site logo: www.epochtimes.com

Google推薦系統優化 AI首席研究員來自台灣

人氣: 970
【字號】    
   標籤: tags: , , , ,

【大紀元2018年07月05日訊】台灣土生土長的紀懷新現任Google AI(人工智慧)首席研究員,過去2年內透過推薦系統優化,為Google產品及服務帶來66項重要改善,包括Google Play、廣告、搜尋、YouTube等。

為落實今年3月啟動的Google智慧台灣計畫,Google7月4日宣布AI創新研究營正式開跑,Google董事總經理簡立峰表示,目前Google在台灣的招聘及培育人才計劃已超乎預期,台灣有軟、硬體優勢在,台灣工程師都有超過全球工程師的水準,「只是台灣人不知道自己有多優秀」。

據中央社報導,Google AI創新研究營開跑,邀請來自英、美等地的AI專家訪台,駐於Google美國山景城總部的紀懷新也擔任機器學習技術論壇的主講人,分享機器學習於推薦系統的應用。

來自淡水的紀懷新在Google進行許多推薦系統的研究,他帶領的機器學習研究團隊最大任務是運用研究成果,達到令人驚豔的推薦體驗。舉例來說,在Google Play上有超過100萬個應用程式,去年更有高達820億的應用程式下載量,應用程式的數量與下載量相當多,這是為何Google需要機器學習來解決推薦系統的問題。

Google推薦系統優化 AI首席研究員來自台灣
Google台灣董事總經理簡立峰(左1)4日宣布Google AI創新研究營開跑,邀請來自英、美等地的人工智慧(AI)專家訪台,並安排多場AI專題演講,探討包括自然語言處理、醫學影像深度學習應用、推薦系統等AI領域相關主題。(中央社)

紀懷新說,傳統的推薦方式是將使用者與項目配對,希望使用者表達對這些項目喜歡或不喜歡,再推測使用者偏好;新的推薦方式是將使用者、情境與項目配對,數據量龐大,又要即時推薦內容,需要透過機器學習來解決這些問題。

他強調,透過機器學習模型,Google Play上應用程式的安裝率提升了3.3%。

紀懷新表示,Google為了顯著改善推薦品質,會注重3個原則。第一,推薦應該是個人化及多元化的。第二,透過機器學習的協助,不斷優化所有產品的介面。第三,整體而言,Google的模型要能替所有人提供適當的推薦。

責任編輯:鍾元

評論