Creo que es seguro que tinder funciona en un algoritmo como este: la relación ” profile_liked / profile_suggested ” será monitoreada y utilizada por el tinder, por lo que esta relación también tiene en cuenta la distancia entre el usuario y el perfil que le gusta.
Como un vector 2D:
- 0 millas <perfil <5 millas: me gusta / relación sugerida: 1
- 5 millas <perfil <10 millas: relación me gusta / sugerida: 0.9
- 10 millas <perfil <15 millas: relación me gusta / sugerida: 0.3
- etc …
Por lo tanto, el algoritmo dado en consecuencia se puede aplicar en cada uno de estos “contenedores de distancia”. Entonces, en su caso, sería algo así:
- ¿Cómo la IA y la automatización cambiarán el lugar de trabajo en el futuro, y qué efecto tendrá en la economía global?
- ¿Cómo se puede construir la IA de Harold Finch (La máquina) a partir de una persona de interés?
- ¿El mecanismo de aprendizaje hebbiano es esencial para aprender a comprender mejor la red neuronal artificial? ¿Está bien omitir el mecanismo hebbiano?
- ¿Alguien puede compartir su experiencia con la técnica de aprendizaje semi supervisada de Label Propagation? ¿Cómo funciona ese método en la naturaleza?
- ¿En qué asesor de IA invertirías?
- 0 millas <perfil <40 millas: relación de me gusta / sugerida: 1
- 40 millas <perfil <100 millas: me gusta / relación sugerida: 0
Conclusión: Entonces, esa es la estrategia, Tinder sugerirá “chicas menos atractivas” en su área local y “chicas guapas” en contenedores después de 40 millas.
¿Qué pensaría al desarrollar dicha aplicación? Lo primero que haré será monitorear la centésima de las variables. Monitorear primero y esperar que algún día algún experto social los use para determinar los hábitos del usuario. La mayoría de las veces los usuarios piensan que la aplicación que usan está monitoreando diez veces menos variables de lo que realmente hace.
