0x01 什么是推荐系统？

Prompt: What is Recommender System?

Answer by GPT4：

推荐系统是一种信息过滤系统，旨在预测用户对某个项目的偏好或评分。它们主要用于商业应用程序，以预测和建议用户可能感兴趣的产品、服务或内容，从而增强用户体验并推动销售或参与。推荐系统普遍存在于各种在线平台中，包括电子商务网站、流媒体服务和社交媒体。他们通常分析用户行为模式、项目特征以及用户与项目交互来做出这些预测。

推荐系统有多种类型：

基于内容的过滤：此方法根据项目内容与用户个人资料之间的比较来推荐项目。每个项目的内容表示为一组描述符或术语，通常是文档的单词或项目的元数据。用户配置文件可能由用户明确表达、通过分析用户行为推断或两者的组合。

协作过滤：这种方法通过收集许多用户的偏好（协作）来自动预测用户的兴趣。基本假设是，如果用户 A 在某个问题上与用户 B 持有相同的观点，则 A 更有可能在不同的问题上持有 B 的观点。协同过滤有两种类型：

基于用户：通过查找与活跃用户（寻找推荐的用户）相似的用户来推荐项目。基于项目：根据使用用户对项目的评分计算出的项目之间的相似度来推荐项目。混合方法：这些方法结合了协作方法和基于内容的方法来提高推荐质量。混合方法可能会采用基于内容的预测和协作预测的加权平均值，将基于内容的功能添加到协作方法中（反之亦然），或者将模型统一为一个模型。

如果我们不局限于计算机领域，那么我们会发现生活中处处是推荐系统。抖音直播带货的主播是人型推荐系统；去到一个地方旅游、熟悉当地的朋友是在地推荐系统……

0x02 中心化推荐系统的问题

2.1 顺应人性的中心化推荐系统引导用户坠入信息茧房

推荐引擎通常会针对某些目标进行优化，例如更好地参与内容。这些系统对于我们如何与在线产品和媒体交互至关重要，因为它们缩小了用户无法理解的大量内容列表（例如视频、歌曲、游戏、产品）。然而，这些引擎在我们的数字生活方式中也发挥着重要作用，是人工智能对我们日常生活的最大入侵之一。这就是事情可能变得糟糕的地方。

人工智能做出我们不理解的决定。这是一个问题。

在我看了一季《生活大爆炸》之后，YouTube 强制重复播放《生活大爆炸》。极客物理学家很有趣，但他们的笑话已经过时了。在我六个月前播放了一些冥想音乐后，Spotify 仍然推荐平静的歌曲。亚马逊强迫我接受同样的产品，尽管它们是在几周前购买的。说真的，如果我从你那里买了马桶座圈，就不要一直试图卖给我马桶座圈。

一遍又一遍地看到相同的内容却牺牲了我真正想要的内容，这真是令人沮丧。更糟糕的是，这些操纵系统利用了我的弱点，因此，我讨厌推荐算法。

说真的，如果我从你那里买了马桶座圈，就不要一直试图卖给我马桶座圈。

在完美的世界中，推荐算法会向我介绍我喜欢的新产品和内容。他们会帮助我创造新的想法。他们会激励我。算法就像我最好的朋友，告诉我他们最喜欢的新事物。相反，他们是我最大的敌人。

—— https://builtin.com/machine-learning/recommendation-engines

推荐系统在我们已有的偏好的基础上给我们进行推送，这在某种程度上非常的顺应人性，同时也是中心化推荐系统的一大 Bug —— 我们被引导着坠落进信息茧房。在 2021 年的「为什么 RSS 如此重要（上）| Thinking about Web3」一文中我对此做过初步的思考：

为什么 RSS 如此重要（上）| Thinking about Web3

2.2 算法不透明 + 中心化导致可能的作恶

在传统的中心化架构中，推荐算法是不透明的，我们无法知晓淘宝是通过什么机制给我们推荐商品的，同时我们无从选择 —— 我们要使用中心化的服务，那末我们就需要接受这个中心化服务所提供的推荐算法。

💡补充资料《区块链在个性化推荐系统中的应用研究综述》：https://www.infocomm-journal.com/bdr/CN/10.11959/j.issn.2096-0271.2022031

0x03 设计去中心化推荐系统

Native Web3 Software Stack 更像「蚁群🐜」而非「大象🐘」，在组织上而非仅仅技术上实现了真正的「微服务」：

          传统的 Web2 软件架构🐘
          
            🧠「首脑」管理一切
                    |
             +------+--------+
         Service1 Service2  Service3...
         
+————————————————————————————————————————————————+

        Native Web3 Software Stack🐜
           错综复杂的而富有生发力量的蚁群网络
        
    🐜 No.0(Basic Protocol/dApp)------- 🐜 No.1  as a service
                     |                     ↑
                 🐜 No.2 as a service      |         ...
                     ↑-------------🐜 No.3-+
                                 as a service

因此，在Native Web3 Software Stack中，我们可以非常 C00L 的来实现「去中心化推荐系统」。

        Native Web3 Software Stack🐜
           错综复杂的而富有生发力量的蚁群网络
                                                 (Basis on )
        🐜 No.0(Basic Protocol/dApp) <---- 🐜 No.1 Recommender System  <---------+
            ↑         ↑                                                          | Fork by
            |         +------------------- 🐜 No.2 Recommender System  <---------+--------- Recommender System
            |                                                                    |               Template
            +----------------------------- 🐜 No.3 Recommender System  <---------+

从而 ，每个人都可以建立自己的一套推荐集，每个用户都可以自由地使用他人的推荐集。从而根本上解决中心化推荐系统的问题 ——

首先，推荐集完全存储在链上，是公开透明的；

其次，推荐集是个完全自由市场，用户可以用脚投票，选择自己想用的推荐集。

去中心化推荐系统结合🔍算法透明搜索引擎，将会铸造全新的内容业态！🚀

购买 Bodhi Shares 支持去中心化推荐系统：