ChatGPT：打破推荐算法的“牢笼”

也许，目前的推荐算法还不是那么智能、那么“懂我”：

• 系统总喜欢推荐热门的商品，可“我”偏偏是个特立独行、喜欢小众商品的人；
• 系统总喜欢根据历史购买清单来推荐，可“我”不需要买重复或相似的商品；
• 系统总需要输入明确的商品需求，可“我”往往也不知道自己想要啥；
• 而宣称自己智能的「猜你喜欢」，“我”又不是那么喜欢。

现有的推荐算法是没有「感知力」的，只能用类比的逻辑来分析我们可能想要什么。

比如，同一个用户可能喜欢同类型的商品（爱看科幻片的用户可能喜欢《三体》）、相似用户可能喜欢同样的商品（用户A与用户B喜好相近，用户A喜欢的东西，可能用户B也会喜欢），但这是一场关于概率的游戏。

系统猜我大概率喜欢什么 ≠ 我真的想要。

而以ChatGPT为首的LLM（大型语言模型）可以理解人的语言，它更能 “看透” 一句话背后的真实意图，即有更强的感知能力，恰好可以弥补现有推荐算法的缺陷。

今天，我们来聊一下，ChatGPT推荐系统 vs 标准算法，优势在哪里？大家也可以在文末留言讨论，ChatGPT会替代现有的推荐算法吗？

先抛个人观点，大型语言模型（比如ChatGPT）会冲击现有的推荐算法，尤其是在大模型内置于手机等智能终端后，消费者更倾向于通过提问来获取推荐而非看 “猜你喜欢” 。但目前的主流推荐算法，仍可能作为一种推荐思路，内嵌于大模型中。

ChatGPT等大型语言模型的优势在于，可以根据我们的特定要求进行推荐，例如推荐一个拥有极佳儿童游泳池的酒店、最具Instagram风格的餐厅、最安静的吸尘器等，更加能满足我们的个性化需求。相比之下，现有的推荐算法通过「类比」来推荐，就显得不那么走心。

当然，ChatGPT也有它的缺点，不能保证100%的准确率。而且，有些需求是被「挖掘」出来的。用户可能会有自己也意识不到的喜好，没有跟ChatGPT沟通。而协同过滤——基于同类人的喜好进行推荐，是目前来看比较有效的一种思路。

所以，我们不是要用ChatGPT去 “掐死” 现有的标准算法，而是应该为更好的产品or技术去努力。

01 发现算法之外的“漏网好鱼”

现有的标准算法，往往热衷于推荐畅销商品：

毕竟大家都认证过好的东西，也大概率会被“你”喜欢。

而ChatGPT的推荐体系，更有利于发现被忽视的「长尾品类」。

长尾品类，往往很难被原有算法所发现和推荐，因为它们销量较低、缺乏足够的用户反馈和评价。然而，这些品类也许恰好是某些消费者所感兴趣的。

ChatGPT就能充当这双 “慧眼” ，发现算法之外的 “漏网好鱼” 。

假设你购买了一本关于人工智能的书籍，比如《人工智能简史》。

在原有的推荐算法下，系统可能会继续推荐其它同类型书籍，比如《人工智能导论》、《人工智能与机器学习》等。这些书籍虽然与已购买的书籍有相似的主题和特征，但却可能有着高度重合的内容，比如人工智能的缘起、自然语言的应用等重复章节，不一定能激发起你的阅读兴趣。

而ChatGPT可能推荐一些相关但不同类型的书籍，比如《人工智能与哲学》、《人工智能与艺术》、《人工智能与社会》等。这些书籍虽然比较小众，但却有着不同的视角和内容，可以帮助你拓展知识面和视野。

因此，ChatGPT可以突破现有推荐算法的局限，不仅仅依赖于消费者的行为数据或者商品的特征数据，而是讲究商品之间的「逻辑」关联性。

此外，ChatGPT还能进行跨品类推荐，比如根据 “人工智能” 这个主题，推荐相关的课程、讲座、游戏、商品等，提高现有算法的丰富度。

02 从简单的“推荐”到有力的“说服”

ChatGPT可以让推荐更加有理有据，在推荐的同时生成符合人类语言习惯、通俗易懂的推荐理由，从而实现从简单的 “推荐” 到有力的 “说服”，更好地帮助消费者完成决策。

比如我们想购买一本经济学相关的书籍，我们在京东上输入“经济学”这个查询词，将会得到一整版的推荐列表，比如《经济学原理》、《国富论》、《思考的快与慢》、《薛兆丰经济学讲义》等热销书籍。这些书籍通常都会打上“回头客10万+”等以热度为排序依据的标签。

当我们想进一步判断哪本书更契合我们的兴趣和阅读水平，则需要点开每一本书的详情页，查看它们的详细介绍、目录、评价等，甚至打开小红书等其它软件，综合对比每本书的优缺点，才能做出决定。

而ChatGPT可以直接告诉我们选择的理由，帮助我们自动完成对比、筛选的过程。

比如，ChatGPT可能会为《经济学原理》写这样的推荐语：

这本书是世界上最流行的经济学教材，由美国哈佛大学教授格里高利·曼昆编写，系统地介绍了微观经济学和宏观经济学的基本概念、原理和方法，用生动有趣的例子和案例来解释经济现象和政策。这本书适合有一定数学基础，想要系统地学习经济学理论和方法的读者。

再如，ChatGPT可能会为《国富论》写这样的推荐语：

这本书是现代政治经济学研究的起点，由英国思想家亚当·斯密于1776年出版，深刻地分析了自由贸易、市场竞争、劳动分工、货币银行等经济问题，提出了“自然秩序”、“看不见的手”、“自由放任”等著名的理论观点。这本书适合有一定历史背景，想要了解经济学发展史和经典思想的读者。

这些推荐语，不只是介绍书籍本身，更简明扼要地说明适合哪些读者。

此外，我们也可以向ChatGPT提出更多的问题，比如“哪本书更适合初学者？”、“哪本书更侧重于实践？”、“哪本书评价最高？”等，ChatGPT可以作出相应的回答。

03 从“明确需求”到“模糊需求”

在传统的搜索引擎中，我们总是需要提出很明确的需求，比如我们在美团上搜索美食，会明确地搜索“火锅”，随后系统给出相关推荐。

而ChatGPT的自然语言能力，则可以理解我们的模糊需求，比如我问 “今晚跟我的两个闺蜜吃什么好？” ，ChatGPT可能会说 “今天很冷，可以去吃热气腾腾的火锅” 。

同样的，比如我说 “我想看一部好看的电影” ，这是一个模糊需求，因为 “好看” 的标准因人而异，而且没有给出其它限定条件。

如果使用原有的推荐算法，只能根据我的历史观影记录或者电影的流行度来进行推荐。

而ChatGPT则可能会根据用户不同的个性进行推荐，并给出相关推荐理由：

我推荐你看《肖申克的救赎》，这是一部经典的剧情片，讲述了一个被冤入狱的银行家如何在监狱中寻找希望和自由的故事。这部电影有着深刻的人生哲理和感人的友情，被誉为史上最佳电影之一。

我推荐你看《星际穿越》，这是一部科幻大片，讲述了一群探险家利用虫洞穿越时空寻找人类新家园的故事。这部电影有着惊险刺激的情节和震撼美丽的画面，同时也探讨了爱情和牺牲等主题。

我推荐你看《寄生虫》，这是一部韩国黑色喜剧片，讲述了一个贫穷家庭通过各种手段渗透到一个富裕家庭中，并引发了一系列意想不到的事件。这部电影有着幽默诙谐的对白和反转不断的剧情，同时也揭露了社会阶层和贫富差距等问题。

可见，ChatGPT泛化的推理能力，可以让推荐算法发挥出更大的作用。

写在最后

现有算法设置再 “完美” 的推荐逻辑，也是基于机器语言生成的；而ChatGPT的自然语言能力，则增加了一点 “人” 的温度。

它更有「感知力」，能明白我们没有说完整的需求，能更好地理解我们的个性。

也许，以后ChatGPT会是一个更大更有影响力、拥有全世界粉丝的KOL，尽它所能，为我们推荐更多适合的商品和服务。

本文来自微信公众号“叁言梁语”（ID:Whispering22），作者：VinkyLiang，36氪经授权发布。