作者 | 云昭
用户与信息之间，要么隔着一个搜索，要么隔着一个推荐。正如百度执行副总裁沈抖在一次会议上所言：人们对搜索已经太过熟悉，以至于感受不到其中技术的变革。
时至今日，搜索已经无处不在，从浏览器、微信、支付宝，到其他日常都会登录使用的App，我们习惯了用搜索来筛选自己需要的信息。“搜索”已经变成了互联网时代一项基础技术，早已不用像区块链、Web3这些新技术那般在我们的视线里狂刷“存在感”。
真正重要的，往往是我们习以为常却感知不到的。
在信息量爆发的大数据时代，传统搜索也随之进化到智能搜索时代。有AI加持的搜索引擎，机器不仅仅能读懂文字，还能听懂语音、看懂图片。AI技术为搜索提供了持续进化的动力。
那么，为了让搜索更快、更精准、更个性化、更智能地读懂用户的需求，互联网都做了哪些积极的创新探索呢？这里列举一些：
2016年，谷歌上线了基于反向传播技术的RankBrain算法，可以基于语义分析和词库联想，帮助用户更快地搜索冷门的搜索结果。
2021年，谷歌将在NLP领域大火的预训练语言模型BERT部署署到谷歌搜索当中，即使你输入的是一大段文字，搜索引擎也能够get到用户想查什么。BERT的引入为至少10%的搜索结果带来了改善。
而国内搜索方面，AI在搜索上的应用，同样如火如荼。
2015年，百度就提出了多模搜索的理念，探索从文本搜索向语音、视觉、视频等多模态搜索的演进；腾讯则在垂直搜索领域持续发力，向量检索、异构计算、知识图谱、视频理解等技术在腾讯视频、腾讯看点上得到了成功的应用；美团搜索经历多年的技术沉淀后，已经转变为AI搜索引擎，极大提升了商户、外卖、内容等核心搜索场景业务指标性能。
如果说搜索是帮助人找到精准的内容，那么推荐则是把内容精准推送给合适的人。2021年快手联合清华提出了基于图神经网络的序列推荐新框架SURGE，大大降低了捕捉用户真实兴趣的难度；2021年，阿里妈妈算法工程团队与阿里妈妈外投广告算法团队开源了Elastic-Federated-Learning-Solution（弹性联邦学习解决方案）项目，将联邦学习理论引入到阿里妈妈业务场景，发挥其隐私保护和算法理论的优势。
随着AI技术的不断发展，在智能搜索与推荐这条与用户息息相关的高新赛道上，各大互联网企业都在纷纷加码！如果想要提前解锁更多有关智能搜索与推荐的前沿科技，相信AISummit“AI驱动下的搜索与推荐”专场能给你答案！
数字化转型浪潮催生了搜索推荐技术的新的演进，比如：传统检索引擎升级转变为AI引擎、搜索重点也从通用搜索转移到精细化的垂直搜索，推荐技术也进一步迎来了与智能算法深度融合的阶段。
2022年8月6日-7日，AISummit全球人工智能技术大会将在大会官网以线上直播形式如期举办，预计10万人参会。本届大会以“驱动•创新•数智”为主题，主要面向科技企业的中高端技术管理者及技术从业者、计划/正在数智化转型的企业管理者以及对人工智能领域感兴趣的人士及创业者。大会也将邀请等近百位知名互联网科技企业的技术精英、数智化转型期的传统企业的管理者、前沿学术机构专家学者，共同论道人工智能的行业驱动力，研讨人工智能的前沿创新技术，共话人工智能时代下的“数智”浪潮。
本期AISummit大会上，“AI驱动下的搜索与推荐”专场中，来自阿里、腾讯、美团、快手等业内的资深技术负责人、算法专家将从业务实践的角度，分享智能搜索与推荐领域的前瞻思考。
随着美团零售商品类业务的不断发展，美团搜索在商品类业务上的相关技术也在不断迭代，排序模块作为整个搜索系统的重要组成部分，极大地影响着用户最终的搜索体验。近些年，深度学习在排序领域得到广泛的应用。
本次议题，美团搜索排序负责人陈胜将以“美团搜索排序平台的建设与实践”为主题，详细介绍美团搜索的技术架构、排序平台的落地建设、排序算法的优化中的点点滴滴，并通过实践案例分享相关技术经验。
垂直搜索引擎，与传统搜索不同，为用户提供的并不是上百甚至上千万的搜索结果，而是范围极为缩小，极为精准的具体信息。因此，特定场景下的用户更加青睐垂直搜索引擎，这是搜索引擎行业细分的必然趋势。如何从海量信息、用户兴趣之间，找到用户的真实需求，如何为用户匹配合适的产品与服务。
此次议题，腾讯资深研究员、在线视频知识图谱负责人马建强将带来以腾讯视频搜索为背景的垂直搜索的主题演讲，包括：视频搜索的主要技术场景、算法架构及进展、短视频向量召回、长视频IP知识图谱的应用、端到端搜索等前沿技术趋势。
伴随着短视频流量异军突起，商家看到了外部媒体流量的商机，而直投存在后链路效果分析成本高等问题。为了更好地服务商家，阿里妈妈外投广告算法团队将机器学习方法落地到阿里巴巴的搜索广告平台的大规模数据应用场景，实现系统的效果和效率提升。团队开源的Euler图深度神经网络框架和双曲空间深度神经网络框架现已被大量的业界伙伴和研究人员使用。此次议题，阿里妈妈广告产品技术部资深技术专家、外投广告技术负责人王亮，将为大家深度解读联邦学习在阿里广告投放中的应用，逐层解析阿里联邦学习框架EFLS的架构路线。
推荐系统逐渐成为帮助人们过滤信息、发掘兴趣的主要方式。序列推荐旨在利用用户历史行为预测下一次交互，但用户长期历史行为存在隐式和嘈杂的偏好信号，会降低用户真实兴趣的建模效果。为解决该挑战，快手联合清华大学提出了一种基于图神经网络的序列推荐框架 SURGE，该模型为处理序列推荐问题提供了一种新的视角，线上也取得巨大收益。此外，快手联合中国人民大学提出了一个模型无关的因果学习框架IV4Rec，从而加强了推荐模型的效果。
本次分享，快手高级推荐算法专家臧晓雪将带来快手在因果推断和图神经网络算法的最新研究，这些研究既在国际顶级学术会议上得以发表，同时相关的算法也已落地到快手实际的推荐场景中，取得了显著的线上业务收益。
点击AISummit全球人工智能技术大会官网或扫描下图二维码，按提示完整填写、提交信息即可完成报名。
以上是AI驱动下的搜索与推荐到底有多强大?的详细内容。更多信息请关注PHP中文网其他相关文章！
