Google人工智能优化YouTube影片推荐协助使用者看到更想看的内容

根据Google说明，目前YouTube首页点击观看推荐影片的观看时间，在过去3年累积成长超过20倍，同时超过70%的使用者观看时间源自YouTube自动推荐，目前YouTube首页每日更在全球地区推荐超过20亿组影片，使得YouTube每天观看时数在今年2月已经成长至10亿小时，而这背后运作均源自Google人工智能系统。

以目前平均每分钟就有超过500小时长度影片被上传至YouTube，如何在众多影片内容协助使用者找到合适、感兴趣影片，以及如何更快、更有效率过滤违规及侵权内容，目前也成为Google面临挑战。而为了解决这些问题，Google从2011年开始在YouTube服务内导入巨量数据分析机制，同时也借由人工智能系统协助优化整体观看体验，其中包含挑选合适个人观看影片、客制化首页内容等。

就Google终极目标，自然希望能在YouTube服务内协助使用者找到希望观看内容，因此随着使用行为趋势改变资讯比对模式，例如在2011-2012年间产生一天观看次数相对下滑20%，但整体观看时间却从平均120秒长度成长至140秒，因此量化比对模式便从观看次数更改为观看时间。而在2014年至2015年间更因应行动装置使用热潮，开始着重行动装置个人化使用体验，其中包含个人化首页、适合个人观看需求的推荐内容等，借此增加观看满意度与新鲜感，让使用者更愿意黏着观看YouTube影片。

Google目前在YouTube导入的人工智能技术，基础上便是先以内容使用模式、影像视觉分类、搜寻排行、搜寻或浏览历史纪录等资讯建构候选模型，接着借由排名机制细化内容是否适合使用者，最后在个人化首页呈现最终推荐影片内容。其中，Google借由TensorFlow学习模型进行诸多数据分析，并且持续透过类神经网络运算构成深度学习效果，让系统能针对不同使用者“精选”合适影片内容。

至于在过往Content ID内容比对机制部分，导入人工智能与深度学习机制之后，将能让系统更容易正确比对上传影片内容是否涉及侵权，或是违反YouTube使用规范。对于Google来说，Content ID内容在导入人工智能技术并非变更原本运作模式，而是借由深度学习方式让运作机制更为精进。

而在近期Google透过YouTube影片让人工智能学习人类社交行为的发展项目，让系统能借由电脑视觉方式持续学习人类在影片中呈现的原子视觉化动作 (atomic visual actions,AVA)，进而学习、理解人类自然互动中所呈现动作行为，例如行走、拥抱或握手时所产生自然动作表现。

为了避免不同地区文化、种族行为差异造成资料误判，Google在AVA数据资料也加入不同地区、不同类型的YouTube影片内容，借此确保全人类行为判断结果的一致性，例如避免产生在认定西方国家常以拥抱作为亲密互动，却因此认为亚洲国家较无亲密互动的情况发生。

在进一步了解使用者自然互动行为模式后，将可让系统更了解影片诠释内容，如此即可更容易依据使用者喜好推荐贴切合适内容，或是借由电脑视觉比对优势让系统能针对不同影片投放最佳广告内容，让广告营收可进一步优化。

此外，在加入更多人工智能技术应用之下，除了让系统更能“理解”YouTube影片内容，更能运用深度学习结果逆向在影片内容播放过程显示警语等内容，让使用者能了解所观看内容可能涉及暴力内容，或是否涉及歧视等影响。Google表示，虽然目前仍无法100%完全分辨影片内容，仍可能有一定比例产生误判，但在此类技术应用除了能减少影片分析所需花费人力，更能协助避免不良内容产生负面影响，同时也能让YouTube影片内容品质持续提升。