这是一个试错的阶段，一个理想的情况是，模型给客户推了10个新鲜的东西，客户可能只对1个感兴趣。
然后客户点击这个东西给模型正反馈，模型能够学到。
但问题在于，客户给了1个正反馈，就要接受9个不相关的推荐，这对客户的体验来说也是很糟糕的。
作为一个喜好看修驴蹄，抠藤壶，挤痘痘，赶海，奥德飙拉香蕉，锻钢成刀、利刃劈砍、捕鱼求生、建造木屋、打磨除锈的年轻人，他正看得津津有味的时候，你现在突然推荐给他看一个美颜美女在那里摇曳生姿，就问你爽不爽？
这时候，舒适圈一般的信息茧房就很重要了。
或许推了7个感兴趣的小视频，再推给你3个新鲜的东西，这种比例就更为有意义！
虽然说现在高瓴人工智能相比较起来，还有很长的路要走。
但是高怀钧还是希望有个稳定的应用场景。
现在的其他场景相对起来，功能相对较弱。
不管是美颜神器，还是初代的无人驾驶系统，抑或是手机和汽车上的‘小瓴’语音。
这三者在这个时代的人看来，已经是很强了。
但是比起后世来，还是差得远。
最关键的是，现在人工智能的队伍瘫得实在是太大了。（本章未完，请翻页）
请收藏本站：https://www.wxzhimen.cc。手机版：https://m.wxzhimen.cc