁的交互和参与产生了大量的数据。在应用中，这些数据可以转化为一种智能。用集体智慧为用户提供个性化服务。以使应用的粘度得到提高。
      集体智慧在这里的意思就是，更有效率的使用其他人的信息，去提升某人的应用。
      本书的内容将会介绍机器学习的能力，获取信息，数据挖掘，和举例怎样让应用具有智慧。

什么是集体智慧

      早在web出现之前，集体智慧在科学领域中是非常活跃的。如行为学，计算机科学都对集体智慧之一领域做出了重要的贡献。当一个群体的人相互协作或者与他人竞争，所显现出的智慧和行为，通常就叫做集体智慧(Collective Intelligence)
      具体事例就是如由一个猴子学会了洗马铃薯之后，基本上整个小群体也学会了，从而影响了整个岛上的猴子。互联网的例子，比较有说服力的就是YouTube。

集体智慧在web中的应用

      接下来我们看看集体智慧在web应用中的表现。
      先扩展一下集体智慧的定义。用户的集体智慧的实质如下

      1. 智慧是从集体的交互和用户贡献中提取出来的。
      2. 智慧对于一个用户来说，充当的是一个信息过滤器，方便为用户提供有价值的信息。

      过滤器是用群体用户的信息来影响个人用户。如产品的排名和评论等等。
      要添加集体智慧到应用中，要满足下面三个方面

      1. 允许用户和站点，其他用户进行交互。
      2. 聚合从用户获得的和用户自身贡献的信息。
      3. 把内容推荐给用户。

一个集体智慧的简单事例

      为了更好的理解群体智慧，我们来看个具体事例。
      约翰和简开始创办一个公司。他们并没有任何经验而且资金很有限，只能依靠开源软件做应用。并且依靠基于敏捷开发的快速迭代的开发方式，更快的发布应用，从用户中获得更早的反馈。他们发掘了市场，并有了赢利点，如挂广告和网络购物。
      第一个版本他们的应用只能买卖物品和阅读有关的文章。没有什么用户的定制化，交互或智慧之类的功能。
      接下来他们添加了排行榜的功能，也就是把买卖最火的物品依次排列。这是最简单的集体智慧的事例了。给用户提供一个汇总的信息。为了更快的发展网站的用户，使用户可以把这些排行发给其他人。也许他们的朋友就会变成此网站的用户了。
      在他们下一个版本迭代中，他们想从用户那里获得更多的数据了。因此添加了个人资料的功能，这部分包含了显式和隐式信息。显式信息直接由用户提供。如姓名，性别，年龄等等。隐式信息是收集于用户交互的数据。如用户看过的文章，买卖的产品等等。他们还想为用户提供更多的相关文章和内容。因此他们添加了基于内容的推荐引擎(recommendation engine),这个引擎用来分析文章的内容，如关键词，字的频率，位置。都是为了更进一步为用户提供更感兴趣的内容。
      接下来，网站允许用户自己发表文章。用户可以写一写产品相关的评测和推荐。并且可以为产品和评测进行评分。分数和评测会影响到其他用户的。具体的分数对推荐引擎更为有用。   
      随着产品和内容的不断增长，约翰和简发现手工维护内容的类别成本太高了。用户也反馈说网站的导航菜单太死板了。所以他们建立了基于标签的动态导航。用字体大小来标示标签的重要程度.这些标签都是通过分析内容所得到的。应用分析每个用户的交互行为，提供给用户不同的个性化标签。当用户访问不同类型的文章，这些标签也随之变化了。
      在下一个版本，允许用户可以给文章添加标签并且收藏起来。当这个功能完成后，他们发现可以从用户那里获取更多的数据了。首先，用户会给文章添加新的标签用来标识。这个可以叫folksonomies(通俗分类)。标签也就可以分为机器产生和用户产生两种。机器创建标签的算法可以进一步提高了，因为可以从用户的标签库里获取相关标签了。这些用户定义的标签对广告系统也是非常有用的。他们也可以通过标签把用户和用户和他们感兴趣的事情联系起来。集体智慧开始实践了。。
      接下来，用户可以开通博客，分享他们的经验或者提出问题解决问题。也可以一起创建wiki。约翰和简快算的完成了一套从无结构的文章中获取标签的算法。他们分析了用户的交互行为，从中得知了匹配的用户。从而更好的为用户推荐产品和内容。
      他们进一步优化了搜索结果。也根据关键词网页内容优化了广告投放。
      为了使网站更有粘度，他们爬取了外部网站的内容。如内容，博客，可以让用户了解其他网站的信息。
      至此，用户非常喜欢这个网站，并把它推荐给了其他的朋友。用户开始病毒式的增长。在我们的例子中，两年后，约翰和简已经把公司卖了出去，等待下一代网络的诞生。web3.0。。。
参考实战集体智慧