语境运算所需的四类数据

想象一下晚上独自走在安静的街道上，脚步声在你身后。你的大脑立即调动各种可用的感知来做出下一步行动的判断。你可能会用耳朵倾听或转过头，然后根据过去的经验改变你的行走路线，积极地迎接这个人，或者只是把它当作一个什么都没发生的决定。不管结果如何，你的大脑瞬间扫描了记忆中的类似场景，并进行了评估。这就是态势感知。我们对周围世界的反应是如此自然，以至于我们经常在不知不觉中完成一系列的分析。各种知觉在眨眼间捕捉各个维度的信息，从声音、形状到气味，结合记忆中存储的经验和个人特征，得到“可行性报告”，然后从报告中筛选和执行最合理的行动。这是一种与环境交流的原始语言，自从它从我们灵长类祖先那里继承下来以来就没有进化过多少。问题是，这种沟通方式与现代生活的融合并不好。语境运算:我们的第六感、第七感、第n感..在很大程度上，乔治亚理工大学学者Aninddey和GregoryAbowd在十年前定义的语境运算（contextualcomputing）接下来将面临变化。计算机可以分析各种情况的主客观形式，大大提高了我们对环境的判断和反应能力。它们也成为人类意识的延伸，成为我们的第六、第七甚至第八感。这一趋势已经进入了我们的日常生活。通过提供适当的服务，移动设备上的GPS功能可以为您的手机提供更好的信息获取方式；Amazon和Netflix的推荐引擎可以提供您的口味和记录推荐书籍和电影；Facebook和Twitter希望分析您的沟通圈和爱好，以便向您发送更准确的内容和广告。这只是冰山一角。随着新平台的出现，语境操作得到了广泛的传播。*件、软件、网络和服务的结合可以为用户提供个性化和更先进的解决方案。坦白说，我们必须依靠智能手机来推广这种服务。移动技术不是焦点，因为它是一个崛起的平台，但它将成为一个有趣的话题，因为它的个性和各种传感器。为语境操作量身定制的未来移动平台将使移动设备看起来更像玩具，而不是具有多种功能的手机。但首先，科学家、科技企业和用户必须理解和相信这项技术的潜力和价值。就像图像技术和网络技术从概念和实验室的作品变成了商业产品一样。语境运算所需的四种关键数据是：社会、兴趣、行为和个人。这四个方面有的已经相当成熟，有的近年来才流行起来。能够自由掌握和使用这四个数据的玩家将在互联网行业的竞争中占据巨大的优势。以上四个方面或多或少都有一些道德担忧。它们属于一个较大的话题–隐私问题：过多的社交信息会让你的朋友觉得他们被卖给了那些公司；兴趣数据的发布会让你的个人爱好展览看起来像一场商业展览；行为数据可能危及人身安全；最后，大量的个人信息会让外界看到你的想法。因此，从个人和法律的角度来理解这一现象是一个亟待解决的问题。与语境运算道德方便考虑的模糊性不同，这些企业已经积极从各个方面建立了业务。目前出现在市场上的产品和服务中，很大一部分只针对这四个方面的一个或二个。也有志于全面覆盖，但遭受技术不成熟和目标不足的痛苦。这样，由于语境运算的优势没有得到有效的展示，其缺点无形中被放大了。为了开发语境运算的潜力，必须将上述四个方面的数据结合起来。社会信息–链接、链接或链接社会信息的功能是用来解释你和你的社交圈是如何连接的，并解释这些链接的本质和情感因素。很多人认为像Facebook这样的网站包含了一个人的社会信息，其实这是一个远远大于社会的概念。在理想的语境运算中，社会信息可以解释和演示个体之间有意识和无意识的互动。比如一定的服务和软件可以把两个陌生人带到一起；也可以是两个有朋友的个体之间的互动。充分调动和充分利用平台和服务是发挥这些信息最大潜力的必要条件。另一方面，了解个人的信仰、行为和兴趣也是探索社会信息有效价值的前提之一。个体信息–你的信仰、个性和价值观的个人信息包括你的信仰、你对世界的看法和你的性格。这种属性使每个人都是独一无二的，这与社会信息解释个体的共同特征正好相反。由于这类信息的高度概念化和抽象化，个人信息的收集和利用方法仍在开发中。考虑到心理学在解释个人特征方面进展缓慢，不难理解以计算机数据形式记录和分析此类信息的技术停滞不前。但并非没有改变的迹象。Proust.以com为例，一个社交行业的新玩家，以普鲁斯特问卷的形式从用户那里收集极其私密的生活细节和个人信仰。在大多数情况下，人们不愿意在如此公开的社交网络上透露这些信息。一个更成功的例子是Evernote。Evernote以易用性和安全性为卖点，拥有相当大的用户群。这些用户使用该软件记录隐藏的信息，包括消费记录和心理活动。但在NSA眼中，从这些信息中提取数据语言仍然是一个灰色区域，我们需要一个新的解决方案来探索其价值。兴趣信息–你的品味和偏好信息围绕着一系列相互关联的事物，不同个体之间重叠的兴趣爱好也在这里。很多公司都投资过这个领域；Twiter自信地走在这条路上，他们坚信自己可以画出各种话题之间的联系。但该应用程序的范围仍然非常有限。例如，像Goodreads一样.虽然像com这样的在线书店可以根据公众的口味偏好向你推荐你可能感兴趣的书籍，但这是相对不情愿的，因为解释那些更接近你真正感兴趣的未公开信息是非常重要的，但这对他们来说仍然是一个大问题。他们不知道好奇心会对你的选择产生什么影响，更不用说从你的阅读中分析其他兴趣了，比如餐厅和度假胜地。行为信息–最容易分析的行为部分的信息是最容易记录的。如上所述，无处不在的传感器和计算机都承担了这项任务，当然，这也包括自我报告机制。机械计算机很难准确预测你的兴趣。与此不同，行为信息的记录和分析对计算机来说很容易。想象一下，你告诉你的朋友你想去中国度假，但事实上，欧洲一直是你唯一的选择。一个聪明的旅游应用程序会明智地向你推荐巴黎或柏林的旅游折扣，而不是告诉中国企业他们正在做什么样的活动。在某种程度上，Google搜索行为数据，Netflix、Amazon、iTunesGenius、Nike 、“数字量化自我”服务，如FourSquare和FitBit，提供了基础。在与其他三个方面的数据充分混合后，这些数据可以有效地注释行为解密。在适当的时候，语境操作将是你最有效的助手。这四种信息之间的链接将是发挥它们最大潜力的关键。正是相互关联使它们产生共鸣。GoogleNow和Glass等最新产品，Highlig.ht和Siri都在努力探索这种方式。早在1973年，XeroxPARC的梦想家就开发了鼠标和图形计算技术，但他们无法将这些领导者作为长期竞争优势来维持。同样，现在谈论哪个平台或应用程序将成功还为时过早。成功将基于许多有趣的失败经历。语境运算的到来可能比行业领袖声称的日期晚一点，但不要误会它迟早会到来。比尔盖茨的妙语是:“我们总是低估两年内的可能性，十年内会发生什么变化。“(值得一提的是，他在2001年制定的平板电脑概念直到2010年iPad上市才取得商业成功。）语境运算将在十年内发展成为科技界的主导概念。以办公效率为例。计算机可以结合具体任务和从环境中吸收的数据，为我们提供一系列可行的选项，就像我们的大脑在开头的例子中同时给出几个选项一样。到那时，所谓的可穿戴设备将成为“可穿戴人工智能”。