摘要：近日，峰會(huì)在京盛大開(kāi)幕。所以對(duì)于游戲而言，可將最小可用產(chǎn)品的優(yōu)化目標(biāo)定位在盡快鎖定游戲的高價(jià)值用戶，且鎖定時(shí)間要迅速。第四范式在這方面已經(jīng)做了一些工作，先知平臺(tái)已經(jīng)根據(jù)連續(xù)和離散的數(shù)據(jù)的計(jì)算特性做針對(duì)性的設(shè)計(jì)。

近日，AWS 2017峰會(huì)在京盛大開(kāi)幕。第四范式互聯(lián)網(wǎng)業(yè)務(wù)負(fù)責(zé)人周開(kāi)拓受邀出席，并發(fā)表了“打造人工智能MVP”的主題演講，分享了企業(yè)高效、快速地向人工智能轉(zhuǎn)型的寶貴經(jīng)驗(yàn)。周開(kāi)拓曾任職于淘寶網(wǎng)，負(fù)責(zé)在線推薦系統(tǒng)的設(shè)計(jì)和算法工作，加入第四范式之后，基于第四范式核心產(chǎn)品“先知”，孵化了面向中小企業(yè)的公有云版機(jī)器學(xué)習(xí)服務(wù)，致力于完成內(nèi)容推薦、電商推薦、精準(zhǔn)營(yíng)銷、計(jì)算廣告等關(guān)鍵業(yè)務(wù)的AI轉(zhuǎn)型。

快速定位機(jī)器學(xué)習(xí)的MVP

在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域，最容易被接受的一個(gè)概念便是最小可用產(chǎn)品（MVP），即開(kāi)發(fā)團(tuán)隊(duì)、設(shè)計(jì)團(tuán)隊(duì)用最小的成本、冒最小的風(fēng)險(xiǎn)，最大程度去驗(yàn)證產(chǎn)品的可行性——這個(gè)產(chǎn)品的可行性，是指這個(gè)需求是否真實(shí)存在，當(dāng)前產(chǎn)品解決這個(gè)需求的方向是否是正確的。機(jī)器學(xué)習(xí)亦是如此，企業(yè)對(duì)于機(jī)器學(xué)習(xí)的投入是長(zhǎng)期、持續(xù)的，帶來(lái)的收入和回報(bào)也是巨大的，但在此之前，企業(yè)更希望用較低的成本去驗(yàn)證：引入機(jī)器學(xué)習(xí)是否可以帶來(lái)業(yè)務(wù)指標(biāo)的提升，產(chǎn)生價(jià)值的潛力有多大。

以較為經(jīng)典的推薦系統(tǒng)為例，數(shù)據(jù)科學(xué)家往往會(huì)從點(diǎn)擊、購(gòu)買、收藏、轉(zhuǎn)發(fā)分享等來(lái)表達(dá)用戶是否喜歡推薦的商品。為了簡(jiǎn)化目標(biāo)，可以選擇點(diǎn)擊作為最小可用產(chǎn)品的優(yōu)化方向，因?yàn)辄c(diǎn)擊是所有事情發(fā)生的前提，且點(diǎn)擊率容易得到較好的優(yōu)化效果。而在游戲運(yùn)營(yíng)方面，其目標(biāo)主要是盡可能延長(zhǎng)玩家停留的時(shí)間，并且吸引玩家付費(fèi)，故提高用戶留存率便是重中之重。但由于留存率更多地由游戲本身的可玩性和玩家的興趣喜好決定，可干預(yù)性不高，所以留存率較難影響。盡管整體的留存率難干預(yù)，但游戲收入都是由極少數(shù)忠實(shí)玩家提供，這部分玩家可以用很強(qiáng)的運(yùn)營(yíng)策略進(jìn)行干預(yù)。所以對(duì)于游戲而言，可將最小可用產(chǎn)品的優(yōu)化目標(biāo)定位在盡快鎖定游戲的高價(jià)值用戶，且鎖定時(shí)間要迅速。

機(jī)器學(xué)習(xí)MVP的關(guān)鍵步驟

在機(jī)器學(xué)習(xí)的項(xiàng)目中，數(shù)據(jù)決定效果的上限；建模、調(diào)參則是達(dá)到上限的過(guò)程。因此數(shù)據(jù)處理、建模、調(diào)參，是成功實(shí)現(xiàn)一個(gè)機(jī)器學(xué)習(xí)MVP至關(guān)重要的步驟。

以往，公司規(guī)模越大的企業(yè)獲取數(shù)據(jù)越麻煩，且在數(shù)據(jù)的使用時(shí)，若使用了錯(cuò)誤的方式進(jìn)行拼接，項(xiàng)目后期出現(xiàn)問(wèn)題時(shí)，很難debug。所以在項(xiàng)目前期，需要控制項(xiàng)目風(fēng)險(xiǎn)和成本的前提下，盡量使用熟悉、好理解的數(shù)據(jù)。寧可犧牲一些效果，也要避免使用看似有吸引力，但風(fēng)險(xiǎn)更大的數(shù)據(jù)。

對(duì)于數(shù)據(jù)本身來(lái)說(shuō)，數(shù)據(jù)的挑選、數(shù)據(jù)是否有預(yù)測(cè)性等，無(wú)需耗費(fèi)過(guò)多的人力去考慮，針對(duì)此類工作目前已經(jīng)有了很成熟的方法和工具，在不違背因果關(guān)系的前提下，我們盡可能地讓機(jī)器去自主完成，此外，真實(shí)的數(shù)據(jù)缺失是正常的，不缺失的數(shù)據(jù)可能才是有問(wèn)題的，我們已經(jīng)有很多方式來(lái)填充缺失值，或者把缺失本身也作為一個(gè)特征。其次，數(shù)據(jù)有離散的、連續(xù)的，比如預(yù)測(cè)一個(gè)游戲玩家是不是高價(jià)值用戶，那么數(shù)據(jù)可能有這個(gè)玩家已經(jīng)消費(fèi)的鉆石、金幣數(shù)量，可能有這個(gè)玩家的職業(yè)，甚至是玩家手機(jī)型號(hào)，這就要求數(shù)據(jù)處理中能同時(shí)處理這兩類特征。第四范式在這方面已經(jīng)做了一些工作，先知平臺(tái)已經(jīng)根據(jù)連續(xù)和離散的數(shù)據(jù)的計(jì)算特性做針對(duì)性的設(shè)計(jì)。

數(shù)據(jù)選定之后，便開(kāi)始建模。其中，特征組合與調(diào)參是關(guān)鍵。在解決實(shí)際問(wèn)題中，業(yè)界傾向于先使用簡(jiǎn)單的邏輯回歸LR模型，為了模型具備更強(qiáng)的學(xué)習(xí)能力及表達(dá)能力，就需要使特征具備非線性的特性。特征組合便是一種常用且效果明顯的方法。換句話說(shuō)，特征組合是一種加強(qiáng)特征描述能力，提升模型預(yù)測(cè)效果的方法。然而，想要獲得特征組合并非易事，需要數(shù)據(jù)科學(xué)家具備極強(qiáng)的機(jī)器學(xué)習(xí)知識(shí)儲(chǔ)備及業(yè)務(wù)理解能力。調(diào)參亦是如此。

事實(shí)上，特征組合與調(diào)參這類重復(fù)性較強(qiáng)且占用時(shí)間較多的工作可以用機(jī)器自動(dòng)完成。在將數(shù)據(jù)科學(xué)家的經(jīng)驗(yàn)固化為產(chǎn)品之后，技術(shù)人員只需設(shè)定好用于組合的基礎(chǔ)特征，以及參數(shù)的類別、次數(shù)即可。目前，第四范式先知平臺(tái)（試用鏈接：https://prophet.4paradigm.com...）依靠自主研發(fā)的FeatureGo算法，實(shí)現(xiàn)了機(jī)器自動(dòng)特征組合、自動(dòng)調(diào)參的功能，解決了以往人為添加組合特征門檻高、耗時(shí)長(zhǎng)等問(wèn)題，大大節(jié)省了建模的時(shí)間。舉個(gè)例子，此前第四范式基于先知平臺(tái)打造了某新聞內(nèi)容平臺(tái)的新聞推薦系統(tǒng)，從數(shù)據(jù)基礎(chǔ)開(kāi)始構(gòu)建，收集、分析、挖掘了新聞及用戶等各個(gè)維度的數(shù)據(jù)，再通過(guò)自動(dòng)特征工程、自動(dòng)調(diào)參等功能，只耗費(fèi)2周時(shí)間就訓(xùn)練出了特征維度數(shù)十億級(jí)別的模型。最終，該平臺(tái)推薦新聞的點(diǎn)擊率提高35%，顯著提升了用戶的使用體驗(yàn)。

綜上所述，當(dāng)定義好了問(wèn)題的目標(biāo)、邊界，利用現(xiàn)有的數(shù)據(jù)、人員，再配上一個(gè)專業(yè)的工具，一個(gè)機(jī)器學(xué)習(xí)業(yè)務(wù)改造系統(tǒng)的上線可以非?？焖佟⒂行?。當(dāng)機(jī)器學(xué)習(xí)技術(shù)真正產(chǎn)生了效果，客戶就知道下一步應(yīng)該如何投入資源，以及應(yīng)該投在什么地方。