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

近日，AWS 2017峰會在京盛大開幕。第四范式互聯(lián)網(wǎng)業(yè)務(wù)負責人周開拓受邀出席，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。周開拓曾任職于淘寶網(wǎng)，負責在線推薦系統(tǒng)的設(shè)計和算法工作，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)的公有云版機器學習服務(wù)，致力于完成內(nèi)容推薦、電商推薦、精準營銷、計算廣告等關(guān)鍵業(yè)務(wù)的AI轉(zhuǎn)型。

快速定位機器學習的MVP

在移動互聯(lián)網(wǎng)領(lǐng)域，最容易被接受的一個概念便是最小可用產(chǎn)品（MVP），即開發(fā)團隊、設(shè)計團隊用最小的成本、冒最小的風險，最大程度去驗證產(chǎn)品的可行性——這個產(chǎn)品的可行性，是指這個需求是否真實存在，當前產(chǎn)品解決這個需求的方向是否是正確的。機器學習亦是如此，企業(yè)對于機器學習的投入是長期、持續(xù)的，帶來的收入和回報也是巨大的，但在此之前，企業(yè)更希望用較低的成本去驗證：引入機器學習是否可以帶來業(yè)務(wù)指標的提升，產(chǎn)生價值的潛力有多大。

以較為經(jīng)典的推薦系統(tǒng)為例，數(shù)據(jù)科學家往往會從點擊、購買、收藏、轉(zhuǎn)發(fā)分享等來表達用戶是否喜歡推薦的商品。為了簡化目標，可以選擇點擊作為最小可用產(chǎn)品的優(yōu)化方向，因為點擊是所有事情發(fā)生的前提，且點擊率容易得到較好的優(yōu)化效果。而在游戲運營方面，其目標主要是盡可能延長玩家停留的時間，并且吸引玩家付費，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)忠實玩家提供，這部分玩家可以用很強的運營策略進行干預(yù)。所以對于游戲而言，可將最小可用產(chǎn)品的優(yōu)化目標定位在盡快鎖定游戲的高價值用戶，且鎖定時間要迅速。

機器學習MVP的關(guān)鍵步驟

在機器學習的項目中，數(shù)據(jù)決定效果的上限；建模、調(diào)參則是達到上限的過程。因此數(shù)據(jù)處理、建模、調(diào)參，是成功實現(xiàn)一個機器學習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，若使用了錯誤的方式進行拼接，項目后期出現(xiàn)問題時，很難debug。所以在項目前期，需要控制項目風險和成本的前提下，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，但風險更大的數(shù)據(jù)。

對于數(shù)據(jù)本身來說，數(shù)據(jù)的挑選、數(shù)據(jù)是否有預(yù)測性等，無需耗費過多的人力去考慮，針對此類工作目前已經(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，我們盡可能地讓機器去自主完成，此外，真實的數(shù)據(jù)缺失是正常的，不缺失的數(shù)據(jù)可能才是有問題的，我們已經(jīng)有很多方式來填充缺失值，或者把缺失本身也作為一個特征。其次，數(shù)據(jù)有離散的、連續(xù)的，比如預(yù)測一個游戲玩家是不是高價值用戶，那么數(shù)據(jù)可能有這個玩家已經(jīng)消費的鉆石、金幣數(shù)量，可能有這個玩家的職業(yè)，甚至是玩家手機型號，這就要求數(shù)據(jù)處理中能同時處理這兩類特征。第四范式在這方面已經(jīng)做了一些工作，先知平臺已經(jīng)根據(jù)連續(xù)和離散的數(shù)據(jù)的計算特性做針對性的設(shè)計。

數(shù)據(jù)選定之后，便開始建模。其中，特征組合與調(diào)參是關(guān)鍵。在解決實際問題中，業(yè)界傾向于先使用簡單的邏輯回歸LR模型，為了模型具備更強的學習能力及表達能力，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，特征組合是一種加強特征描述能力，提升模型預(yù)測效果的方法。然而，想要獲得特征組合并非易事，需要數(shù)據(jù)科學家具備極強的機器學習知識儲備及業(yè)務(wù)理解能力。調(diào)參亦是如此。

事實上，特征組合與調(diào)參這類重復(fù)性較強且占用時間較多的工作可以用機器自動完成。在將數(shù)據(jù)科學家的經(jīng)驗固化為產(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（試用鏈接：https://prophet.4paradigm.com...）依靠自主研發(fā)的FeatureGo算法，實現(xiàn)了機器自動特征組合、自動調(diào)參的功能，解決了以往人為添加組合特征門檻高、耗時長等問題，大大節(jié)省了建模的時間。舉個例子，此前第四范式基于先知平臺打造了某新聞內(nèi)容平臺的新聞推薦系統(tǒng)，從數(shù)據(jù)基礎(chǔ)開始構(gòu)建，收集、分析、挖掘了新聞及用戶等各個維度的數(shù)據(jù)，再通過自動特征工程、自動調(diào)參等功能，只耗費2周時間就訓練出了特征維度數(shù)十億級別的模型。最終，該平臺推薦新聞的點擊率提高35%，顯著提升了用戶的使用體驗。

綜上所述，當定義好了問題的目標、邊界，利用現(xiàn)有的數(shù)據(jù)、人員，再配上一個專業(yè)的工具，一個機器學習業(yè)務(wù)改造系統(tǒng)的上線可以非常快速、有效。當機器學習技術(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。