推荐系统分析：猜你喜欢是怎么产生的？

本文将从最简单的概念开始，逐步讲解推荐系统的发展历程和最新实践。以产品经理的视角，阐述推荐系统涉及的算法，技术和架构。本章是第一章，将先概括性介绍推荐系统。

推荐系统是迄今为止，人工智能，大数据和云计算等前沿技术应用得最全面的产品场景之一。它是众多前沿技术的结晶，集百家之大成，复杂而微妙。但抽茧剥丝后，它又跟众多的科学那样，简洁而优美。像“猜你喜欢“这样的功能，已经数见不鲜，陪伴我们多年了。但这个功能具体是怎么实现的呢？我想通过这篇文章跟大家聊一聊。

在介绍推荐系统之前，先简单介绍下人工智能技术。

01 解决人工智能问题的两种思路 人工智能的算法，涵盖了概率，统计，高等数学，计算机，大数据等多个学科的知识，抽象且复杂。这里不打算给人工智能做内涵和外延的定义性解释，而是从更具象的角度来阐述这个问题。

机器智能和飞上蓝天，都是人类千百年来的梦想，而且这个两个尖端科学都经历了直接仿生的思路失败后，改变思路获得了突破。

因为看见鸟能飞，最早制造飞行器的思路，都是模仿鸟的结构。达芬奇是个伟大的艺术家，同时也是个能工巧匠，他设计了一个非常巧妙且像鸟的飞行器，但似乎并没有什么用。历史上第一个真正驾驶飞行器飞上蓝天的人，是把飞行器做的最不像鸟的莱特兄弟。飞机的诞生，建立在流体力学的基础上。

类似地，历史上，人工智能有两种主要的思路：

一种是早期的主流思路：模仿人类学习的过程，将事物的特性描述给机器，从而让机器获得跟人类等同的认知。

按照这种思路，要让机器识别出猫来，就类似于要告诉机器：猫有四条腿，两只眼睛，身上有柔软的毛等等特征。因为人就是这样认识猫的。但是这种思路从1956年开始，被研究了十年之后依然毫无进展而被搁置。

另一种是现在的思路：让机器自己从数据中学习，从而获得类似人类的认知。