Care este cea mai bună aplicație de trabucuri pentru recomandări bazate pe AI și cum funcționează de fapt aceste funcții?
Majoritatea funcționează pe baza a două tipuri de date: ce ai spus că îți place și ce ai evaluat. Niciun model nu gustă tutunul. O funcție de recomandare notează trăsăturile descrise ale trabucurilor pe care le-ai evaluat bine, apoi caută trabucuri neevaluate care obțin un scor similar. Este la fel de bună pe cât de consecvent înregistrezi ce ți-a plăcut.
Pe ce două tipuri de date se bazează de fapt o funcție de recomandare?
Două, și ambele îți aparțin. Prima este preferința declarată: orice i-ai spus aplicației de la început, de obicei printr-o formă de chestionar care întreabă dacă preferi corpuri mai intense, o anumită nuanță de foaie de învelișă sau anumite regiuni. A doua, și cea care contează mai mult pe termen lung, este istoricul tău de evaluări: trabucurile pe care le-ai înregistrat efectiv și notele pe care le-ai acordat.
Niciuna dintre cele două nu este ceva exotic. Un chestionar este un formular. Un istoric de evaluări este o listă de rânduri într-o bază de date, fiecare etichetat cu foaia de înveliș, originea, tăria, corpul și notele de aromă ale trabucului, alături de numărul pe care i l-ai dat. Ceea ce lumea numește „AI" aici este pasul de după: un proces de scorare — formal, filtrare bazată pe conținut — care analizează trăsăturile asociate trabucurilor pe care le-ai evaluat bine și clasifică trabucurile neevaluate în funcție de cât de apropiate sunt trăsăturile lor.
De ce nu „știe" aplicația pur și simplu ce îți va plăcea?
Pentru că nimic din acest lanț nu are papile gustative. Nu există niciun model senzorial nicăieri în acest proces, nicio componentă care să simtă piper, cedru sau notă arsă. Ceea ce există este o bază de date de etichete (nuanța foii de înveliș, țara, banda de tărie, câteva categorii de aromă) și o funcție de scorare care compară suprapunerea etichetelor între trabucuri. A numi asta „AI" nu este greșit, dar induce o imagine falsă. Este mai aproape de o foaie de calcul cu coloane ponderate decât de un degustător cu o opinie.
Această distincție contează pentru că stabilește plafonul onest al ceea ce poate face funcția. Poate găsi un trabuc ale cărui trăsături înregistrate seamănă cu trăsăturile trabucurilor pe care le-ai evaluat bine. Nu poate detecta că o anumită foaie a avut o săptămână slabă, că papilele tale gustative au o zi mai puțin bună, sau că o fabrică și-a schimbat rețeta de la ultima înregistrare. Compară descrieri, nu gustă nimic.
Cum arată în practică „compararea trăsăturilor descrise"?
Concret: să spunem că primele tale trei trabucuri cele mai bine notate sunt toate puros nicaraguani cu corp intens, foaie de înveliș maduro și note puternice de cacao și espresso. Funcția nu are nevoie să știe de ce ți-au plăcut. Trebuie doar să observe tiparul din etichete (origine, foaie de înveliș, tărie și categoriile de aromă asociate notelor tale) și să caute prin restul catalogului trabucuri care au aceeași combinație și pe care nu le-ai evaluat încă. Dacă evaluările tale ar fi fost invers, dacă ți-ar fi displăcut toate cele trei, același mecanism ar semnala acea combinație ca fiind una de evitat.
Partea de aromă funcționează doar dacă vocabularul este fix. Dacă o înregistrare numește o notă „piele" și alta numește aceeași notă „piele tăbăcită", compararea nu are nimic consistent de raportat. De aceea un vocabular structurat contează mai mult decât pare — este aceeași problemă pe care degustarea de vin și whisky a rezolvat-o cu decenii în urmă prin rotativele de arome. Cum sunt clasificate aromele trabucurilor este de fapt o parte din aceeași infrastructură care face posibilă compararea. Jurnalul Paradigm, de exemplu, sortează fiecare notă într-una din șase categorii principale (cafea, alune/nuci, dulce, lemn & vegetal, natural, ierburi & condimente) exact din acest motiv: astfel încât o înregistrare din ianuarie și una din august să ajungă în aceleași categorii și să poată fi efectiv comparate.
Unde se defectează acest mecanism?
Patru limite oneste, în ordinea frecvenței cu care apar:
- Fără date, fără predicție. Un cont nou nu are nimic cu care să compare. Recomandările timpurii se bazează aproape în întregime pe răspunsurile declarate în chestionar, care sunt un semnal mult mai slab decât un istoric real de evaluări. Situația se îmbunătățește pe măsură ce înregistrezi mai mult, nu pe măsură ce folosești aplicația în general.
- Vocabular incoerent intră, potrivire greșită iese. Dacă notele tale variază, aceeași aromă înregistrată sub cuvinte diferite de fiecare dată, funcția compară zgomot cu zgomot. Rezolvarea acestei probleme îți revine ție, nu algoritmului.
- Etichetele catalogului trebuie să fie corecte. O recomandare este la fel de bună ca descrierea asociată trabucului recomandat. Date greșite despre foaia de înveliș sau o etichetă de aromă lipsă produc o potrivire încrezătoare cu trabucul greșit.
- Reflectă istoricul tău, nu starea ta de spirit. Un profil de gust construit din luni de evaluări este totuși o medie. Poate să te îndrepte spre trabucuri similare cu ce ți-a plăcut; nu are cum să știe că vrei în mod specific ceva mai ușor în seara asta.
Niciuna dintre aceste probleme nu se rezolvă cu mai mult „AI". Se rezolvă cu date mai bune, introduse mai consecvent, pe o perioadă mai lungă de timp.
Cum diferă asta de o simplă evaluare cu stele?
O evaluare cu stele este o medie de grup: îți spune ce a crezut majoritatea oamenilor, agregat din toate papilele gustative care au trimis o notă. O funcție de recomandare este personalizată. Întreabă dacă un anumit trabuc se potrivește cu tiparul din istoricul tău specific, nu dacă este apreciat în general. Un trabuc poate avea o evaluare medie mediocră și totuși să fie o potrivire puternică pentru un anumit fumător ale cărui preferințe merg împotriva curentului, iar inversul se întâmplă la fel de des. Cum decizi ce să fumezi în continuare în loc să alegi la întâmplare acoperă procesul mai larg de decizie în care se încadrează această funcție; compararea este o singură parte din acea decizie, nu tot procesul.
Ce calculează de fapt un exemplu concret?
Verdictul Tasting Match al Paradigm este un caz concret al mecanismului descris mai sus, nu unul diferit. Pentru un anumit trabuc, cântărește foaia de înveliș, originea, tăria și etichetele de aromă înregistrate ale trabucului în raport cu un profil construit din propriile tale înregistrări evaluate, apoi returnează un verdict binar, probabil ți se potrivește sau nu, verificat pe un catalog de 11.519 trabucuri. Face aceeași comparație de etichete descrisă mai sus, la o scară mai mare; nu există niciun pas ascuns de simulare a gustului dedesubt. Rezultatul este la fel de demn de încredere pe cât este istoricul de evaluări care îl alimentează, aceeași rezervă care se aplică oricărei versiuni a acestei funcții din orice aplicație.
Dacă evaluezi aplicații pe această bază, întrebarea utilă nu este care are cel mai inteligent algoritm. Mecanismul este, în linii mari, același peste tot. Întrebarea este dacă aplicația te determină efectiv să înregistrezi suficient de consecvent încât acel mecanism să aibă ceva real cu care să lucreze. Ce trebuie să cauți de fapt într-un jurnal de trabucuri sau o aplicație de urmărire a umidorului este o listă de verificare mai bună pentru această decizie decât orice comparație funcție-cu-funcție a motoarelor de recomandare. Și dacă marketingul numește scanerul de bază „bazat pe AI" la rândul lui, merită să știi că afirmația respectivă are propriul plafon de acuratețe, tratat în cât de precisă este recunoașterea trabucurilor bazată pe AI.
Pe scurt
- O funcție de recomandare se bazează pe două tipuri de date pe care le furnizezi: preferințe declarate și istoricul tău de evaluări. Nimic nu gustă tutunul nicăieri în acest proces.
- Mecanismul compară etichete (foaie de înveliș, origine, tărie, categorie de aromă) între trabucurile pe care le-ai evaluat bine și trabucurile pe care nu le-ai încercat, nu o predicție senzorială.
- Eșuează discret pe un cont nou fără istoric și pe note inconsecvente, unde aceeași aromă e înregistrată sub cuvinte diferite de fiecare dată.
- O evaluare cu stele îți spune ce a crezut grupul. O recomandare îți spune dacă acest trabuc se potrivește cu tiparul tău specific, ceea ce este o întrebare diferită cu un răspuns diferit.
- Algoritmul din spatele oricărei versiuni a acestei funcții este în linii mari similar; ceea ce diferă de fapt între aplicații este dacă te determină să înregistrezi suficient, suficient de consecvent, pentru a avea ceva real de comparat.