建站
咨詢
售后
建站咨詢
新聞中心
第十個(gè)雙11已圓滿結(jié)束，但是技術(shù)的探索永不止步。阿里技術(shù)推出《十年牧碼記》系列，邀請(qǐng)參與歷年雙11大戰(zhàn)的核心技術(shù)大牛，一起回顧阿里技術(shù)的變遷。
讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來(lái)自于我們對(duì)這個(gè)行業(yè)的熱愛(ài)。我們立志把好的技術(shù)通過(guò)有效、簡(jiǎn)單的方式提供給客戶，將通過(guò)不懈努力成為客戶在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：域名申請(qǐng)、虛擬空間、營(yíng)銷軟件、網(wǎng)站建設(shè)、五寨網(wǎng)站維護(hù)、網(wǎng)站推廣。
近十年，機(jī)器智能在越來(lái)越多的領(lǐng)域走進(jìn)和改變著我們的生活。在互聯(lián)網(wǎng)領(lǐng)域，機(jī)器智能則是得到了更普遍和廣泛的應(yīng)用。作為電商平臺(tái)的基石，商品搜索團(tuán)隊(duì)一直在打造適合電商平臺(tái)的機(jī)器智能體系。而每年雙11，則是驗(yàn)證智能化進(jìn)程的試金石。今天，阿里資深算法專家元涵帶你穿越時(shí)空，感受雙11場(chǎng)景下搜索智能化的十年演進(jìn)道路。
阿里搜索技術(shù)體系演進(jìn)至今天，基本形成了由offline、nearline、online三層體系，分工協(xié)作，保證電商平臺(tái)上，既能適應(yīng)日常平穩(wěn)流量下穩(wěn)定有效的個(gè)性化搜索及推薦，也能夠去滿足電商平臺(tái)對(duì)促銷活動(dòng)的技術(shù)支持，實(shí)現(xiàn)在短時(shí)高并發(fā)流量下的平臺(tái)收益***化。
可以看到，十年雙11的考驗(yàn)后，搜索智能化體系逐漸打造成型，已經(jīng)成為電商平臺(tái)穩(wěn)定健康發(fā)展的核動(dòng)力，主要分為四個(gè)階段：自主研發(fā)的流式計(jì)算引擎Pora初露鋒芒;雙鏈路實(shí)時(shí)體系大放異彩;“深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)”初步探路;全面進(jìn)入深度學(xué)習(xí)時(shí)代。下面我們就來(lái)一起看一下。
四大演進(jìn)階段：業(yè)務(wù)、算法、系統(tǒng)同步發(fā)展
??
??
階段一：初露鋒芒——自主研發(fā)的流式計(jì)算引擎Pora
技術(shù)的演進(jìn)是伴隨解決實(shí)際業(yè)務(wù)問(wèn)題和痛點(diǎn)發(fā)展和進(jìn)化的。2014年雙11，通過(guò)BI團(tuán)隊(duì)針對(duì)往年雙11的數(shù)據(jù)分析，發(fā)現(xiàn)即將售罄的商品仍然獲得了大量流量，剩余庫(kù)存無(wú)法支撐短時(shí)間內(nèi)的大用戶量。主售款(熱銷sku)賣完的商品獲得了流量，用戶無(wú)法買到商品熱銷的sku，轉(zhuǎn)化率低;與之相對(duì)，一些在雙11當(dāng)天才突然展露出來(lái)的熱銷商品卻因?yàn)闅v史成交一般沒(méi)有得到足夠的流量。
針對(duì)以上問(wèn)題，通過(guò)搜索技術(shù)團(tuán)隊(duì)自主研發(fā)的流式計(jì)算引擎Pora，收集預(yù)熱期和雙11當(dāng)天全網(wǎng)用戶的所有點(diǎn)擊、加購(gòu)、成交行為日志，按商品維度累計(jì)相關(guān)行為數(shù)量，并實(shí)時(shí)關(guān)聯(lián)查詢商品庫(kù)存信息，提供給算法插件進(jìn)行實(shí)時(shí)售罄率和實(shí)時(shí)轉(zhuǎn)化率的計(jì)算分析，并將計(jì)算結(jié)果實(shí)時(shí)更新同步給搜索和推薦引擎，影響排序結(jié)果。***次在雙11大促場(chǎng)景下實(shí)現(xiàn)了大規(guī)模的實(shí)時(shí)計(jì)算。算法效果上，也***次讓大家感受到了實(shí)時(shí)計(jì)算的威力，PC端和移動(dòng)端金額也得到顯著提升。
階段二：大放異彩——雙鏈路實(shí)時(shí)體系
2014年雙11，實(shí)時(shí)技術(shù)在大促場(chǎng)景上，實(shí)現(xiàn)了商品和用戶的特征實(shí)時(shí)，表現(xiàn)不俗。
2015年搜索技術(shù)和算法團(tuán)隊(duì)繼續(xù)推動(dòng)在線計(jì)算的技術(shù)升級(jí)，基本確立了構(gòu)筑基于實(shí)時(shí)計(jì)算體系的【在線學(xué)習(xí)+決策】搜索智能化的演進(jìn)路線。
早先的搜索學(xué)習(xí)能力，是基于批處理的離線機(jī)器學(xué)習(xí)。在每次迭代計(jì)算過(guò)程中，需要把全部的訓(xùn)練數(shù)據(jù)加載到內(nèi)存中計(jì)算。雖然有分布式大規(guī)模的機(jī)器學(xué)習(xí)平臺(tái)，在某種程度上批處理方法對(duì)訓(xùn)練樣本的數(shù)量還是有限制的。在線學(xué)習(xí)不需要緩存所有數(shù)據(jù)，以流式的處理方式可以處理任意數(shù)量的樣本，做到數(shù)據(jù)的實(shí)時(shí)消費(fèi)。
接下來(lái)，我們要明確兩個(gè)問(wèn)題：為什么需要在線學(xué)習(xí)呢?以及為什么實(shí)現(xiàn)秒級(jí)的模型更新?
在批量學(xué)習(xí)中，一般會(huì)假設(shè)樣本獨(dú)立服從一個(gè)未知的分布，但如果分布變化，模型效果會(huì)明顯降低。而在實(shí)際業(yè)務(wù)中，很多情況下，一個(gè)模型生效后，樣本的分布會(huì)發(fā)生大幅變化，因此學(xué)到的模型并不能很好地匹配線上數(shù)據(jù)。實(shí)時(shí)模型，能通過(guò)不斷地?cái)M合最近的線上數(shù)據(jù)，解決這一問(wèn)題，因此效果會(huì)較離線模型有較大提升。那么為什么實(shí)現(xiàn)秒級(jí)分鐘級(jí)的模型更新?在雙11這種成交爆發(fā)力強(qiáng)、變化劇烈的場(chǎng)景，秒級(jí)實(shí)時(shí)模型相比小時(shí)級(jí)實(shí)時(shí)模型時(shí)效性的優(yōu)勢(shì)會(huì)更加明顯。根據(jù)2015年雙11實(shí)時(shí)成交額情況，前面1小時(shí)已經(jīng)完成了大概總成交的1/3，小時(shí)模型就無(wú)法很好地捕獲這段時(shí)間里面的變化。
基于此，搜索技術(shù)團(tuán)隊(duì)基于Pora開(kāi)發(fā)了基于parameter server的在線學(xué)習(xí)框架，如下圖所示，實(shí)現(xiàn)了在線訓(xùn)練，開(kāi)發(fā)了基于pointwise的實(shí)時(shí)轉(zhuǎn)化率預(yù)估模型，以及基于pairwise的在線矩陣分解模型。并通過(guò)swift輸送模型到引擎，結(jié)合實(shí)時(shí)特征，實(shí)現(xiàn)了特征和模型雙實(shí)時(shí)的預(yù)測(cè)能力。
??
??
在線學(xué)習(xí)框架
但是，無(wú)論是離線訓(xùn)練還是在線學(xué)習(xí)，核心能力是盡可能提高針對(duì)單一問(wèn)題的算法方案的準(zhǔn)確度，卻忽視了人機(jī)交互的時(shí)間性和系統(tǒng)性，從而很難對(duì)變幻莫測(cè)的用戶行為以及瞬息萬(wàn)變的外部環(huán)境進(jìn)行完整的建模。典型問(wèn)題是在個(gè)性化搜索系統(tǒng)中容易出現(xiàn)反復(fù)給消費(fèi)者展現(xiàn)已經(jīng)看過(guò)的商品。
如何避免系統(tǒng)過(guò)度個(gè)性化，通過(guò)高效的探索來(lái)增加結(jié)果的豐富性?我們開(kāi)始探索機(jī)器智能技術(shù)的另一方向——強(qiáng)化學(xué)習(xí)，運(yùn)用強(qiáng)化學(xué)習(xí)技術(shù)來(lái)實(shí)現(xiàn)決策引擎。我們可以把系統(tǒng)和用戶的交互過(guò)程當(dāng)成是在時(shí)間維度上的【state，action，reward】序列，決策引擎的目標(biāo)就是***化這個(gè)過(guò)程。
在線決策方面，我們***嘗試了運(yùn)用MAB和zero-order優(yōu)化技術(shù)實(shí)現(xiàn)多個(gè)排序因子的***融合策略，取代以前依靠離線Learningto rank學(xué)到的排序融合參數(shù)。其結(jié)果是顯著的，在雙11當(dāng)天我們也觀察到，通過(guò)實(shí)時(shí)策略尋優(yōu)，一天中不同時(shí)間段的***策略是不同的，這相比全天使用離線學(xué)習(xí)得到的一套固定排序權(quán)重是一個(gè)大的進(jìn)步。
2015年雙11雙鏈路實(shí)時(shí)計(jì)算體系如下圖所示：
??
??
2015年雙11的實(shí)時(shí)計(jì)算體系
階段三：初步探路——“深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)”
2015年雙11，在線學(xué)習(xí)被證明效果顯著，然而回顧當(dāng)天觀察到的實(shí)時(shí)效果，也暴露出一些問(wèn)題。
- 問(wèn)題一：在線學(xué)習(xí)模型方面，該模型過(guò)度依賴從0點(diǎn)開(kāi)始的累積統(tǒng)計(jì)信號(hào)，導(dǎo)致后場(chǎng)大部分熱銷商品都無(wú)法在累積統(tǒng)計(jì)信號(hào)得到有效的差異化表示，模型缺少針對(duì)數(shù)據(jù)的自適應(yīng)能力。
- 問(wèn)題二：在線決策方面。2015年雙11，宏觀實(shí)時(shí)體系中的MAB( Multi-ArmedBandit)實(shí)時(shí)策略尋優(yōu)發(fā)揮了重要作用，通過(guò)算法工程師豐富經(jīng)驗(yàn)制定的離散排序策略集合，MAB能在雙11當(dāng)天實(shí)時(shí)選擇出***策略進(jìn)行投放;然而，同時(shí)暴露出MAB基于離散策略空間尋優(yōu)的一些問(wèn)題，離散策略空間仍然是拍腦袋的智慧。同時(shí)為了保證MAB策略尋優(yōu)的統(tǒng)計(jì)穩(wěn)定性，幾十分鐘的迭代周期仍然無(wú)法匹配雙11當(dāng)天流量變化的脈搏。
針對(duì)***個(gè)問(wèn)題，我們?cè)?016年雙11中也進(jìn)行了優(yōu)化和改進(jìn)。對(duì)于從0點(diǎn)的累積統(tǒng)計(jì)信號(hào)到后場(chǎng)飽和以及統(tǒng)計(jì)值離散化缺少合理的抓手的問(wèn)題，我們參考Facebook在AD-KDD的工作，在此基礎(chǔ)上，結(jié)合在線學(xué)習(xí)，我們研發(fā)了Streaming FTRL stacking on DeltaGBDT模型，如下圖所示。
??
??
Streaming FTRL stacking on DeltaGBDT模型
分時(shí)段GBDT模型會(huì)持續(xù)為實(shí)時(shí)樣本產(chǎn)出其在雙11當(dāng)天不同時(shí)段的有效特征，并由onlineFTRL去學(xué)習(xí)這些時(shí)效性特征的相關(guān)性。
對(duì)于在線決策方面的問(wèn)題，我們進(jìn)行了策略空間的***化探索，分別嘗試了引入delay reward的強(qiáng)化學(xué)習(xí)技術(shù)，即在搜索中采用強(qiáng)化學(xué)習(xí)(ReinforcementLearning)方法對(duì)商品排序進(jìn)行實(shí)時(shí)調(diào)控優(yōu)化。我們把搜索引擎看作智能體(Agent)、把用戶看做環(huán)境(Environment)，則商品的搜索問(wèn)題可以被視為典型的順序決策問(wèn)題(Sequential Decision-making Problem)。我們的目標(biāo)就是要實(shí)現(xiàn)用平臺(tái)長(zhǎng)期累積收益的***化。
系統(tǒng)方面，2016年雙11我們的實(shí)時(shí)計(jì)算引擎從istream時(shí)代平穩(wěn)升級(jí)到到 Blink/Flink 時(shí)代，實(shí)現(xiàn)24小時(shí)不間斷無(wú)延遲運(yùn)轉(zhuǎn)，機(jī)器學(xué)習(xí)任務(wù)從幾個(gè)擴(kuò)大到上百個(gè)job。為算法實(shí)現(xiàn)大規(guī)模在線深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等前沿技術(shù)打下了堅(jiān)實(shí)的基礎(chǔ)。
階段四：全面進(jìn)入——深度學(xué)習(xí)時(shí)代
由于在線深度學(xué)習(xí)需要強(qiáng)大的計(jì)算資源來(lái)支持，2017年系統(tǒng)上我們重構(gòu)了流式計(jì)算平臺(tái)、機(jī)器學(xué)習(xí)平臺(tái)和支持CPU/GPU的異構(gòu)在線服務(wù)平臺(tái)，能夠支持更大規(guī)模的流式數(shù)據(jù)計(jì)算，超大規(guī)模深度模型在線學(xué)習(xí)和在線預(yù)估。
依托強(qiáng)大的計(jì)算能力，實(shí)現(xiàn)了深度學(xué)習(xí)在搜索的全面落地，包括語(yǔ)義搜索，深度用戶興趣感知，商品多模表示學(xué)習(xí)，在線深度機(jī)制模型，多場(chǎng)景協(xié)同智能決等技術(shù)創(chuàng)新：
a) 深度用戶感知模型：搜索或推薦中個(gè)性化的重點(diǎn)是用戶的理解與表達(dá)，基于淘寶的用戶畫(huà)像靜態(tài)特征和用戶行為動(dòng)態(tài)特征，我們提出基于multi-modals learning、multi-task representation learning以及LSTM的相關(guān)技術(shù)，從海量用戶行為日志中直接學(xué)習(xí)用戶的通用表達(dá)，該學(xué)習(xí)方法善于“總結(jié)經(jīng)驗(yàn)”、“觸類旁通”，使得到的用戶表達(dá)更基礎(chǔ)且更全面，能夠直接用于用戶行為識(shí)別、偏好預(yù)估、個(gè)性化召回、個(gè)性化排序等任務(wù)，在搜索、推薦和廣告等個(gè)性化業(yè)務(wù)中有廣泛的應(yīng)用場(chǎng)景。(相關(guān)成果的論文已被KDD 2018 錄用)
??
??
b)大規(guī)模商品多模表示學(xué)習(xí)：淘寶商品有文本、圖像、標(biāo)簽、id 、品牌、類目、店鋪，統(tǒng)計(jì)特征等多模態(tài)信息，這些特征彼此有一定程度的冗余和互補(bǔ)，我們利用多模學(xué)習(xí)將多維度特征融合在一起學(xué)習(xí)一個(gè)統(tǒng)一的商品向量，并通過(guò)attention機(jī)制實(shí)現(xiàn)不同特征維度在不同場(chǎng)景下的差異，比如女裝下圖片特征比較重要，3C下價(jià)格，銷量比較重要等。
c)在線深度機(jī)制模型：由于不同用戶和不同場(chǎng)景的優(yōu)化目標(biāo)不一樣，我們把用戶狀態(tài)，場(chǎng)景相關(guān)特征加入到了機(jī)制模型中，實(shí)現(xiàn)了千人千面的排序機(jī)制模型。同時(shí)由于各種基礎(chǔ)實(shí)時(shí)日志的qps和延遲都不太一樣，為了保證在線學(xué)習(xí)的穩(wěn)定性，我們構(gòu)建了實(shí)時(shí)樣本pool來(lái)維護(hù)一個(gè)穩(wěn)定的樣本集合供在線學(xué)習(xí)使用。
d) 全局排序：傳統(tǒng)的排序模型只對(duì)單個(gè)文檔打分，然后按照分?jǐn)?shù)從高到底排序。這樣方法無(wú)法考慮到商品之間相互的影響;傳統(tǒng)的針對(duì)單個(gè)商品ctr、cvr都基于這樣一個(gè)假設(shè)：商品的ctr、cvr不會(huì)受到同時(shí)展示出來(lái)的其他商品(我們稱為展示context)的影響。而實(shí)際上一個(gè)商品的展示context可以影響到用戶的點(diǎn)擊或者購(gòu)買決策：假如同一個(gè)商品周邊的商品都和它比較類似，而且價(jià)格都比它便宜，那么用戶買它的概率不會(huì)高;反之如果周邊差不多的商品都比它貴，那么用戶買它的概率就會(huì)大增。而全局排序就要解決這個(gè)問(wèn)題，考慮商品之間的相互影響，實(shí)現(xiàn)整頁(yè)效率的***化。(相關(guān)成果的論文已被IJCAI2018 錄用)
e) 多場(chǎng)景協(xié)同智能決策：搜索多個(gè)不同的產(chǎn)品都是依托個(gè)性化來(lái)實(shí)現(xiàn)GMV***化，導(dǎo)致的問(wèn)題是不同產(chǎn)品的搜索結(jié)果趨同。而導(dǎo)致這個(gè)問(wèn)題的根本原因是不同場(chǎng)景的算法各自為戰(zhàn)，缺乏合作和關(guān)聯(lián)。今年做的一個(gè)重要工作是利用多智能體協(xié)同學(xué)習(xí)技術(shù)，實(shí)現(xiàn)了搜索多個(gè)異構(gòu)場(chǎng)景間的環(huán)境感知、場(chǎng)景通信、單獨(dú)決策和聯(lián)合學(xué)習(xí)，實(shí)現(xiàn)聯(lián)合收益***化，而不是此消彼長(zhǎng)(相關(guān)成果的論文已被 www 2018錄用)。
驅(qū)動(dòng)搜索智能化體系的演進(jìn)的三點(diǎn)
我們?cè)倩剡^(guò)頭來(lái)看，是什么驅(qū)動(dòng)了搜索智能化體系的演進(jìn)?
目前，各大互聯(lián)網(wǎng)公司的主流技術(shù)路線主要是運(yùn)用機(jī)器學(xué)習(xí)技術(shù)來(lái)提升搜索/推薦平臺(tái)的流量投放效率，隨著計(jì)算力和數(shù)據(jù)的規(guī)模增長(zhǎng)，大家都在持續(xù)地優(yōu)化和深入。是什么驅(qū)動(dòng)我們推動(dòng)搜索的智能化體系從離線建模、在線預(yù)測(cè)向在線學(xué)習(xí)和實(shí)時(shí)決策方向演進(jìn)呢?概括來(lái)說(shuō)，主要有以下三點(diǎn)。
首先，眾所周知，淘寶搜索具有很強(qiáng)的動(dòng)態(tài)性，寶貝的循環(huán)擱置，新賣家加入，賣家新商品的推出，價(jià)格的調(diào)整，標(biāo)題的更新，舊商品的下架，換季商品的促銷，寶貝圖片的更新，銷量的變化，賣家等級(jí)的提升等等，都需要搜索引擎在***時(shí)間捕捉到這些變化，并在最終的排序環(huán)節(jié)，把這些變化及時(shí)地融入匹配和排序，帶來(lái)結(jié)果的動(dòng)態(tài)調(diào)整。
其次，從2013年起，淘寶搜索就進(jìn)入千人千面的個(gè)性化時(shí)代，搜索框背后的查詢邏輯，已經(jīng)從基于原始Query演變?yōu)椤綫uery+用戶上下文+地域+時(shí)間】，搜索不僅僅是一個(gè)簡(jiǎn)單根據(jù)輸入而返回內(nèi)容的不聰明的“機(jī)器”，而是一個(gè)能夠自動(dòng)理解、甚至提前猜測(cè)用戶意圖(比如用戶瀏覽了一些女士牛仔褲商品，然后進(jìn)入搜索輸入查詢?cè)~“襯衫”，系統(tǒng)分析用戶當(dāng)前的意圖是找女性相關(guān)的商品，所以會(huì)展現(xiàn)更多的女士襯衫，而不是男生襯衫)，并能將這種意圖準(zhǔn)確地體現(xiàn)在返回結(jié)果中的聰明系統(tǒng)，這個(gè)系統(tǒng)在面對(duì)不同的用戶輸入相同的查詢?cè)~時(shí)，能夠根據(jù)用戶的差異，展現(xiàn)用戶最希望看到的結(jié)果。變化是時(shí)刻發(fā)生的，商品在變化，用戶個(gè)體在變化，群體、環(huán)境在變化。在搜索的個(gè)性化體系中合理地捕捉變化，正是實(shí)時(shí)個(gè)性化要去解決的課題。
***，電商平臺(tái)也完成了從PC時(shí)代到移動(dòng)時(shí)代的轉(zhuǎn)變，隨著移動(dòng)時(shí)代的到來(lái)，人機(jī)交互的便捷、碎片化使用的普遍性、業(yè)務(wù)切換的串行化，要求我們的系統(tǒng)能夠?qū)ψ兓獪y(cè)的用戶行為以及瞬息萬(wàn)變的外部環(huán)境進(jìn)行完整的建模?；诒O(jiān)督學(xué)習(xí)時(shí)代的搜索和推薦，缺少有效的探索能力，系統(tǒng)傾向于給消費(fèi)者推送曾經(jīng)發(fā)生過(guò)行為的商品或店鋪。
真正的智能化搜索和推薦，需要作為投放引擎的agent有決策能力，這個(gè)決策不是基于單一節(jié)點(diǎn)的直接收益來(lái)確定，而是當(dāng)作一個(gè)人機(jī)交互的過(guò)程，消費(fèi)者與平臺(tái)的互動(dòng)看成是一個(gè)馬爾可夫決策過(guò)程，運(yùn)用強(qiáng)化學(xué)習(xí)框架，建立一個(gè)消費(fèi)者與系統(tǒng)互動(dòng)的回路系統(tǒng)，而系統(tǒng)的決策是建立在***化過(guò)程收益基礎(chǔ)上。
未來(lái)展望——讓淘寶搜索擁有智慧化的體驗(yàn)
經(jīng)過(guò)這么十年雙11大促的技術(shù)錘煉后，圍繞在線AI技術(shù)的智能框架初具規(guī)模，基本形成了在線學(xué)習(xí)加智能決策的智能搜索系統(tǒng)，為電商平臺(tái)實(shí)現(xiàn)消費(fèi)者、賣家、平臺(tái)三方利益***化奠定了堅(jiān)實(shí)的基礎(chǔ)。這套具備學(xué)習(xí)加決策能力的智能系統(tǒng)也讓搜索從一個(gè)簡(jiǎn)單的找商品的機(jī)器，慢慢變成一個(gè)會(huì)學(xué)習(xí)會(huì)成長(zhǎng)，懂用戶，體貼用戶的“人”。
但在這個(gè)過(guò)程中，搜索排序?qū)W習(xí)到的知識(shí)更多都是通過(guò)已有的商品標(biāo)簽數(shù)據(jù)和用戶行為數(shù)據(jù)來(lái)獲取的，還缺少對(duì)商品和用戶更深層次的認(rèn)知，還無(wú)法完全理解用戶的多元意圖表達(dá)的真實(shí)需求。
比如，用戶搜索了“性感連衣裙”，可能是想找“去參加晚場(chǎng)party的低胸晚裝裙”，也可能是想找“去海邊度假的露肩沙灘裙”;用戶收藏了“登山鞋”和“拐杖”，可能有“登山裝備”的需求，需要發(fā)現(xiàn)更多的和登山裝備相關(guān)的其它品類商品。一個(gè)有孩子的爸爸，在暑假剛開(kāi)始時(shí)，挑選“轉(zhuǎn)換接頭”，查看“大英博物館門(mén)票”，可能是想帶著家人一起“暑期英國(guó)親子游”，需要發(fā)現(xiàn)更多相關(guān)的其它品類商品。
究其原因，目前機(jī)器智能技術(shù)特別是以深度學(xué)習(xí)為代表的模型，在現(xiàn)實(shí)應(yīng)用中快速發(fā)展，最主要受益于海量大數(shù)據(jù)以及大規(guī)模計(jì)算能力，通過(guò)對(duì)物理世界的數(shù)字化抽象和程式化學(xué)習(xí)，使得機(jī)器智能具備很強(qiáng)的限定知識(shí)的獲取能力，而很難獲得數(shù)據(jù)之外的知識(shí)，就更不用說(shuō)知識(shí)的類比、遷移和推理了。
而機(jī)器的認(rèn)知智能，比如自主學(xué)習(xí)和發(fā)現(xiàn)，甚至創(chuàng)造能力才是人工智能的更高境界。當(dāng)然通用的機(jī)器智能還有很多工作要做，在這個(gè)過(guò)程中，怎么樣首先結(jié)合人類知識(shí)和機(jī)器智能做到初步的認(rèn)知智能，讓淘寶搜索擁有智慧化的體驗(yàn)是未來(lái)值得探索的方向。
我們有理由相信，隨著智能技術(shù)的進(jìn)一步升級(jí)，這個(gè)“人”會(huì)越來(lái)越聰明，實(shí)現(xiàn)機(jī)器智能，認(rèn)知智能的***目標(biāo)。
【本文為專欄作者“阿里巴巴官方技術(shù)”原創(chuàng)稿件，轉(zhuǎn)載請(qǐng)聯(lián)系原作者】
??戳這里，看該作者更多好文??
當(dāng)前名稱：讓天下沒(méi)有難用的搜索：阿里搜索如何成長(zhǎng)為貼心“暖男”？
當(dāng)前網(wǎng)址：http://fisionsoft.com.cn/article/dpdijds.html
