Fornemmelse: En kur mod ubeslutsomhed?

På det seneste er søgemaskinerne begyndt at fokusere mere på at give svar på specifikke spørgsmål. Sæt for eksempel Botswanas hovedstad i de fleste søgemaskiner, og de vil med glæde producere både det rigtige svar og links til relevante websteder. Men de fleste søgemaskiner er til lidt nytte med mere abstrakte forespørgsler, såsom Hvilken bog skal jeg læse? eller hvad skal jeg lave til aftensmad?

Fornemmelse , et websted, der lanceres for offentligheden i dag, håber at være svaret på disse spørgsmål og mange flere.

Fornemmelsen begynder, hvor en søgemaskine stopper, ifølge medstifter Caterina Fake , som tidligere var med til at stifte fotodelingssiden Flickr og arbejdede senere på Yahoo Answers. Fake påpeger, at en normal søgemaskine ville give en bruger, der er interesseret i at købe et digitalkamera, links til hundredvis af websteder, der gennemgår og sammenligner de nyeste modeller. Brugeren skal så sortere i disse oplysninger og finde ud af, hvilket kamera der er det rigtige for hende.

I modsætning hertil stiller Hunch et par simple multiple-choice spørgsmål, herunder Hvilken type fotografering er du interesseret i?, Vil du have et 'peg og skyd', et spejlreflekskamera eller et afstandsmålerkamera?, og hvor meget zoomer du vil have? før du anbefaler en bestemt model.

Siden tilbyder personlige anbefalinger til alle mulige spørgsmål. Selvom mange af spørgsmålene, der allerede er på siden, er lette, er der seriøs datalogi under motorhjelmen.

Efter at en bruger har oprettet en konto og logget ind på Hunch, har hun mulighed for at besvare alle mulige spørgsmål i en boks mærket Teach Hunch About You. Mens brugeren gennemgår disse spørgsmål, opbygger Hunch mængder af data for at hjælpe med de anbefalinger, den kommer med.

For at finjustere sine anbefalinger balancerer Hunch en brugers svar på spørgsmål med oplysninger fra hendes profil. Brugere kan angive, om Hunchs anbefalinger var gode eller ej, og denne information vil hjælpe med at justere de faktorer, der styrer webstedets algoritmer i fremtiden.

Fake mener, at mange eksisterende anbefalingssystemer, såsom dem, der bruges af Amazon eller Netflix, kæmper, fordi de data, de indsamler, vedrører et snævert udvalg af emner. Hun mener, at problemet er, at de kun har brugernes bog- eller filmvurderinger at arbejde med. Uanset om du kan lide Napoleon Dynamite kunne have noget at gøre med, om man spillede meget flipperspil som barn, siger Fake.

Fake ser Hunch som et stort eksperiment, men dets succes vil afhænge af brugernes vilje til at generere nyt indhold til webstedet og give feedback for at træne dets algoritmer. Selvom firmaet såede webstedet med nogle undersøgelsesspørgsmål og -emner, blev det meste af det, der er der nu, tilføjet af brugerne selv under beta-testning, siger Fake.

Spørgetid: Hunch stiller brugerne flere spørgsmål for at forfine deres oprindelige forespørgsel.

Ud over at vurdere, om et resultat var nyttigt, kan brugere foreslå andre anbefalinger eller forbedringer til undersøgelser. Nye forespørgselsemner kan føjes til et værkstedsområde, der skal udvikles, indtil brugernes stemmer indikerer, at de er nøjagtige nok til at blive frigivet som spørgsmål på det bredere websted.

John Riedl , en professor i datalogi ved University of Minnesota, der studerer anbefalingssystemer og online-samarbejde, siger, at Hunch tackler et fascinerende problem, og et som akademiske forskere har arbejdet på i lang tid. Computere er gode til at skabe spil som 20 spørgsmål, siger han; Hunch har dog at gøre med meget mere amorfe problemer. Et enkelt spørgsmål kan have snesevis af mulige resultater, og de oplysninger, som en bruger giver, hjælper muligvis ikke en computer med at skelne klart mellem mulighederne.

Et centralt spørgsmål, siger Riedl, vil være, om webstedet kan opbygge en base af frivillige, der er villige til at bidrage. Mens projekter, der er afhængige af brugergenereret indhold – såsom Wikipedia – repræsenterer nogle af vor tids ekstraordinære resultater, siger Riedl, spørger Hunch mange af sine brugere.

Hunch har endnu ikke besvaret spørgsmålet om, hvordan det kunne tjene penge, men Fake siger, at indtægterne sandsynligvis vil komme fra sponsorerede links, der vises sammen med resultater. Eller hvis Hunch foreslår et bestemt mærke af bærbar computer, kan webstedet få et henvisningsgebyr, hvis brugeren går videre og køber enheden. Fake understreger dog, at annoncering først vises, efter at et resultat er genereret, og at de ikke vil påvirke de produkter, som webstedet foreslår.

Efterhånden som siden forbedres, håber Fake, at resultaterne vil føles mere og mere intuitive, passende og endda lidt mystiske. Hun siger, jeg vil have, at det skal føles som Magic 8 Ball-oplevelsen.

skjule