栗浩洋爱人 栗浩洋灵魂匹配的社交梦境如何通过人工智能实现

2018-01-08
字体:
浏览:
文章简介:钛媒体注:在2016钛媒体T-EDGE年度峰会上,朋友印象.乂学教育创始人栗浩洋作了以主题为<灵魂匹配的社交梦境如何通过人工智能实现>的演讲,分享了社交平台"朋

钛媒体注:在2016钛媒体T-EDGE年度峰会上,朋友印象、乂学教育创始人栗浩洋作了以主题为《灵魂匹配的社交梦境如何通过人工智能实现》的演讲,分享了社交平台“朋友印象”的的创业历程,以及平台上的用户是如何匹配到“灵魂伴侣”的故事。

栗浩洋认为,中国人比较注重精神上的交往。与陌陌、探探和支付宝日记等“看脸”社交软件不同,通过人工智能技术,基于关键词推送好友的朋友印象可以帮助人们寻找真正的、深层次的“灵魂伴侣”。

在人工智能做短文关键词的提取的时候,栗浩洋发现,高频次的关键词推送是无意义的,只有低频次的推送才是有价值的。如果帮助用户抓取到低频次的关键词匹配,双方的共鸣点就会变得非常的深层。通过神经网络的学习,还可以更进一步深入地了解平台所推荐人。

我要谈的话题,也是我们社交软件朋友印象想要做的事,是怎样帮助每个人匹配你的灵魂知己。我觉得我们的市场非常大,我们有这个机会能够帮你去找到这样的一个人。

我属于一个全新的“老”创业者。今年我启动了朋友印象这样的一个App,但是我其实在十年前已经加入到创业的行列。我特别喜欢 T-EDGE 这个名字,我们总是走在风口浪尖,总是走在科技、人文和生活的边缘,这是我自己可能比较喜欢的一种人生。

刚辞职创业的时候,我老婆问了我一个问题:你为什么从管两万多人到管十个人,为什么跨界去做一个看似这么不靠谱的社交软件?我说,我用简单的几句话尽量给你讲明白。第一,你肯定不是这个世界上最适合我的老婆,我也肯定不是这个世界上最适合你的老公。

我们两个,就好像大众点评出现之前,我们在家门口吃了六七家餐厅,我们就觉得好,在这家吃一辈子,永远也不变了。这是多么仓促而又狭隘的一个选择。现在我们找一个餐厅,我们可能从一百家,一千家,甚至一万家餐厅里面去选择最适合我们的那一个。找一个人的时候,我们发现竟然没有办法在社交网络里去找到一个你最想要的人。

我们上一个公司上市的过程当中遇到了很多问题。当时我们赔了六千多万。那时候我特别想找一个特别懂公关的人,找了很多都没有找到。很多公司都是做锦上添花的事情,但是他们不懂怎么雪中送炭,他们并不了解上市的过程中的如何做危机公关。

我相信中国有很多这样的人,但是在茫茫人海中找不到。今天来参会的人当中,可能当中有你的合作伙伴,彼此看似都在一个空间内,但是却隐没在人海当中。我觉得中国人的社交,并不仅仅只有陌陌、探探这样的“看脸”的,也不只有支付宝日记。我们还是注重灵魂上的交往的。

我们要如何解决这个问题?终于到了三十多岁,我想来解决这个问题。能找到自己的灵魂知己的人的几率,可能在世界不超过万分之一。但是找到了会怎么样,会特别地兴奋对不对?就像萨特和波伏娃一样,他们两个人的婚姻观、哲学观都是非常一致;就像钱钟书和杨绛,他们相守了一生。

在商业上我们是不是需要灵魂知己呢?如果我们真的找到了最合适的那个人,对我们来说是多么重要。去年,朋友印象刚开始的时候找了三四十家风投,却没有人欣赏你。等到有一个人特别欣赏你,说你可以至少做到百亿美金,我的心突然激动了。我回去跟我的合伙人打电话,我说,平时都是我出去忽悠风投,今天出来一个风投忽悠我。所以,遇到一个知己是多么的重要,遇到那个欣赏你的人是多么的重要。

如何通过人工智能帮你进行匹配?其实可能非常简单。比如说,在陌陌上,我们匹配上一个人,可能我们不知道该怎么接着说下去,我们通常叫“三句死”。但是,在朋友印象里,我们匹配一个人,却可以口若悬河地交流,并不是因为你特别能讲。

我做了很多实验,在朋友印象里面,我写了我所看过的十部歌剧、音乐剧,跟我匹配的女孩,她都看到了其中的七部到八部,有的甚至非常小众的,这个时候,你突然发现两个人都有聊不完的话题。还有一个女孩,她也是做创投的,她的主页上有一本书叫《百年孤独》。我只跟她讲了一句话,聊完之后,我们发现在每一个点上,我们都有聊不完的话题。

当然中文自动分词这个事情,百度早就做得非常好了。但是我们的自动分词难度比搜索高很多,因为我们要找出这个词中的关键点。比如说,这个人写了一句话:“诚品书店就像迷宫一样像朝圣。”你怎么匹配呢?你只能跟一个“朝圣的人”匹配“朝圣”,但是他讲的是诚品书店。我们如何识别出这个语句中的关键点?从大江南北跑到苏州看大陆第一家诚品书店开店的人,就变得非常的重要。

更重要是,在我们做短文的关键提取的时候,发现遇到了一个巨大的难点,这个难点远远超过百度,甚至超过今日头条。现在的关键词推荐都是,如果你喜欢看一篇文章,这篇文章里面出现了六次“特朗普”,以后只给你推特朗普的文章就好了。但是,我们发现高频次的推送是没有意义的,低频次的推送才是有价值的。

如果系统上抓取出你喜欢《再次出发》这个电影,我也喜欢。如果我们匹配在一起,我们的共鸣点就变得非常的深层。但是,如果我们把“流行音乐”这个词匹配上,两个人都喜欢流行音乐,这个可能只能爆发出小小的火花,不能持久,也不深刻。不过,假如我们在一个女孩的印象里面抓出了她的很多关键的低频词,和另外一个男孩匹配。当时匹配到了之后,这个女孩说,突然感觉到浑身都在发抖,真的好像找到了自己生命中的另一半一样。

他们到底有哪些点相同呢?第一个,他们都喜欢北欧的后摇风格的音乐。他们每个人都把后摇当成了是一种精神的感受。不但如此,他们都喜欢每天去喂流浪小动物。他们的价值观和性格相符,他们的工作观也一致,他们宁可不要一个月一万五的工作,宁可一个月挣七八千,他们也愿意找一个比较有魅力的上司和愿意让自己犯错的上级。

同时,他们还非常孝顺,尽管每个月挣的工资不多,都会跟父母寄六七百块。他们突然发现,原来世界上我还可以找到跟我这么相符的人。

我们如何通过这种主题聚类帮助你选择?比如说,我们不是像百度一样,你搜索“潜水”,我给你一个潜水的结果。你搜索“潜水”,可能给你一个喜欢帆板的人。在宠物标签上,你不是养的拉布拉多,你可能养的是毒蛇,另外一个女孩喜欢养蜥蜴。

有一个80后的工程师,长得特别惨不忍睹,他在所有的社交软件里面都没有找到女性朋友,因为80后就谢顶了。但是在我们这里就有七八个女孩。因为他们都是喜欢养毒虫的,他对蜘蛛交配的时节,生活习性了如指掌。我们通过这个男孩才知道,原来在淘宝上,我们可以买到一个活的蜘蛛,在他生日的时候给他送过去。

每个人在这里面找到与众不同的人,我们会推荐给你意想不到的内容。我们通过算法可以给你推荐你一定会喜欢的那种爱好;你可能会喜欢,但是你自己都没想到会喜欢的那个人。

当然,通过神经网络的学习,我们一步一步地更深入地了解推荐人。当我们的合伙人写了“寒夜客来茶当酒,竹炉汤沸火初灯”时,我们零乱了,我到底推荐茶还是什么?我要找到一个好闺密,他要是“善良”。上帝啊,我怎么推荐一个善良的人?但是我们后来把“善良”分解成了几百个内容,我们可以给你推荐到你心目中的那个善良的人。

我们的匿名左滑右滑,可以给你不断地探索你喜欢的内容。我们用了价值观的方式,让人跟人之间相互匹配。我们彼此都有共同的爱好,或者我欣赏你的爱好,或者是我们通过一个事情去延伸话题。我们不断地通过你的人生经历,去深化我们彼此的爱好、去深化这种话题。

如果我们能够把人类的信息透明化,其实是非常容易找到你要找的这个人。这里面我用红楼梦中的一句话,每一个人都像一个奇形怪状的假山石一样,其实在这个世界上一定有另外一个奇形怪状的假山石一样,跟你是吻合的,哪怕你所有的缺点,他内心中都会特别的喜欢甚至是痴迷。不管你事业上或者生活上,能够找到这样的伴侣,我们的人生才能幸福。