Tại sao thuật toán lại có thể dự đoán được hành vi của con người?

Hãy tưởng tượng thuật toán là người bạn cực kỳ tinh ý. Nó không có phép thuật, mà chỉ nhặt nhạnh những mẩu vụn thói quen bạn để lại mỗi ngày.

Khi bạn xem video hay mua sắm, nó ghi chép lại tất cả. Nó nhận ra con người thường lặp lại chính mình. Nếu bạn luôn ăn kem khi trời nắng, nó sẽ đoán bạn muốn mua kem ngay khi thấy mặt trời.

Bằng cách ghép hàng triệu mẩu vụn đó, nó vẽ ra bản đồ sở thích để đoán trước hành động của bạn.

Làm thế nào thuật toán biến những "mẩu vụn" thói quen đó thành dữ liệu để tính toán?

Mọi hành động của bạn được dịch thành các con số. Khi bạn xem một bức ảnh, thuật toán chỉ ghi lại tọa độ cú nhấp và thời gian bạn nán lại. Những "mẩu vụn" này trở thành nguyên liệu thô để máy tính xử lý.

Chúng được đưa vào một ma trận khổng lồ để so sánh với hàng triệu người khác. Nếu thói quen của bạn giống nhóm thích leo núi, thuật toán sẽ xếp bạn vào nhóm đó để tìm điểm chung.

Dựa trên đó, nó tính toán xác suất: nếu bạn đã làm A, khả năng cao bạn sẽ làm B. Đó là cách logic toán học dự đoán hành vi.

Ma trận khổng lồ đó hoạt động như thế nào để tìm ra điểm chung giữa bạn và người khác?

Hãy coi ma trận này như một bản đồ không gian vô tận, nơi mỗi sở thích của bạn là một tọa độ. Nếu bạn thích leo núi, điểm của bạn sẽ dịch chuyển về phía "vùng cao". Nếu bạn thích đọc sách, nó lại kéo bạn về phía "thư viện".

Thuật toán không nhìn vào con người cụ thể, nó nhìn vào khoảng cách giữa các điểm. Khi điểm của bạn nằm sát cạnh điểm của hàng triệu người khác, một "vùng thói quen" được hình thành. Đây chính là lúc máy tính nhận diện được các "bộ tộc số" có hành vi tương đồng.

Bằng cách đo đạc hình học này, thuật toán biết rằng những người ở cùng một tọa độ thường có xu hướng chọn cùng một loại giày hay bài hát. Nó không đoán mò, nó chỉ đơn giản là thấy bạn đang đứng rất gần với những người đã từng đưa ra lựa chọn đó trước đây.

Làm thế nào thuật toán đo được "khoảng cách" giữa những sở thích hoàn toàn khác nhau của con người?

Mỗi sở thích của bạn được gán vào một trục tọa độ riêng biệt. Thay vì chỉ có chiều dài và chiều rộng, máy tính tạo ra một không gian hàng nghìn chiều, nơi mỗi chiều đại diện cho một thói quen nhỏ nhất, từ loại nhạc bạn nghe đến giờ bạn tắt điện thoại.

Khoảng cách ở đây không đo bằng mét, mà bằng sự tương đồng về góc độ. Nếu bạn và một người lạ cùng có xu hướng "lệch" về phía phim trinh thám và cà phê không đường, hai tia dữ liệu của hai bạn sẽ khép lại rất gần nhau.

Khi những tia này gần như trùng khít, thuật toán hiểu rằng hai tâm hồn xa lạ thực chất đang vận hành theo cùng một nhịp điệu logic.

Tại sao thuật toán cần đến hàng nghìn chiều không gian chỉ để mô tả một con người đơn lẻ?

Mỗi chiều không gian thực chất là một câu hỏi chi tiết về thói quen của bạn. Nếu chỉ dùng vài chiều như giới tính hay độ tuổi, thuật toán sẽ thấy bạn giống hệt hàng triệu người khác. Nhưng khi thêm vào hàng nghìn chi tiết nhỏ nhặt như "thích đọc sách lúc mưa" hay "thường bỏ qua quảng cáo sau 3 giây", bức chân dung của bạn mới bắt đầu hiện rõ sắc nét.

Càng nhiều chiều, máy tính càng dễ dàng tách biệt bạn ra khỏi đám đông. Một người thích cà phê đen và một người thích cà phê sữa có thể đứng rất gần nhau ở chiều "đồ uống", nhưng sẽ bị đẩy ra xa ở chiều "khẩu vị". Sự chồng chéo của hàng nghìn lớp thông tin này tạo nên một bản sắc số duy nhất, giúp thuật toán không nhầm lẫn bạn với bất kỳ ai.

Chính độ phức tạp này giúp máy tính nhận ra những mối liên hệ ngầm mà mắt thường không thấy được. Nó không chỉ nhìn vào bề nổi, mà đang bóc tách từng lớp tính cách để hiểu rằng sở thích của bạn là một sự kết hợp độc đáo, một mật mã riêng biệt trong vũ trụ dữ liệu khổng lồ.