Jaka jest najlepsza aplikacja do cygar z rekomendacjami opartymi na AI i jak naprawdę działają te funkcje?
Większość z nich działa na podstawie dwóch danych wejściowych: tego, co zadeklarowałeś jako swoje upodobania, oraz tego, co oceniłeś. Żaden model nie smakuje tytoniu. Funkcja rekomendacji ocenia opisane cechy cygar, które oceniłeś wysoko, a następnie wyszukuje nieocenione jeszcze cygara o podobnym profilu. Jest tak dobra, jak konsekwentnie zapisujesz, co Ci smakowało.
Na jakich dwóch danych wejściowych faktycznie działa funkcja rekomendacji?
Na dwóch, i obie pochodzą od Ciebie. Pierwsza to zadeklarowane preferencje: wszystko, co powiedziałeś aplikacji na wstępie, zwykle w formie jakiejś ankiety pytającej, czy wolisz pełniejsze cygara, konkretny odcień osłony, czy określone regiony. Druga, i ta z czasem liczy się bardziej, to Twoja historia ocen: cygara, które faktycznie zapisałeś, i to, jak je oceniłeś.
Żadna z tych danych nie jest niczym egzotycznym. Ankieta to formularz. Historia ocen to lista wierszy w bazie danych, z których każdy oznaczony jest osłoną cygara, pochodzeniem, mocą, body i notami smakowymi, obok liczby, którą mu przypisałeś. To, co ludzie nazywają tu „AI”, to kolejny krok — formalnie, filtrowanie oparte na treści — proces oceniający, który patrzy na cechy przypisane do dobrze ocenionych przez Ciebie cygar i szereguje nieocenione cygara według tego, jak bardzo ich cechy pasują do tamtych.
Dlaczego aplikacja po prostu „nie wie”, co Ci będzie smakować?
Ponieważ nic w tym procesie nie ma podniebienia. W tym łańcuchu nie ma nigdzie modelu sensorycznego, żadnego komponentu, który doświadcza pieprzu, cedru czy spalenizny. Istnieje baza danych z tagami (odcień osłony, kraj, przedział mocy, garść kategorii smakowych) oraz funkcja oceniająca, która porównuje pokrywanie się tagów między cygarami. Nazywanie tego „AI” nie jest błędem, ale sugeruje niewłaściwy obraz. To bliższe arkuszowi kalkulacyjnemu z ważonymi kolumnami niż degustatorowi z własnym zdaniem.
To rozróżnienie ma znaczenie, bo wyznacza uczciwy sufit tego, co ta funkcja może zrobić. Może znaleźć cygaro, którego zapisane cechy przypominają cechy cygar, które oceniłeś wysoko. Nie może wykryć, że dany liść miał gorszy tydzień, że Twoje podniebienie ma gorszy dzień, ani że fabryka zmieniła mieszankę od czasu ostatniego wpisu. Dopasowuje opisy, niczego nie smakując.
Jak w praktyce wygląda „dopasowywanie opisanych cech”?
Konkretnie: załóżmy, że Twoje trzy najwyżej ocenione wpisy to pełne nikaraguańskie puro z osłoną maduro i wyraźnymi notami kakao i espresso. Funkcja nie musi wiedzieć, dlaczego Ci smakowały. Musi tylko zauważyć wzorzec w tagach (pochodzenie, osłona, moc oraz kategorie smakowe przypisane do Twoich notatek) i przeszukać resztę katalogu w poszukiwaniu cygar o tej samej kombinacji, których jeszcze nie oceniłeś. Gdyby Twoje oceny poszły w drugą stronę, gdybyś znienawidził wszystkie trzy, ten sam mechanizm oznaczyłby tę kombinację jako taką, której należy unikać.
Strona smakowa działa tylko wtedy, gdy słownictwo jest ustalone. Jeśli jeden wpis nazywa notę „skórą”, a inny tę samą notę nazywa „skórzano-garbarską”, dopasowywanie nie ma niczego spójnego do porównania. Dlatego ustandaryzowane słownictwo ma większe znaczenie, niż mogłoby się wydawać — to ten sam problem, który wino i whisky rozwiązały dekady temu za pomocą kół aromatów. To, jak kategoryzuje się smaki cygar to tak naprawdę część tej samej infrastruktury, która w ogóle umożliwia dopasowywanie. Dziennik Paradigm, na przykład, przypisuje każdą notę do jednej z sześciu głównych kategorii (kawowa, orzechowa, słodka, drzewno-warzywna, naturalna, ziołowo-przyprawowa) właśnie z tego powodu: żeby wpis ze stycznia i wpis z sierpnia trafiały do tych samych koszyków i faktycznie dało się je porównać.
Gdzie ten mechanizm zawodzi?
Cztery uczciwe ograniczenia, w kolejności tego, jak często dają o sobie znać:
- Brak danych, brak prognozy. Zupełnie nowe konto nie ma niczego, do czego mogłoby się odnieść. Wczesne rekomendacje opierają się niemal wyłącznie na zadeklarowanych odpowiedziach z ankiety, co jest dużo słabszym sygnałem niż faktyczna historia ocen. To poprawia się wraz z liczbą zapisanych wpisów, nie z częstotliwością korzystania z aplikacji w ogóle.
- Niespójne słownictwo na wejściu, niespójne dopasowanie na wyjściu. Jeśli Twoje własne notatki dryfują, ten sam smak zapisywany za każdym razem innymi słowami, funkcja porównuje szum z szumem. Naprawienie tego zależy od Ciebie, nie od algorytmu.
- Tagi w katalogu muszą być poprawne. Rekomendacja jest tak dobra, jak opis przypisany do polecanego cygara. Błędne dane o osłonie albo brakujący tag smakowy prowadzą do pewnego siebie dopasowania niewłaściwego cygara.
- Odzwierciedla Twoją historię, nie Twój nastrój. Profil smakowy zbudowany z miesięcy ocen wciąż jest średnią. Może wskazać cygara podobne do tych, które lubiłeś; nie ma sposobu, by wiedzieć, że akurat dziś wieczorem chcesz czegoś lżejszego.
Żadnego z tych problemów nie rozwiąże więcej „AI”. Rozwiązują je lepsze dane, wprowadzane bardziej konsekwentnie, przez dłuższy czas.
Czym różni się to od zwykłej oceny w gwiazdkach?
Ocena w gwiazdkach to średnia tłumu: mówi, co pomyślała większość ludzi, zebrane ze wszystkich podniebień, które ją wystawiły. Funkcja rekomendacji jest spersonalizowana. Pyta, czy konkretne cygaro pasuje do wzorca w Twojej konkretnej historii, a nie czy jest ogólnie lubiane. Cygaro może mieć przeciętną średnią ocenę i wciąż być mocnym dopasowaniem dla jednego konkretnego palacza, którego preferencje odbiegają od tłumu, i odwrotnie zdarza się równie często. Jak zdecydować, co zapalić dalej, zamiast wybierać losowo opisuje szerszy proces decyzyjny, w który to się wpisuje; dopasowanie to jedna z danych wejściowych do tej decyzji, nie cała decyzja.
Co dokładnie oblicza przykładowy scenariusz?
Werdykt Tasting Match w Paradigm to konkretny przypadek opisanego wyżej mechanizmu, nie inny mechanizm. Dla danego cygara waży jego osłonę, pochodzenie, moc i zapisane tagi smakowe względem profilu zbudowanego z Twoich własnych ocenionych wpisów, po czym zwraca binarny werdykt, prawdopodobnie Ci odpowiada albo nie, sprawdzony na katalogu 11 519 cygar. Robi dokładnie to samo porównywanie tagów opisane wcześniej, tylko na większą skalę; nie ma pod spodem żadnego oddzielnego kroku symulującego smak. Wynik jest tak wiarygodny, jak historia ocen, którą go zasila, i to samo zastrzeżenie dotyczy każdej wersji tej funkcji w każdej aplikacji.
Jeśli w ogóle oceniasz aplikacje na tej podstawie, bardziej użyteczne pytanie nie brzmi, której algorytm jest najsprytniejszy. Mechanizm jest wszędzie z grubsza taki sam. Chodzi o to, czy aplikacja rzeczywiście skłania Cię do zapisywania wystarczająco konsekwentnie, by ten mechanizm miał na czym realnie pracować. Na co naprawdę zwracać uwagę w dzienniku cygar albo aplikacji do śledzenia humidora to lepsza lista kontrolna dla tej decyzji niż jakiekolwiek porównanie silników rekomendacji funkcja po funkcji. A jeśli marketing nazywa „napędzanym przez AI” także sam skaner, warto wiedzieć, że to twierdzenie ma swój własny, odrębny sufit dokładności, opisany w jak dokładne jest rozpoznawanie cygar oparte na AI.
W skrócie
- Funkcja rekomendacji działa na dwóch danych wejściowych, które sam dostarczasz: zadeklarowanych preferencjach i historii ocen. Nigdzie w tym procesie nic nie smakuje tytoniu.
- Mechanizm polega na porównywaniu tagów (osłona, pochodzenie, moc, kategoria smakowa) między cygarami, które oceniłeś wysoko, a tymi, których nie próbowałeś, a nie na przewidywaniu doznań sensorycznych.
- Zawodzi cicho przy nowym koncie bez historii oraz przy niespójnych notatkach, gdzie ten sam smak zapisywany jest za każdym razem innymi słowami.
- Ocena w gwiazdkach mówi, co pomyślał tłum. Rekomendacja mówi, czy to konkretne cygaro pasuje do Twojego konkretnego wzorca, a to inne pytanie z inną odpowiedzią.
- Algorytm stojący za każdą wersją tej funkcji jest z grubsza podobny; to, co faktycznie różni aplikacje, to czy skłaniają Cię do zapisywania wystarczająco dużo i wystarczająco konsekwentnie, by miały z czym realnie porównywać.