SACC 2018十年沉淀之人工智能篇：AI在不同企業(yè)場(chǎng)景下的應(yīng)用和探索

人工智能，一個(gè)老生常談的課題，回顧昨天的興衰史跡，60多年的發(fā)展之路，如今終于進(jìn)入黃金時(shí)期，其應(yīng)用已深入到企業(yè)的各種領(lǐng)域。發(fā)展到現(xiàn)在，人工智能已步入到第三階段，這一階段的人工智能離不開與應(yīng)用場(chǎng)景的結(jié)合，我們都說必須擁抱AI，但如何擁抱呢？

10月17日，第十屆中國(guó)系統(tǒng)架構(gòu)師大會(huì)以“十年架構(gòu)，成長(zhǎng)之路”為主題，云集了國(guó)內(nèi)CTO、研發(fā)總監(jiān)、高級(jí)系統(tǒng)架構(gòu)師、開發(fā)工程師和IT經(jīng)理等技術(shù)人群，與會(huì)規(guī)模超千人。其次日主線4人工智能（下）專場(chǎng)，來自愛奇藝、一點(diǎn)資訊、知乎和小米的高級(jí)技術(shù)專家為大家分享了AI在各自企業(yè)場(chǎng)景中的應(yīng)用和探索，這樣的送門福利，您怎能錯(cuò)過！

愛奇藝廣告算法負(fù)責(zé)人劉國(guó)輝：AI在愛奇藝商業(yè)廣告中的應(yīng)用和探索

廣告是互聯(lián)網(wǎng)流量變現(xiàn)的重要手段，也是AI技術(shù)在工業(yè)界最成功的應(yīng)用場(chǎng)景之一。本次演講，劉國(guó)輝老師向大家介紹了愛奇藝視頻廣告的業(yè)務(wù)特點(diǎn)和核心挑戰(zhàn)，并分享了如何運(yùn)用AI技術(shù)打造愛奇藝智能廣告算法引擎。介紹內(nèi)容包括工業(yè)級(jí)算法引擎的構(gòu)建方法，廣告售賣階段如何通過庫(kù)存預(yù)估、智能詢量、建議出價(jià)提升廣告主運(yùn)營(yíng)效率，廣告執(zhí)行階段如何通過全局優(yōu)化分配、個(gè)性化推薦提升廣告投放效果，以及愛奇藝在平衡商業(yè)目標(biāo)和用戶體驗(yàn)方面進(jìn)行的智能化探索嘗試。

為了更好的支持業(yè)務(wù)訴求，愛奇藝搭建了一套智能廣告算法的系統(tǒng)框架，該系統(tǒng)框架主要分為兩大塊，在廣告售賣環(huán)節(jié)，會(huì)向廣告主提供豐富的智能投放工具；在廣告投放環(huán)節(jié)，愛奇藝廣告算法團(tuán)隊(duì)搭建了一個(gè)實(shí)時(shí)的投放引擎。

在算法層面，該框架分為三大部分。中間是一些基礎(chǔ)算法的研究，前一部分為愛奇藝品牌的庫(kù)存分配系統(tǒng)，該系統(tǒng)核心是保量的，后一部分為一套效果的個(gè)性化推薦系統(tǒng)，主要做一些預(yù)先廣告的召回。

劉老師表示，整個(gè)機(jī)器學(xué)習(xí)應(yīng)用涉及到的環(huán)節(jié)非常多，在最終開始算法的調(diào)節(jié)之前，要解決很多問題，這些問題會(huì)影響算法最終的效果。其主要體現(xiàn)在三方面：在業(yè)務(wù)層面，業(yè)務(wù)復(fù)雜，業(yè)務(wù)目標(biāo)無法直接優(yōu)化；在數(shù)據(jù)層面，海量數(shù)據(jù)的高效運(yùn)用及高效分析成為問題；在工程層面，工程質(zhì)量，如何確保離線，在線的一致性成為難題。

一點(diǎn)資訊高級(jí)技術(shù)總監(jiān)田明軍：個(gè)性化推薦系統(tǒng)中的自適應(yīng)召回

召回是個(gè)性化推薦系統(tǒng)非常重要一個(gè)環(huán)節(jié)，直接影響最終輸出推薦結(jié)果的質(zhì)量?，F(xiàn)代推薦系統(tǒng)通常包括多種召回方式，基于內(nèi)容的召回，基于用戶行為的召回，基于用戶屬性和使用場(chǎng)景的召回，利用深度學(xué)習(xí)模型驅(qū)動(dòng)的召回，等等。受限于上游排序階段計(jì)算能力的約束，通常從召回進(jìn)入到排序階段的數(shù)量是受限的。針對(duì)不同產(chǎn)品線，不同的用戶，不同召回產(chǎn)生價(jià)值的重要程度也不同，需要?jiǎng)討B(tài)決定召回的組合和quota的配比方式。本次演講田明軍老師向大家分享了一點(diǎn)資訊針對(duì)這一挑戰(zhàn)在系統(tǒng)和算法方面的一些工作，以及相關(guān)工作對(duì)最終推薦質(zhì)量的影響。

田明軍老師將自適應(yīng)召回分為意圖分析統(tǒng)一進(jìn)行意圖擴(kuò)展，召回選擇動(dòng)態(tài)選擇召回服務(wù)，query builder自動(dòng)拼裝召回請(qǐng)求，配置中心靈活控制召回使用范圍，用戶狀態(tài)、使用場(chǎng)景輔助調(diào)控召回quota分配五大主要組成部分。

其后期的工作主要為兩大方面，一方面提升model2news的召回能力，減少召回路徑，優(yōu)化迭代基于機(jī)器學(xué)習(xí)的召回方式，提升unique docs覆蓋率，把影響召回決策的特征體現(xiàn)到召回模型，通過學(xué)習(xí)方式泛化。另一方面提升召回自適應(yīng)決策的智能程度，將較多的策略控制轉(zhuǎn)化為模型驅(qū)動(dòng)，提升可擴(kuò)展性與優(yōu)化效率。

知乎AI團(tuán)隊(duì)技術(shù)負(fù)責(zé)人黃波：AI在知乎生產(chǎn)、消費(fèi)、連接和治理四大領(lǐng)域的應(yīng)用實(shí)踐

作為國(guó)內(nèi)知名知識(shí)分享平臺(tái)，知乎已擁有 1.6 億注冊(cè)用戶，回答數(shù)超過 1 億，目前 AI 已經(jīng)全面參與知乎的各個(gè)環(huán)節(jié)，大大提升了效率。在生產(chǎn)、消費(fèi)、連接和治理四大領(lǐng)域，AI 各自發(fā)揮著不可或缺的作用，本次專場(chǎng)黃波老師將具體闡述這些領(lǐng)域，AI 是怎么應(yīng)用的。

知乎預(yù)在知識(shí)圖譜、內(nèi)容分析、用戶分析和業(yè)務(wù)應(yīng)用領(lǐng)域應(yīng)用AI打造智能社區(qū)。

黃波老師表示，在知識(shí)圖譜的應(yīng)用層面，主要分為三大塊，分別為語(yǔ)音搜索、推薦系統(tǒng)里的興趣圖譜，知識(shí)圖譜的構(gòu)建。知乎主要圍繞知識(shí)圖譜的實(shí)體、內(nèi)容、類型、領(lǐng)域、關(guān)系要素來構(gòu)建的，各種要素之間可以構(gòu)建各種關(guān)系。

內(nèi)容分析是指對(duì)各種內(nèi)容打上各種各樣的標(biāo)簽。為什么要做這種多種粒度語(yǔ)義標(biāo)簽?zāi)兀奎S老師表示，一二級(jí)領(lǐng)域，我們希望它粒度較粗，盡量完備正交的分類體系，保證任一問題/文章能分到某個(gè)類別。話題領(lǐng)域，我們希望模型有高精準(zhǔn)度，同一個(gè)問題/文章可打上多個(gè)話題。實(shí)體/關(guān)鍵詞中，我們要求模型有高準(zhǔn)確度，優(yōu)先保證熱門實(shí)體/關(guān)鍵詞被召回。

在用戶分析層面，包括用戶基礎(chǔ)畫像、用戶興趣畫像以及用戶社交表示與挖掘。其服務(wù)架構(gòu)中實(shí)時(shí)計(jì)算包括實(shí)時(shí)興趣計(jì)算、實(shí)時(shí)行為計(jì)算、最后登錄行為地點(diǎn)；離線計(jì)算包括用戶基本畫像預(yù)測(cè)、用戶表示與用戶聚類，另外服務(wù)架構(gòu)還包括HBase多集群同步和在線服務(wù)。

知識(shí)圖譜，內(nèi)容分析和用戶分析都將基于最終的應(yīng)用目標(biāo)，最重要的目標(biāo)是首頁(yè)的信息流推薦，整個(gè)內(nèi)容分析和用戶分析會(huì)作為整個(gè)推薦系統(tǒng)底層的一個(gè)很重要的特征，用于召回和排序，召回除了基于標(biāo)簽的這種召回外，也會(huì)有基于協(xié)同算法和神經(jīng)網(wǎng)絡(luò)等召回方式。

小米軟件工程師李寅——MACE：小米移動(dòng)端深度學(xué)習(xí)框架設(shè)計(jì)實(shí)踐

隨著移動(dòng)互聯(lián)網(wǎng)的深入發(fā)展和 IoT 智能設(shè)備的普及，用戶對(duì)智能性，低延遲和隱私保護(hù)的訴求變得越來越高，移動(dòng)設(shè)備上的離線深度學(xué)習(xí)應(yīng)用變得越來越普遍。MACE 是專門為移動(dòng)設(shè)備優(yōu)化的深度學(xué)習(xí)模型預(yù)測(cè)框架。 MACE 可以方便的部署到異構(gòu)設(shè)備上，使模型運(yùn)行在 CPU、GPU 和 Hexagon DSP 上，并支持主流的視覺 DNN（分類、物體檢測(cè)、語(yǔ)義分割、風(fēng)格轉(zhuǎn)換等）及 NLP（機(jī)器翻譯等）等深度學(xué)習(xí)網(wǎng)絡(luò)，在小米落地了應(yīng)用場(chǎng)景人像模式，場(chǎng)景識(shí)別，離線翻譯等多個(gè)項(xiàng)目。本次演講李寅老師將著重介紹 MACE 的框架設(shè)計(jì)、異構(gòu)設(shè)備上的算子優(yōu)化、以及使用和部署方案。

李寅老師介紹到，MACE主打的是深度學(xué)習(xí)，如何在移動(dòng)端進(jìn)行預(yù)測(cè)。訓(xùn)練模型部署到業(yè)務(wù)場(chǎng)景中需要兩步，首先，我們拿到數(shù)據(jù)，標(biāo)簽，樣本之后需要GPU服務(wù)器的資源去訓(xùn)練一個(gè)模型，模型訓(xùn)練之后會(huì)得到一個(gè)結(jié)果，這個(gè)結(jié)果包括兩部分，一部分是模型跟本身的結(jié)構(gòu)，另一部分是模型訓(xùn)練后的參數(shù)。拿到這兩部分形成最后的云端訓(xùn)練模型，然后我們需要把這個(gè)模型部署到移動(dòng)端。下一步，我們需要移動(dòng)端的執(zhí)行引擎，把這些模型結(jié)構(gòu)中含有的所有算子在移動(dòng)端一一執(zhí)行，而這一步就是MACE需要做的。

“十年磨一劍，礪得梅花香”，第十屆中國(guó)系統(tǒng)架構(gòu)師大會(huì)準(zhǔn)備了三天傳統(tǒng)技術(shù)大會(huì)演講，兩天深度主題培訓(xùn)，更多精彩議題歡迎訪問大會(huì)專題頁(yè)面(http://zt.it168.com/topic/sacc2018/)。