本語音分兩次整理文字稿，本文從6’04”整理至結束

Netflix的推薦系統 ─ We know you better than you know yourself.

推薦系統到了近代，因為人工智慧的發展速度實在太快，已經不再只是這麼簡單。我們剛剛有提到像網飛Netflix，有個口號 ” we know you better than you know yourself”。這句話還蠻狂的，就是「我們對你的認識，可能比你自己還知道」。

《延伸閱讀：【AI微醺Ep.6】從《疑犯追蹤》談人臉辨識、專家系統、推理、推薦技術(下)(1/2)》

Netflix 在 2020 年，整體的營收達到了全球 240 億美金，光一個網路平台，只是讓別人上網看電影就可以達到這麼驚人的營收，所以它要做到這麼好，自然而然它的推薦是有一定的準確性。

根據網飛發出的論文提到他們推薦的效果，命中率大概是75%。換句話說，假如你是 Netflix 的使用者，它推薦 10 片給你，你大概會選 7 片左右進去看。事實上，我也問過很多人，不是每個人都很贊成，但是從網飛自己內部的一個調查，他們的實際數據統計就是 75%，所以，這是一個很驚人的準確度。

假如有注意到網飛 Netflix 推薦給你的那個畫面，通常在螢幕上放一個小小的電影圖片，吸引你連接進去網站看。當然越想推薦給你看，就一定會擺在越前面，這是推薦的基本顯示方法。

不過，假如你有兩三個朋友在使用Netflix，當你們上去看他推薦的同一部片子，但秀出來的影片海報，就是小小的一塊圖，你們看到的可能是不一樣，會不會覺得很驚訝；也就是他推薦的同一片，但你們看到的圖卻不太一樣。這是 Netflix 做了一個很有趣的推薦方法，他不只推薦對的電影給你，他還想用對的電影圖片來吸引你。

這是網飛 Netflix 一個很重要的技術發展。舉例：有部電影包含喜劇和動作元素，並涉及幾個明星，你比較喜歡喜劇片，你的朋友喜歡動作片，故同一部電影秀出來海報上面的人物，你可能會看到喜劇為主的演員，你的朋友可能會看到動作片的演員，也就是透過視覺效果吸引你的注意。

AVA ─ 吸引你點進去看電影的圖片

在人工智慧，Netflix 這個技術並不是第一個做的。這個技術叫做 AVA (Aesthetic Visual Analysis)，美學的美的視覺化的分析。所謂「美的視覺化的分析」，就是從這個圖片，對美勾勒哪一些是比較美的地方去作呈現。最早的研究庫是由一群西班牙學者整理出來。

Netflix把一部電影，快速從連續一個多小時的片段找出很多圖片，然後截取一張靜態的照片，可能擷取出來是幾十萬張。當然有一些圖片一看就知道是不美，因為過長、不清晰、或主角的表情不夠酷，就先用AVA技術踢掉，踢到剩下幾千張。

從這幾千張圖片，開始運用人工智慧畫出效果。首先，必須去找出一個好的主角所在的位置、好的表情、主角在片上是偏喜劇、偏動作、還是愛情劇等等，通通標記起來，挑選出最好的；然後，再自動的把這部電影名稱，在適當的位置，用不同的字體貼上去。當我們連接到 Netflix 時，你看到那部電影的推薦圖片，我們每個人看到可能都不一樣，因為每個人在推薦系統裡面，喜好是不同；換言之，Netflix 推薦不同的電影給我們，還會用最吸引的視覺效果來誘發我們去看這部電影。因此，推薦系統在真實的應用可以加入很多 AI技術，就可以做很多想像不到的效果。

小結

雖然《疑犯追蹤》這部影集勾勒一個非常科幻的效果，但從人臉辨識、整個都市的鏡頭、整個都市的監控器的連接、到邏輯上的推論判斷、可以猜測、推薦等等。這些技術在真實的世界、我們的世界、我們的商業系統使用，是不是看起來也挺驚人！

今天在這邊就先告一個段落，我們下一次再來看有關智力這件事情。人工智慧這件事情，還有沒有不同的維度可以來量測？之前談的是說如何判別一個系統、一個電腦、一台機器是不是聰明、有智力？我們用的是所謂的. ”Turing Test”。還有沒有別的維度來看這件事情？這是一個很有趣，可以去思考的點。就留待下一次再來討論，今天就到這裡告一段落。(本文完)

附註

◆ 《AI思維》書籍介紹 (本書榮獲110年度金書獎 - 優良中小企業出版品)

◆ 《AI微醺》Apple Podcast 隨時聽 

◆ 《AI微醺》Google Podcast 隨時聽