Какое приложение для сигар лучше всего подходит для ИИ-рекомендаций, и как эти функции работают на самом деле?
Большинство таких функций работают на основе двух входных данных: того, что вы заявили как предпочтения, и того, что вы оценили. Ни одна модель не пробует табак на вкус. Функция рекомендаций оценивает описанные характеристики сигар, которым вы поставили высокие оценки, а затем находит неоценённые сигары со схожими показателями. Она работает ровно настолько хорошо, насколько последовательно вы фиксируете, что вам понравилось.
На каких двух входных данных на самом деле работает функция рекомендаций?
Их два, и оба принадлежат вам. Первое — заявленные предпочтения: всё, что вы сообщили приложению заранее, обычно через некую разновидность опроса о том, тяготеете ли вы к более крепким сигарам, определённому оттенку обёртки или конкретным регионам. Второе, и со временем оно значит больше, — это ваша история оценок: сигары, которые вы действительно занесли в журнал, и то, как вы их оценили.
Ни один из этих источников не является чем-то экзотическим. Опрос — это форма. История оценок — это список строк в базе данных, каждая помечена обёрткой сигары, происхождением, крепостью, телом и вкусовыми нотами, рядом с числом, которое вы ей поставили. То, что здесь называют «ИИ», — это следующий шаг: процесс оценки — формально это фильтрация на основе содержания — который смотрит на характеристики, привязанные к сигарам с высокими оценками, и ранжирует неоценённые сигары по тому, насколько близко совпадают их характеристики.
Почему приложение просто не «знает», что вам понравится?
Потому что ни у одного звена в этой цепочке нет вкуса. В этой цепи нигде нет сенсорной модели, нет компонента, который ощущает перец, кедр или гарь. Есть база данных тегов (оттенок обёртки, страна, диапазон крепости, несколько категорий вкуса) и функция оценки, сравнивающая пересечение тегов между сигарами. Называть это «ИИ» не ошибка, но это создаёт неверную картину. Это скорее таблица с взвешенными столбцами, чем дегустатор со своим мнением.
Это различие важно, потому что оно задаёт честный предел того, на что способна функция. Она может найти сигару, чьи зафиксированные характеристики похожи на характеристики сигар, которые вы высоко оценили. Она не может обнаружить, что у конкретного листа была неудачная неделя, что у вас самого сегодня не тот день, или что фабрика поменяла состав смеси с момента последней записи. Она сопоставляет описания, а не пробует что-либо на вкус.
Как «сопоставление описанных характеристик» выглядит на практике?
Конкретно: допустим, ваши три сигары с самыми высокими оценками — это крепкие никарагуанские пуро с обёрткой мадуро и выраженными нотами какао и эспрессо. Функции не нужно знать, почему они вам понравились. Ей нужно лишь заметить закономерность в тегах (происхождение, обёртка, крепость и категории вкуса, привязанные к вашим заметкам) и поискать по остальному каталогу сигары с той же комбинацией, которые вы ещё не оценивали. Если бы ваши оценки были обратными, если бы все три вам не понравились, тот же механизм отметил бы эту комбинацию как ту, которую следует избегать.
Вкусовая сторона этого работает только при фиксированном словаре. Если в одной записи нота названа «кожа», а в другой та же самая нота названа «шкура», сопоставлению не с чем сравнивать одинаково. Именно поэтому структурированный словарь важнее, чем кажется, — та же проблема, которую дегустация вина и виски решила десятилетия назад с помощью ароматических колёс. Как классифицируются вкусы сигар — это, по сути, часть той же инфраструктуры, которая вообще делает сопоставление возможным. Журнал Paradigm, например, распределяет каждую заметку по одной из шести категорий верхнего уровня (кофе, орехи, сладость, дерево и растительность, натуральные тона, травы и специи) именно по этой причине: чтобы запись из января и запись из августа попадали в одни и те же категории и могли по-настоящему сравниваться.
Где это перестаёт работать?
Четыре честных предела, в порядке частоты проявления:
- Нет данных — нет прогноза. У совершенно нового аккаунта нет ничего, с чем можно сравнивать. Первые рекомендации почти целиком опираются на заявленные ответы опроса, а это гораздо более слабый сигнал, чем реальная история оценок. Ситуация улучшается по мере того, как вы ведёте записи, а не просто пользуетесь приложением в целом.
- Мусорный словарь на входе — мусорное совпадение на выходе. Если ваши собственные заметки «плывут», один и тот же вкус каждый раз записывается разными словами, функция сравнивает шум с шумом. Исправить это может только пользователь, а не алгоритм.
- Теги каталога должны быть верными. Рекомендация ровно настолько хороша, насколько верно описание, привязанное к рекомендуемой сигаре. Неверные данные об обёртке или отсутствующий вкусовой тег дают уверенное, но неверное совпадение.
- Это отражает вашу историю, а не настроение. Профиль вкуса, построенный на месяцах оценок, всё равно остаётся усреднённым. Он может подсказать сигары, похожие на те, что вам понравились; но у него нет способа узнать, что именно сегодня вечером вам хочется чего-то более лёгкого.
Ничто из этого не решается «большим количеством ИИ». Это решается лучшими данными, вносимыми более последовательно, на протяжении большего времени.
Чем это отличается от обычной звёздной оценки?
Звёздная оценка — это усреднённое мнение толпы: она показывает, что думало большинство, суммируя мнения всех, кто её оставил. Функция рекомендаций персонализирована. Она спрашивает, соответствует ли конкретная сигара шаблону в вашей конкретной истории, а не то, нравится ли она в целом. Сигара может иметь посредственную среднюю оценку и при этом отлично подходить конкретному курильщику, чьи предпочтения идут вразрез с большинством, и обратная ситуация происходит не реже. Как решить, что курить дальше, вместо случайного выбора рассматривает более широкий процесс принятия решения, в который вписывается это сопоставление; оно — один из входных факторов этого решения, а не всё решение целиком.
Что реально вычисляет разобранный пример?
Вердикт Tasting Match от Paradigm — это конкретный случай описанного выше механизма, а не какой-то другой. Для данной сигары он взвешивает её обёртку, происхождение, крепость и зафиксированные вкусовые теги относительно профиля, построенного на ваших собственных оценённых записях, а затем выдаёт бинарный вердикт — вероятно, вам подойдёт, или нет, — проверенный по каталогу из 11 519 сигар. Это тот же самый описанный ранее процесс сопоставления тегов, только в большем масштабе; никакого отдельного скрытого шага симуляции вкуса под этим не прячется. Достоверность результата ровно такая, какой была история оценок, на которой он строится, — и это то же самое предостережение, которое применимо к любой версии этой функции в любом приложении.
Если вы вообще оцениваете приложения по этому критерию, более полезный вопрос не в том, чей алгоритм умнее. Механизм в целом везде одинаков. Вопрос в том, действительно ли приложение подталкивает вас вести записи достаточно последовательно, чтобы у этого механизма было с чем реально работать. Что на самом деле искать в журнале сигар или приложении для учёта хьюмидора — куда более полезный чек-лист для этого решения, чем любое сравнение функций рекомендаций друг с другом. А если маркетинг называет базовый сканер «работающим на ИИ», стоит знать, что у этого утверждения есть собственный отдельный предел точности, о чём рассказано в статье насколько точно распознавание сигар на основе ИИ.
Краткая версия
- Функция рекомендаций работает на двух источниках данных, которые предоставляете вы: заявленные предпочтения и ваша история оценок. Никто и ничто в этой цепочке не пробует табак на вкус.
- Механизм сравнивает теги (обёртка, происхождение, крепость, категория вкуса) между сигарами, которые вы высоко оценили, и сигарами, которые вы ещё не пробовали, — это не сенсорное предсказание.
- Он тихо ломается на новом аккаунте без истории и на непоследовательных заметках, где один и тот же вкус каждый раз записывается разными словами.
- Звёздная оценка показывает, что думает толпа. Рекомендация показывает, соответствует ли эта сигара именно вашему шаблону, — это другой вопрос с другим ответом.
- Алгоритм за любой версией этой функции в целом схож; что реально различается между приложениями — это то, заставляют ли они вас вести записи достаточно много и достаточно последовательно, чтобы у алгоритма было что-то реальное для сравнения.