个性化算法影响着你昨天选择了什么，你今天选择了什么，你明天会选择什么。

同时，个人化似乎也有问题。我们不断地碰到令人生厌、无趣的广告。我们的数字私人助理没那么私人。我们已经失去了朋友的算法深渊的新闻饲料。我们在网上遇到的内容一次又一次地存储着同样的东西。

个性化的形象就像在游乐场的镜子屋子里看着自己。个性化使我们成为可能，并在我们的真实利益和他们的数字反映之间创造了一个惊人的差距。

人格化仍然存在五个主要原因。

数据缺口意味着任何算法环境都只有有限的数据量。系统只能根据它提供的经验和它使用的反馈循环来理解你。即使系统使用外部数据源，它仍然只对您的兴趣和偏好有部分理解。

计算差距是指计算能力和机器学习技术的局限性。今天最快的系统变得太慢，当它们试图以自己的方式理解一个人的复杂性时。同时，即使是最先进的机器学习解决方案，也还没有为计算机提供一种方法来向我们无缝学习和适应我们。

利益差距与用户、平台和第三方行为者（例如营销人员）的相互冲突的利益有关。这可以归结为：谁的兴趣和偏好在决定你能看到和做什么时被优先考虑？你可能对广告不感兴趣，但它们会被展示给你。当有人为你的注意力买单时，你为自己选择的能力就会减弱。

行动间隙定义了你真正的行动和你所面临的行动之间的不协调。例如，您可能想要按下一个不存在的“不酷”按钮。或者你可能不想再看到一个特定的图像，但没有方法让它发生。你的行动是简化的，以适应环境的有限反馈循环。

内容GAP表示，任何平台或应用程序都不总是有满足您的确切意图或需求的内容。这也意味着服务内容的多样性可能非常有限。无论是体育新闻还是餐厅提示，应用程序或网站可能会耗尽相关内容。主题越多，你持续获得适合你的内容的机会就越小。

此外，在个性化的核心，还有一个更普遍的悖论。

个性化承诺根据你的个人兴趣和偏好来修改你的数字体验。同时，个性化被用来塑造你，影响你，指导你的日常选择和行动。不可访问和不可理解的算法代表你做出自主决策。它们减少了可见选择的数量，从而限制了你的个人代理。

由于个性化的差距和内部悖论，个性化仍然没有实现和不完整。它让我们有一种感觉，它比我们自己的利益更符合别人的利益。

有三种设计和开发路径将帮助个性化更好地为我们作为独特的个人服务。

个性化需要一种新的用户界面范式和交互模型。为了弥合数据差距，个性化接口从直接和间接的操作中有效地学习。同样，随着系统从你所做的和你没有做的事情中学习，计算差距也会变小。为了解决利息差距，你可以直接控制你看到的东西。该界面允许您直观地查看不同的替代方案，混合来自第三方的相关内容。你能看到为什么某些东西会被展示给你。这种透明度提高了您的能力，以影响您的喜好，也有利于平台和第三方。

为了缩小动作间隙，自适应用户界面允许基于您的真实意图和反应的上下文感知交互，如自定义表情或手势。从内容间隙的角度来看，当有趣的东西可用和可操作时，系统能够通知您-手腕上有一点振动或设备屏幕上有一个智能通知。新的界面个性化计算“我的-时间”以上的实时。

个性化应该能够提供相关的和令人惊讶的，及时的和成熟的内容。从数据差距和计算差距的角度来看，如果系统提供了一组不同的替代选项，则可以对您的实际兴趣有一个更详细的理解。这可以让你更详细地表达你的个人兴趣。同时，系统可以根据您的活动学习识别以前未知的或非正统的连接。

兴趣差距，相关信息和惊喜的混合允许你自己决定如何优先考虑信息。通过引入相关但多种多样的替代方案，该系统不会将您绑定到限制性信息筒仓中。即使是时间到时间无关的内容也不会干扰你的经验。两者的关联性和偶然性都是主观的和语境的..算法识别当你开放探索或当你更面向目标时，搜索一个特定的信息。

为了缩小行动的差距，各种明智的建议让你用自己的术语来定义自己。系统开始了解您的短期和长期兴趣，以预测您的信息需求。及时性并不等于相关性；一个庞大的内容库很好地在不失去其吸引力或意义的情况下老化。随着有趣的信息池越来越广泛和深入，内容差距有效地缩小了。

个性化应该把集体智能和人工智能结合在一起。连接变得更快，计算机变得更聪明，效率更高。为了缩小计算差距，重点是加强人与机器之间的信息流。人类仍然是已知宇宙中最好的模式识别系统。我们可以互相帮助寻找和发现有意义的信号。人工智能应该通过给自适应接口和预测学习系统供电来增强这种感知能力。

以人为中心的个性化带来了人类固化信号和适应性机器学习解决方案。通过这种方式，智能系统通过学习我们的个人和集体互动和洞察力而成熟。通过这种方式，人类的想象力和非理性可以超越算法决定论的限制。

人格化悖论呢？在人格化领域没有客观性（也不应该有客观性的主张）。我们塑造算法，算法不断塑造我们。为了更好地为我们服务，个性化算法应该能够理解我们的主观方式来观察我们周围的联系和意义。

最后，个性化作为一个概念源于工业大规模生产和营销的世界。也许，为了标志着算法辅助决策的新时代-并强调个人代理的重要性-我们应该谈论选择算法而不是个性化算法。

谁会为我们建立这样的选择算法？