人工智能已經(jīng)成為重塑所有行業(yè)的生產(chǎn)效率的利器。在一系列讓人“瞠目結(jié)舌”的戰(zhàn)果之后，隨之而來的是技術(shù)、機器學習以及一切“朝AI進化”的熱潮快速來臨。
近年來不少互聯(lián)網(wǎng)企業(yè)都在積極舉辦算法比賽正是“AI熱”的一個縮影，比賽并非唯一目的，很多公司真正的愿望是接觸到更多的算法人才，這其中就包括了諸如騰訊、京東、滴滴、阿里巴巴等中國互聯(lián)網(wǎng)領域的佼佼者。
不久前，騰訊首屆高校算法大賽剛落下帷幕，來自南京大學的三位學子拿下了本屆大賽的冠軍，并贏得了高達30萬元的冠軍獎金。為什么騰訊社交廣告要下大力氣舉辦算法比賽？機器學習對于廣告的意義在哪里？
配圖：騰訊社交廣告總經(jīng)理羅征為本次算法大賽冠軍團隊頒獎
Morketing對話羅征，從一場比賽，了解他對人工智能的態(tài)度。
從轉(zhuǎn)化入題
此次算法大賽的命題是“移動APP廣告轉(zhuǎn)化率預估”，題目并沒有套上一個與AI有關的大帽子，而是著眼在了非常實際的問題上。在羅征看來，這個命題既有難度，又十分貼近社交廣告最核心的部分：轉(zhuǎn)化率優(yōu)化。“轉(zhuǎn)化率一直是廣告主最關心的，他們花錢買點擊和曝光，自然希望了解可以帶來多大價值。這就是轉(zhuǎn)化。”
從轉(zhuǎn)化率入手，是因為羅征希望能讓參賽的學生們不光在做算法，同時也能去更深入的了解計算廣告，特別是社交廣告領域中存在的現(xiàn)實問題。在與幾個奪得優(yōu)異名次團隊的交流中，羅征明顯地感到他們不止是“跑了些算法”這么簡單。
“如果不了解轉(zhuǎn)化的優(yōu)化是為了什么，只是研究機器學習，基本沒有可能贏得比賽，獲獎的前幾名團隊都對騰訊社交廣告的業(yè)務和邏輯做了深度的思考。”羅征說，比賽不僅訓練了他們機器學習的能力，更多的是把算法落地在廣告領域中的實際應用。
配圖：騰訊社交廣告APP推廣成本優(yōu)化專屬解決方案oCPA
來自冠軍團隊“nju-newbie”的成員在接受采訪時也談到：“本次賽題的目標是轉(zhuǎn)化率預測，相比于一般的點擊率預測，轉(zhuǎn)化率預測更困難，用戶數(shù)據(jù)更稀疏，影響轉(zhuǎn)化率的因素更多，這都是對于參賽選手的挑戰(zhàn)。”
在騰訊社交廣告的體系中，最早應用人工智能理念和方法的就包括轉(zhuǎn)化率預估、點擊率預估和廣告審核等多個方面。在數(shù)據(jù)挖掘中，也會利用到AI，例如對用戶商業(yè)興趣、行為和生活狀態(tài)等進行判斷時，機器學習是最好的選擇，可以避免人工參與導致的隱私問題。
數(shù)據(jù)，是這次比賽中讓不少參賽團隊印象深刻的一面，幾位受訪的參賽學生都談到這次比賽的數(shù)據(jù)規(guī)模是他們見過的比賽中體量最大的一次。數(shù)據(jù)規(guī)模，從很大程度上激發(fā)他們使用了不少之前沒有探索過的模型和技巧。獲得比賽亞軍的團隊Raymone在接受采訪時說：這次比賽的數(shù)據(jù)量是所有團隊幾乎都要面對的問題，很多小伙伴在此之前都很少有機會接觸到幾十GB級別的數(shù)據(jù)，在機器性能存在瓶頸的情況下，如何高效的處理并構(gòu)建模型是非常考驗能力的一面。
數(shù)據(jù)體量既是騰訊的優(yōu)勢之一，同樣也是考點。羅征談到當數(shù)據(jù)規(guī)模越來越大，對模型和算法的要求就不再局限于“做得好不好”，還要考慮到工程方面“做得快不快”。如今AI的基礎研究已經(jīng)不只是追求結(jié)果，也要追求速度和資源利用率。
這一點也體現(xiàn)了不少團隊的解決方案中，許多隊伍都強調(diào)在進行轉(zhuǎn)化率預估前，對數(shù)據(jù)進行預處理，去噪以及特征提取的重要性。
今年比賽的高校學生讓羅征印象深刻，除了感受到他們認真的投入，對于算法思考的質(zhì)量也出乎意料的高水平，“參賽學生們的一些想法和思路，確實值得我們內(nèi)部去借鑒和嘗試”。
產(chǎn)品驅(qū)動下的智能時代
近幾年來，AI的基礎投入越來越多，算法的突破也越來越多。深度學習和各種技巧、能力，讓AI的應用覆蓋面越來越大。為了更好的應用AI，羅征和他的團隊也會做一些研究性的投入，目的是利用AI來增加廣告效率，增加廣告主的利益。
配圖：羅征在騰訊社交廣告高校算法大賽
這在之前是很難想象的，羅征回憶在自己讀書的那個時代，一項技術(shù)從科研到工業(yè)界嘗試，最后變成產(chǎn)品實際應用往往需要5到10年的時間。而在互聯(lián)網(wǎng)公司的時代，這一速度被迅速加快。
據(jù)悉，如今很多新興的互聯(lián)網(wǎng)公司例如Google和Facebook都已經(jīng)不再像IBM和AT&T那樣設立大型研究院。許多公司的研究院專精于最前沿的基礎研究，比如騰訊的AI-Lab實驗室，其發(fā)展目標是“學術(shù)有影響，工業(yè)有產(chǎn)出”，因此專注于基礎研究和應用探索結(jié)合。而另外一個人工智能的研發(fā)驅(qū)動力已經(jīng)從“學術(shù)研發(fā)”轉(zhuǎn)向產(chǎn)品驅(qū)動。
“以前的技術(shù)研發(fā)，先是學術(shù)界出來很好玩的東西，然后研究下有什么應用價值，再去落地到產(chǎn)品層面，以專利的形式賣給大公司；如今，很多時候是產(chǎn)品團隊要提升效率，需要這個功能，反推研究方向。”這樣的變化讓技術(shù)從理論落地到產(chǎn)品的速度大大加快，周期變得很短。羅征提到在算法大賽中，一些參賽選手直接參考了業(yè)界的一些前沿論文，并直接應用在比賽當中，這么快的反饋周期，是10幾年前所不可想的。
然而時間的縮短，并不意味著一切都要朝“AI看齊”。“AI是一個很重要的提升效率的手段，但不是目標。我們不是為了做AI而做AI。作為一個企業(yè)的CMO來說，最重要的是結(jié)果，我們可以說使用了AI的技巧，提升了廣告的效果，但最重要的還是轉(zhuǎn)化結(jié)果。”[NextPage]
AI在羅征看來是一個工具，能夠幫助實現(xiàn)一些人做不到的事情。落地在廣告領域中，一是將人力所能做的事情自動化，比如在廣告審核中引入AI技術(shù)，將某些步驟自動化處理從而起到對效率提升的作用；另一種是做一些人做不到的事情，比如在轉(zhuǎn)化率預估中，數(shù)據(jù)的體量可能包含了幾億用戶過去幾個月的所有點擊，所有轉(zhuǎn)化，體量非常之巨大。要將他們總結(jié)為一個模型，得出有效的判斷，是人力所不能及的，這也是機器學習等AI技術(shù)在廣告領域中最為關鍵的應用。
Morketing觀察到，近年來AI行業(yè)的發(fā)展速度驚人，許多互聯(lián)網(wǎng)的一線企業(yè)都在加大投入，并且以開源的姿態(tài)鼓勵更多的開發(fā)者進入AI的領域中。Google的Tenser Flow計劃以及百度的無人車項目等都把開放平臺作為主打。整個業(yè)界投入的加大，對于羅征所在的產(chǎn)品應用層來說，無疑是件好事。
人工智能的現(xiàn)實瓶頸
盡管AI正處于風口，但羅征認為人工智能的應用目前有兩大瓶頸。
想要把AI做的更好，人才儲備是第一位的。據(jù)媒體報道，人工智能在人才方面極為缺乏，例如為了給創(chuàng)新工場AI工程院搶人，李開復曾親自跑了多場高校招聘會。而阿里云的人工智能科學家閔萬里表示，團隊里很多年輕技術(shù)人員都被挖走了。
配圖：騰訊社交廣告首屆高校算法大賽參賽團隊合影
未來人才爭奪戰(zhàn)可能會更加激烈，因為越來越多的公司開始成立人工智能研究部門。據(jù)悉，微軟AI研究院曝光，位于微軟雷德蒙德總部，擁有100多名來自各個AI研究子領域的科學家，包括認知、學習、推理以及自然語言處理。網(wǎng)易也在不久前設立了人工智能事業(yè)部。
與高校加深合作，從高校層面就開始招攬人才也是這次“算法大賽”的目標之一，羅征坦言人才的供應永遠是不足的，每年這個領域的畢業(yè)的人才數(shù)量有限。招兵買馬是一個需要持續(xù)下去的工作。
而另一個AI的門檻，更多的來自于企業(yè)自身的限制。例如在羅征所在的部門，出于對用戶隱私保密的負責，所有的機器學習算法所處理的數(shù)據(jù)均不會利用任何的聊天記錄，這是騰訊為自己定下的規(guī)則。
“雖然騰訊的數(shù)據(jù)很豐富，但是對于垂直行業(yè)的理解，還是有些合作伙伴比我們更強的，比如說我們跟易車一起探討汽車類的用戶，跟京東會探討電商類的，美團點評就探討O2O類的。他們對用戶在垂直行業(yè)上面的行為興趣理解更深入。我覺得下來更進一步的突破點，主要就是結(jié)合一些行業(yè)數(shù)據(jù)，如何與社交數(shù)據(jù)結(jié)合的更好。”
騰訊社交廣告算法大賽由騰訊社交廣告攜手騰訊數(shù)據(jù)平臺部、騰訊高校合作、騰訊云、應用寶、騰訊招聘、T派校園等各大資源與平臺聯(lián)合舉辦，旨在加速推進算法優(yōu)化，持續(xù)提高廣告的效率和投入產(chǎn)出比，為數(shù)字營銷提供完整、精準的解決方案。
