這家AI公司，要用機器學習建成Facebook類的知識平台

雷鋒網按：日前，在由中國計算機協會（CCF）主辦，雷鋒網和香港中文大學（深圳）聯合承辦的CCF-GAIR 全球人工智慧和機器人峰會的AI+創投專場上，主持人Comet Labs中國市場負責人王星曾攜昆仲資本、紅點投資、雲九資本、源星資本、國金投資一起探討了這樣一個主題：在AI領域有沒有可能成長出Google、Facebook這樣的巨頭企業？

五位投資人中，有3位對此表達了相對樂觀的態度。昆仲資本創始合伙人姚海波更是直言：

「AI領域一定會出無極公司。AI不僅連接了人、信息，同時還連接了物，所以一定會出現超越Facebook、Google的公司。」

無獨有偶，海外業界也同時進行了關於這一主題的探討。

近日，國外科技媒體 VentureBeat 發表了一篇文章，《How Google, Amazon, and Facebook would look if they had started in the age of AI》，作者Dean Takahashi在文中提出了這樣一個設想：過去幾年間，人工智慧已被很多公司應用在自己的核心業務中，比如AI+搜索、AI+電商、AI+網路安全等等。如果，這些業務形式在AI剛出現時就存在，而各個公司從一開始就將AI應用在這些業務形式里，情況又將怎樣呢？

Peter Relan在MobileBeat 2017大會上（圖片來源：Michael O'Donnell/VentureBeat）

針對這一問題，YouWeb孵化器的創始人Peter Relan在MobileBeat 2017大會上接受VentureBeat採訪時作了回應。Peter  Relan是一位著名的企業家和投資人，創立的YouWeb已經成功孵化了一些創業公司，如OpenFeint、CrowdStar等。而Relan新成立的Got It，是一個提供知識就業服務的平台。據雷鋒網了解，當用戶（專業人士及學習者）向Got It平台提出問題時，該平台會通過機器學習演算法來計算出可回答該問題的人類專家，從而讓用戶和專家基於該問題進行10分鐘或20分鐘的會話。

據Relan介紹，目前該平台已有25萬人申請服務，12500人獲得了專家地位。Relan認為Got It是一個典型的AI+應用的例子，因為其誕生於AI時代的繁榮期。

以下是VentureBeat採訪Relan的實錄，雷鋒網對其進行了不改變原意的編譯：

VentureBeat：如果Google、亞馬遜和Facebook從一開始就使用AI演算法，情況會如何呢？

Relan：剛才大會上有演講嘉賓提到，AI在80年代經歷了一個流行階段。當時，我還在上大學，而AI相關言論的炒作一直蔓延到90年代。而到了2000年以後，業界基本將注意力放在了Web 2.0、社交等方面。事實上，從那時起，科技巨頭並沒有將AI視作他們的核心業務。

VentureBeat：但是這些巨頭都誕生於此。

Relan：是的。所以回過頭去看，這真是一件讓人意想不到的事情。如果你現在正創立一家AI公司，那麼母庸質疑AI一定成為公司的核心戰略。所以我選擇了幾家AI初創企業密切關注，就是先看他們是否將AI作為業務的核心。

以Facebook舉例，眾所周知它是一家社交巨頭，月活用戶已超20億。所以Facebook的內容全由基於社區的用戶來生成。如果Facebook從一開始就應用AI技術，那麼第一個解決的問題應該是「內容該如何表現「。2007年-2008年，Facebook開放API引發了全民玩遊戲的熱潮。當時的 FarmVille （開心農場：Facebook上的一個模擬遊戲），據當時的網友反映，用戶的第一個投訴就是關於垃圾郵件的。因為大家都收到了該款遊戲的好友邀請。

VentureBeat：是的，當時在Facebook經常收到這類消息。

Relan：Facebook早期的核心策略是讓社區處理這類騷擾信息，但是這一狀況一直持續到FarmVille出現在Facebook的垃圾郵件達到臨界值才有了變化。2010年，我和扎克伯格見面，他就此回應說，「它完全摧毀了網路」。然而有趣的是，遊戲對於任意一個新平台都是最重要的應用之一，但顯然也很容易失控。

再看今天，哪些是不好的內容？10年前充斥著和遊戲有關的垃圾郵件，而現在就當屬假消息了，並且還是當時的10倍有餘。FarmVille目前已有2億用戶，而Facebook用戶則達20億。如何消滅假消息？成為大家都面臨的一大難題。

如常人的邏輯，你可能認為Facebook會採取「社區處理」的方式來停止虛假消息的蔓延。但是在2016年，Facebook坦承自己已在系統里內置了AI程序，他們正利用AI和人工的結合來識別、處理虛假消息。這也意味著，Facebook依然堅信用戶社群運營對不良內容的控制作用。

Got It用戶使用AI發現人類專家的服務示意圖（圖/Got It官網）

VentureBeat：你認為Facebook正在調整整體戰略，專註利用AI去清理網路上的垃圾內容嗎？

Relan：我認為這是不可避免的。就算你能100%控制你的公司，你也不能忽視技術的力量。事實上，在我們公司Discord（一家遊戲玩家的語音聊天社區）也遇到了相同的問題。目前，這一社區已有5000萬用戶，達到了Facebook的1/40，Discord已經成為遊戲玩家聊天社區的中心。但是我們發現，他們聊的話題並不止於遊戲，還有其他各種話題。所以，為了社區環境更正向的發展，我們運用了圖像識別技術，來監測社區里是否有關色情、暴力等信息。即使是在社區平台上，作為創始人，你依然可以藉助AI的力量來阻隔不良的內容。

VentureBeat：所以你還是認為，處理不良內容最終仍然需要人力干預？

Relan：其實這涉及到一些異常環節。一方面，由於社區里的用戶過分龐大，每個人都可以自由發言和聊天，所以我們的工作必須引入AI引擎。但在一些異常和邊緣事件上，我們還需要為用戶提供一些工具。比如，AI並不知道「我該做什麼」，或者用戶在社區里看到一些「我不能接受」或「這令人反感」的內容時，都需要人力去做出干預和管理。

VentureBeat：Got It這個平台也涉及到人力管理，不如跟大家介紹一下這個平台吧。

Relan：Got It是一家新公司。它的創立源於這樣一個想法，「如果亞馬遜可以提供虛擬機服務，那為什麼不讓知識成為一項服務呢？」如果你想了解某些內容，不但可以通過Google和搜索來得到。同時，瀏覽社區和論壇也不失為一種途徑。但是，這兩項並不能算作真正的服務。因為服務必須遵循四大關鍵標準：

一、有一個明確的標準。Google搜索得到的結果，往往從幾條到幾千條不準，用戶不確定能得到多少條結果。

二、它必須有一個確定的價格。

三、它一定是有需求的。

四、必須是有保證的。

可是你去看Google或Quora，無一符合以上四項標準。而社區和論壇自不用說，用戶提出的問題，也不能保證一定會有人解答。

所以，我們在創立Got It平台時，試圖將其建立成類似於亞馬遜的服務平台。即它會針對每位用戶的問題，在一定時間內通過先進的機器學習演算法來幫用戶找到可回答這一問題並標註了明確價格的專家。所以，在這個過程中，不管是機器演算法還是專家的價格，都是明確且便於理解的。

Relan在接受VB採訪（圖：Michael O'Donnell/VentureBeat）

VentureBeat：這個過程有一個重要角色——人類專家。

Relan：對。用戶和專家的對話，有的10分鐘，有的20分鐘。在會話結束之後，用戶還會就此過程進行評分。事實上，這是一項很有技術性的工作。舉個例子，你正使用Excel來完成某項工作，但是不熟悉操作。於是你上Got It找到了一位專家，並和其一起工作了10分鐘。當然，Excel的操作問題並不能通過簡單的10分鐘就能學會。但是，有趣的在於，你找到專家的這個過程使用了AI演算法。所以，我依然認為，任何內容的交互都不能取代人與人之間的溝通、交流和聯繫。

圖片來源：YouTube

最酷的在於，找到專家的這個過程並不是簡單的人類互動，它還有機器學習演算法在其中助力。我們運用的演算法和Google使用的ageRank一樣。Google現在有了一個新的系統——RankBrain，即除了內容之外，是Google首次公開承認的，使用AI為用戶推薦最合適的頁面的系統。而我們在Got It平台使用的系統叫做ExpertRank，是一個在實時拍賣中投標以在固定時間段內在一對一聊天會話中提供可解決用戶問題的專家的系統，該系統還能提供服務保證。

所以，將人和AI結合在一起，無論是在Facebook還是Google上，都是一件有趣的事情。因為搜索引擎本身就是在伺服器上運行，而加在搜索系統上的AI引擎依然還是在伺服器上工作，這是一個真正基於伺服器的系統。但是，我們也要正視一個事實，即目前而言，仍然只有15%的查詢搜索是在AI的幫助下被回答的，而剩下的85%仍在使用傳統的PageRank。

事實上，目前AI輔助駕駛非常受歡迎，從無人駕駛行業的發展即可見一斑。不過，若要對比特斯拉和Google的Waymo無人駕駛汽車，二者的策略很不一樣。就特斯拉而言，其採取的策略為AI輔助，即如果沒有人在旁邊，它就不會開車。不過特斯拉較Waymo和Uber更優秀的在於，其在AI助手上領先一籌，從而擁有更多的數據。

VentureBeat：所以你會認為「AI+人類」的組合方式讓解答更有效率？

Relan：因為這樣你會有更多的數據。業界普遍認同這樣一種觀點：AI即數據。數據越多，AI越成熟。事實上，當一個社區的不良信息越多，用戶就越難以忍受這些內容。相反，假消息越多，打擊假消息就越容易。因為人類可以訓練AI 來辨別虛假消息。

這與Google Search相似。搜索量越大，Google的搜索演算法Hummingbird （蜂鳥）就能更快的了解這些問題。事實上，Hummingbird即為實際了解查詢的RankBrain演算法。你對它訓練越多的問題，它就能更好的理解查詢的結果。

VentureBeat：這裡有一個問題，你們如何縮放人類的參與？我可能是某領域的一位頂尖專家，但是不會在凌晨3點回答問題。

Relan：其實Got It的想法非常簡單。這世界上大約有70億的人口，而每個人都有不同的問題和需求。可是，如果要把每個人的問題具體匹配到一個具體的人來回答，這個系統暫時還是缺乏的。所以，我們想建立一個類似於Facebook這樣強大的知識網路，只是沒有社交的成分。Got It最有趣的在於，你和專家對話的10分鐘里，你大腦儲存的知識以及你掌握的知識，在溝通的過程中不僅互利共通，而且邊際成本為零。

所以，我們的願景是，通過Got It讓每一個人都成為系統中的某位專家，並建立一個可為每個問題找到「正確的人」的AI引擎。目前，Got It平台已經進行了300萬次的會話，擁有12500位網路專家，每天新加入的用戶超過200人，擁有25萬的申請量。

我們並不缺乏人，因為他們一直存在。我們也不想替換人，我們需要的只是AI，可以幫助我們找到回答問題的人類專家的AI。

VentureBeat：你們的AI演算法會著重看哪方面的數據？未來會走什麼路線？

Relan：Got It平台的演算法會查看每一個對話的數據。並根據六個因素來調整專家的等級，如：

一、禮貌。因為這是一項用戶付費的服務。

二、同理心。即能感受用戶的感受。

三、準確度。即專家是否實際解決了用戶的需求。

四、個人信息。即經過10分鐘的會話之後，二者是否試圖交換過個人信息？

......

針對10分鐘會話中，二者交流溝通的信息量及具體內容的情況，在會話結束之後，該專家的等級就會得到相應的調整。

Got It的路線圖非常明確，即永遠不會取代人類。但是我們會一直運用AI來清除不良內容，以提供更好的服務。所以，我們要求該平台上的AI引擎，不僅能像Facebook一樣，利用AI阻隔不良信息，同時也希望能像Google一樣找到相對精準的專家，提供精準的解答。

而隨著時間的推移，Got It必將越走越好。因為數據不斷在改進，找到的人類專家也越來越多。只要我們對AI進行更多數據的訓練，平台上的對話則會有越來越好的結果和體驗。

所以，這必將給亞馬遜也帶來挑戰。因為我們中的很多人，都需要更多的計算能力。隨著計算需求的增加，你如何確定你是否得到了最好的資源來解決這一需求？如果這一需求涉及到一個大的數據分析問題，可能就需要聚合不同的資源來解決。

所以，需求和服務之間的相關性，是亞馬遜在未來需要思考的一個重要問題。即便Alexa和Echo幫其集聚了海量用戶，但是，作為一個平台，我們必須保證，當需求出現時要為這些用戶找到最合適的資源。而這點，在AI應用呈現爆髮式增長的大環境下顯得尤為迫切。

ViaVentureBeat，雷鋒網編譯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！