一点资讯技术副总裁王元元：信息流的未来与人工智能的机会

【艾瑞网直播】2018年5月23-24日，为期两天的2018艾瑞（北京）年度高峰会议聚焦“智能·无界·决策”，在北京国贸三期大酒店盛大召开。艾瑞峰会汇聚众多互联网行业领军人物、创新者，企业决策者一起看清机遇，改变惯性，开拓认知商业新视野。以下是一点资讯技术副总裁王元元发表题为“信息流的未来与人工智能的机会”的演讲实录。一点资讯技术副总裁王元元大家好！非常荣幸今天能够在这里跟大家分享一下信息流行业现在，以及未来的发展趋势，更重要的是结合人工智能在这当中发挥的作用，跟大家进行探讨。为什么说算法带来信息流行业的蓬勃发展，这一点可以从信息流行业本质来看，信息流本质是流量的战争。每一家公司都是为了获取更大的流量而奋斗，这个地方比较关键的是说，怎么样能够降低流量的获取成本？以及增加单位流量的变现效率，打通这个循环之后，利用公司运营的手段、市场推广手段，让整个流量不停的增加，进而取得商业上的成功。在这个过程当中，算法又起到非常至关重要的作用。它能够极大地增加每一个环节的运营效率，为什么说算法能跟信息流行业很好地结合呢？从算法能够起到巨大作用的前提讲一讲。一个算法能够起得比较大的作用，有两个条件：一、有比较清晰和简单的优化目标。在信息流行业里面，这个优化目标可以转化成点击率、时长、广告的ECPM。同时，可以采集到大量的数据、海量的数据，这些数据能够反过来为优化目标，提供重要的数据基础。这两个环节，正好是都满足了。所以说，信息流跟算法的共生或者是带动了人工智能在这个领域的极大发展。也可以说信息流像PC时代的搜索引擎一样，成为在移动互联网时代蓬勃发展的行业。信息流最早是从2012年随着像一点资讯、今日头条个性化资讯客户端的诞生，引领着行业发展。从产品形式上来讲，它是从以前的静态资讯的获取方式，转变成千人千面，可以无限刷新的个性化推荐。推荐系统本身就是AI的产物。随着信息流的不停发展，从信息流满足用户需求角度来看，从之前单一满足用户打发时间的需求，朝着自驱更多元的需求发展，资讯承载的价值也在不断地提升。在一开始整个互联网上资讯内容的供给方，基本是机构、媒体，经过门户网站的编辑进行二次传播。但是到了现在，内容的供给主要来源是自媒体平台，大量的个人或者是机构的媒体，都转型到自媒体的平台上去创作内容。随着信息流的发展不停的往前进，不停的占据用户的时长，整个行业最近遇到了非常严峻的监管挑战。从野蛮生长的状态到规范的状态，必须要经历的过程。最后，信息流从现在大家可以看到每一个APP，每一个网站都在做信息流，大家可以看到每一家在做，我们可以看到这个趋势，也认为信息流会像搜索引擎一样，变成基础设施在行业里面产生作用。接下来，我会从几个方面谈一下，人工智能在这当中产生的价值。有一些是完成的较为成熟，有一些其实是人工智能不擅长处理的，也是所有算法工作者需要挑战的问题。简单讲一下，所谓的推荐系统的历史发展和常用方法。最早期，当没有用户的行为数据时，推荐系统的建设主要是基于内容的推荐。基于内容的推荐，首先对内容进行显示的了解，这篇内容是讲什么人，讲什么方面，讲什么领域的。基于这些结构的分析，我们在根据用户的这些行为，用户看的时候分享了什么，来生成所谓的用户画像。利用文章的特征，再加上用户的画像，就可以建设一个较为初级的推荐系统，也能够让用户感知到比较个性化地推荐效果。随着整个的产品用户规模不断的增加，所谓协同过滤的推荐方法，立马就产生了非常大的作用。协同过滤本质上是说不需要对用户的内容进行建模，根本不需要知道它是讲什么的？我只需要把它扔出去，让很多人点击，通过点击的数据分析出这些内容适合什么样的用户。这个也是现在基本上所有行业里面推荐系统都是优先使用的，它的效率是非常高的。发展再到后期时，利用混合推荐的技术，把内容推荐和协同过滤的推荐有效结合起来。因为在一篇内容刚进入到系统时，这个内容是没有任何所谓的用户行为数据，没有办法进行协同过滤，把这两种方法结合在一块，既能进行内容用户侧的启动，同时也能够保证分发的效果。深度学习这套技术，实际上影响着方方面面的行业。尤其在语音图像方面。信息流行业，深度学习技术相比于之前的方法，在提高用户的点击率和阅读时长方面，也产生了大的价值。整个推荐系统的核心能力是说，我们要建设一个非常强大的，不管是相关性模型还是排序性模型，实际上整个模型的迭代方向就这几个：实时、规模、深度。为什么说实时很重要？因为信息流领域的推荐跟电商或者是电影领域还不太一样，因为内容时效性非常短，大量内容转瞬即逝，过得非常快。所以我们要设计一些动态系统捕捉变化。第二，超大规模。一点资讯日活六千万，一个月来看的话几亿的数据，几亿的数据我们都要放在网络里面，有很多的参数进行学习，这个里面有学习的速度问题，也有并发训练问题，这都学习在算法过程中克服。除了规模以外，我们模型也是从浅到深的发展，现在深度学习不管是用户相关性模型还是排序模型中，都已经被利用了。除了深度，有序也非常重要。因为用户的行为是连续性行为，在建模过程中，把连续性行为放进去，这也是行业算法过程中关注的。刚才简单讲了一下算法的提升，这里面来说一下信息流行业用户需求的变化。不知道在座各位有多少同学每天晚上刷一些短视频的应用，我也经常刷，刷的感觉是说越刷越不想睡觉。相比较我读高中、大学时，拿起一本课本或者是一本教材，我可能瞬间睡着了。我们想5秒钟的，只需要记忆5秒钟的内容，和你需要很高的成本记忆内容，实际上对用户的价值是完全不一样的。当然看5秒钟的内容，可以让你很轻松很愉悦。但是有些资讯，能够让你花一天，比如说现在的热点，可以对这个行业更多地了解。可能你看到一篇行业好的论文，或者是行业的深度分析，可能对你这一个月内都产生价值。有些人看一些专业的书籍，这个价值可能时间更长，可能会影响你一辈子。所以说，信息流对于用户资讯的需求满足，目前还是处于初级阶段。基本上提供大量地看了5秒就忘的内容，我们要思考怎么样在信息流分发过程中，找出能够让你记一天，记一个月，甚至记一辈子的好资讯。这个地方其实就是要跟算法的特点结合在一