4月26日，2019華為智能計算大會杭州站如約而來，網易副總裁、網易杭州研究院執(zhí)行院長汪源受邀參加本次大會，分享網易在人工智能方面的探索與實踐。汪源表示，人工智能已經成為網易業(yè)務發(fā)展的一個核心引擎，而這得益于網易獨特的產品設計，以及強勁的智能計算平臺。
網易副總裁、網易杭州研究院執(zhí)行院長汪源
AI驅動的網易業(yè)務創(chuàng)新
一直以來，網易被認為是一家信奉產品為王的公司，并致力于通過技術進步不斷優(yōu)化產品體驗和服務質量。2006年成立的網易杭州研究院，正是承擔了業(yè)務孵化和技術創(chuàng)新的職責。汪源介紹，網易對AI技術的系統(tǒng)探索，至今已經有10余年歷史 -- 2009年，網易開始借助大規(guī)模機器學習的方式來對抗日益泛濫的垃圾郵件，而這正是日后網易易盾內容安全產品的萌芽。
到了今天，人工智能與云計算、大數(shù)據一起，已經成為驅動網易業(yè)務創(chuàng)新的三駕馬車，廣泛應用于網易郵箱、傳媒、云音樂、考拉、嚴選、易信等業(yè)務。人工智能方面的積累，匯集成了網易AI平臺，為網易內部業(yè)務和外部客戶提供AI技術和解決方案。網易AI平臺包括基礎平臺層、技術能力層和業(yè)務應用層三個層面。
基礎平臺層暫且不表。技術能力層包括計算機視覺、智能語音語言和推薦搜索三類能力。計算機視覺包括OCR、視頻分析、人臉識別、圖像處理、人臉美化等。2012年，人臉識別、認證算法及系統(tǒng)在網易郵箱產品中上線，這是中國第一家在互聯(lián)網產品中應用人臉技術的案例。智能語音語言包括語音識別、機器翻譯、語言處理基礎技術、語音合成等。第三是推薦搜索，2012年，伴隨著網易云音樂的成長，網易正式開啟了智能個性化推薦的探索。此外，在傳媒、電商、教育等業(yè)務中，推薦和搜索也成為必備的核心能力。
業(yè)務應用層則是基于上述核心技術構建的視頻分析、視頻翻譯、智慧課堂、智能機器人等能力。2016年，基于智能語音語言、計算機視覺的反垃圾云服務（網易易盾的核心能力之一）、全智能云客服（網易七魚的核心能力之一）在成功服務網易傳媒、教育、音樂、電商等團隊之后正式對外開放。時至今日，網易易盾服務超過1000家互聯(lián)網公司，每日過濾有害信息量超過10億條，網易七魚注冊企業(yè)超過20萬。這標志著人工智能成為網易業(yè)務的新增長點。
AI成功邏輯之一：面向AI推薦的產品設計
以音樂推薦為例，網易云音樂APP首頁實現(xiàn)全部個性化推薦，30%聽歌行為來自推薦，知乎上超過兩萬五千人對網易云音樂推薦算法的關注，“聽不完的歌”的用戶評論，充分說明了這個推薦系統(tǒng)的成功。
網易云音樂是國內首個以“歌單”作為核心架構的音樂APP，通過這些歌單俘獲超過6億用戶的心，這背后離不開“智能推薦”，比如基于上下文場景推薦，采用深度神經網絡優(yōu)化排序算法，結合消費心理學建立用戶興趣模型，根據反饋優(yōu)化用戶興趣模型……但反過來，這些推薦策略與算法的成功，也建立在網易云音樂的產品設計與數(shù)據收集之上。
首先，擁有數(shù)億的“歌單”庫，這為合乎用戶興趣的歌曲相關性提供了數(shù)據來源。其次，數(shù)十億評論成為了歌曲內容特征的重要數(shù)據來源。第三，數(shù)百億社交關系，成為基于關系的推薦與召回策略的基礎。此外，根據用戶拖垃圾桶、紅心的反饋操作抽象出用戶不喜歡的藝人、風格、語種、推薦源，這也需要產品設計的配合。
AI成功邏輯之二：智能計算平臺
回頭來看網易AI基礎平臺層，包括了網易猛犸大數(shù)據平臺和分布式深度學習平臺。來自數(shù)據科學團隊、基于Hadoop的猛犸，提供了一站式的大數(shù)據管理和應用開發(fā)服務，包括數(shù)據集成、數(shù)據存儲、數(shù)據計算、數(shù)據安全等能力，為人工智能應用提供了數(shù)據處理的基礎。猛犸的設計特點之一是簡化工作流程，此外還提供了數(shù)據質量控制能力，這對保證數(shù)據挖掘效果帶來了保障。
分布式深度學習平臺則以TensorFlow、Caffe、PyTorch等主流深度學習框架為基礎，加入了多機分布式計算的優(yōu)化，為業(yè)務方提供快速托管深度學習模型訓練服務和模型推理服務。該平臺消除了底層基礎結構服務的環(huán)境安裝部署、性能調優(yōu)的成本和資源管理復雜性，并且自2017年開始支持任何標準化GPU Docker推理計算服務，這些能力讓業(yè)務方不必關注基礎架構的管理，只需要專注業(yè)務算法邏輯應用。
另一方面，不管推薦還是視覺、語音語言，都需要處理海量的數(shù)據，這就需要強勁的硬件平臺，包括高性能計算、集群高速互聯(lián)以及海量共享存儲的能力。
汪源還表示，未來的人工智能，需要解決如何形成跨越不同類型媒體數(shù)據而進行更泛化推理的模型、方法和技術的問題，而機器要實現(xiàn)不同媒體語義的融合計算，像人類那樣以極低功耗來高效地表達外部世界的復雜結構，唯有采用類腦的神經計算系統(tǒng)。
所以說，不管著眼于當前還是未來，實現(xiàn)智能計算平臺的升級，對于AI的成功都是不可或缺的。
