DeepMind揭露Google Play程式推荐背后的关键

Alphabet旗下的人工智能公司DeepMind不只会下棋或玩游戏，该公司也把机器学习与人工智能技术应用在改善各式服务上，例如减少冷却资料中心的用电量，或是延长Android装置的电池续航力，本周DeepMind则说明了Google Play如何借由该公司的技术来推荐程式予使用者。

DeepMind说明，Google Play支持着全球最大的推荐系统之一，有些使用者是直接到Google Play搜寻想要的程式，有些使用者则是单纯浏览该服务以寻找有趣或新的程式，为了提供更丰富且个人化的体验，Google Play团队会根据使用者过去的偏好来推荐程式，但中间有许多细微的差异，例如对于科幻游戏的玩家来说，推荐其它科幻游戏可能是正确的，但对于安装旅游程式的使用者而言，推荐翻译程式可能更符合他们的需求。

于是DeepMind即与Google Play团队密切合作，且Google Play已在今年部署了由DeepMind建置的推荐系统。

现在Google Play的推荐系统主要由3个模型组成（下图，来源：DeepMind），分别是候选生成器、重新排序，以及针对不同目标最佳化的模型，先由候选生成器自上百万种程式中找出最适合使用者的少许程式，再根据使用者的偏好替这些程式排序，之后建立整合关联性、热门程度与个人偏好等目标的最佳推荐。

DeepMind指出，他们除了必须在现实环境的约束之下导入机器学习技术之外；也会避免候选程式生成程序时所产生的偏差，例如不只仰赖程式出现的次数，还会根据每个程式的出现次数与安装次数的比例来减少误差；另也改善了针对个别使用者的程式推荐排序能力，以更准确地预测使用者的需求；同时发展一套新的算法，以在各种目标之间找到折衷。

要在规模庞大的Google Play上导入机器学习带来许多研究上的挑战，因为研究人员必须在有许多实体限制下的环境作业，在设计、导入或测试算法时必须把产品需求及限制纳入考量，这使得DeepMind与Google Play团队必须每天进行沟通，才得以造就今日的Google Play推荐系统。