至顶网CIO与应用频道 08月21日 编译:假若您身在英国伯明翰的话,您可以利用Yelp找到一家不错的阿根廷风格餐厅。您甚至还可能会看到一遍评论,Ivan Stravensky撰文介绍了他最喜欢的餐厅,您看了这篇评论后,根据他的大力推荐很想去这个餐厅进餐。
问题是:这篇文章是假的,其实Ivan 本人也是假的
我们在购买新产品或尝试新服务时,许多人都会在网上查看其他客户是怎么说的。事实上,超过80%的美国成年人在第一次购买物品之前偶尔会阅读在线客户评论。但根据Pew研究中心的资料,阅读评论的人只有一半的人认为评论准确地描述了产品。
这是因为在线评论和评级可以被人操纵。我从第一手资料知道在网上伪造信誉是多么地容易:我2017年曾用俄罗斯人的名字Ivan Stravensky登记了一个虚假用户。显然,Ivan从来没有去过伯明翰的阿根廷餐厅,但“他”仍可以为阿根廷餐厅写一篇“五星”评论。有人甚至还认为这篇评论“有用”。
凭空创建一个虚假用户需要的只是一个有效的账户名称、一些社交媒体帐户和一些内容,而这些可以都可以用重复创建几个空壳帐户的方法来完成。任何人都可以借助新的在线身份轻松地评论Glassdoor上CEO、亚马逊上的产品、TripAdvisor上的酒店以及Yelp上的狗狗美容服务。
但区块链的出现将很快会令创建足以令人信服的虚假账户变得更加困难。其结果大有可能是一个更值得信赖、更可靠和更透明的互联网。
在线评论将极端透明
去年,一家美国汽车经销商被发现自导自演虚假评论后被迫支付360万美元的罚款。大家可能还记得那个设法操纵TripAdvisor评级系统的家伙,他利用TripAdvisor评级系统将自家后院的棚子变成了全伦敦排名第一的餐厅。
但利用区块链就有办法跟踪那些留下评论的人,可以确定他们是否真正在他们评论过的餐厅进过晚餐,或是真的在他们给过评级的狗狗美容店给狗狗做过美容,或是真的购买过他们给了五颗星评级的产品。
区块链记录下可量化的数据,并会将其存储在一个区块里,区块然后会被添加到一个类似的信息区块链里。每个区块都必须通过计算机网络进行验证,然后才能添加到链中;验证后就无法更改,这意味着数据既透明又安全。
区块链系统可用于创建一个人的数字地图,基本上就是个在线ID;出生记录,家庭住址和大学毕业证书都可以放在区块链上。
区块链还可以跟踪我们的日常活动。区块链与由物联网生成的数据关联在一起时,可以通过位置数据用来记录和验证员工是否在工作日出现在特定的办公地点,或是通过客户的支付数据用于跟踪客户的购物习惯。
简而言之,区块链使得我们能够跟踪和验证 我们在发表产品和服务评论时的第一手资料。
早期区块链创业公司的表现未达标?
评论是个大生意,一名美国男子因为在TripAdvisor给了个三星评语而被起诉。该宗官司的文档称他没有像他在评语里说的那样亲临实地。旅游运营利利用区块链可以快速验证此类信息。
区块链将是创建类似Yelp、Glassdoor和TripAdvisor等新型透明评论网站的基石。
实际上,区块链系统的极度透明性已经在改变其他行业。All Public A利用区块链验证艺术作品的出处。区块链的核心原则是可以鉴定和验证交易,这些功能可以轻松快速地保证过去交易的有效性,从而确认艺术品的所有权。
而一些使用区块链验证在线产品评论的初创公司(如Zapit和Revain)目前只是在用加密货币付费给那些发布真实和准确评论的用户。但区块链能做的远远不仅仅只是用来提供“诚实奖励”。 区块链还可以通过在分散数据库上检查用户的身份和交易以及位置历史而用于评论的即时验证。
匿名的缺点
用户匿名是Reddit等网站或Amino应用一类的小众网络的核心精神和个性。用户名可以接地气或具有创造性,用户名无需与用户的现实世界身份接轨,这有助于培养在社区自由表达意见的群体。而同时,匿名则会令有些人释放本性,表达仇恨观点及发表威胁性言论,这些人如果没有互联网的匿名面纱是不会这样做的。但在做购买决定时要找没有偏见的信息,匿名对其他潜在客户没有帮助:他们知道虚构的个体可以撰写评论怎么会信得过评论呢?
配有验证系统的网站就更加可信。 Uber、Turo和Airbnb等应用程序与Facebook帐户和信用卡绑定在一起。面部识别、指纹和其他验证方法令用户信得过评论;这种系统而会令用户关心自己作为“客人”或“乘客”收到的评论,因为这些评级以后会跟随他们。显然,用空壳帐户也很容易在这些平台上创建帐户,但文档、用户数据、面部识别这些方法正在解决验证问题。
这种话题的重要性可能很快会提高一个层次,特别是现在的人工智能机器人都能够撰写令人信服的评论。事实上,要区分机器人写的评论和真人写得评论很快就是不可能的事了。
因此,区块链对极度透明性的贡献及对网络可信度的提高是一个正面的发展方向。区块链创新可能最终将我们从虚假新闻和虚假评论里解放出来。
实现应该务实一点
不过,验证和分散化并不一定要齐头并进。
想象一下,沃尔玛(Walmart)用区块链技术跟踪从农场到商店到桌上的苹果。如果沃尔玛拥有链条上的每个节点,你怎么知道买的苹果实际上是有机苹果或是来自某个特定的农场?因为你相信区块链头部的那个农户;也相信沃尔玛整个区块链的其余部分,这跟没有区块链时你选择相信沃尔玛是一样的。
验证协议需要与大量可用数据和一定程度的分散化相结合才有意义。区块链在创建一个更值得信赖的世界拥有无限的前景;但前面的路还很长。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。