11 月 8-9 日，CSDN 和 AICamp 聯(lián)合舉辦的AI開發(fā)者大會(huì)在京舉行。領(lǐng)英（LinkedIn）人工智能研發(fā)總監(jiān)張梁發(fā)表了《AI 在大規(guī)模招聘求職上的應(yīng)用》的主題演講，并接受了 AI科技大本營的專訪。

張梁在分享中表示，人工智能于領(lǐng)英而言是氧氣般的存在，是所有用戶體驗(yàn)的 DNA，貫穿其社交聯(lián)系、職位推薦、智能問答等多個(gè)應(yīng)用。

目前，領(lǐng)英在全球已有 5 億 9000 萬用戶，其中中國用戶 4400 萬，如何利用大數(shù)據(jù)和人工智能技術(shù)來為數(shù)億的求職者和招聘者提供高效服務(wù)？這篇文章將為你揭秘。

張梁演講

作為在領(lǐng)英工作六年的開發(fā)者和程序員，今天我想和大家分享領(lǐng)英這一全球最大的職場(chǎng)社交平臺(tái)在世界做了什么，在中國做了什么，以及人工智能技術(shù)在領(lǐng)英如何被應(yīng)用，我們是如何通過人工智能來解決諸多問題的。

目前，領(lǐng)英在全球有 5 億 9000 萬用戶、3000 萬家公司、2000 萬個(gè)工作，這是領(lǐng)英的全球經(jīng)濟(jì)圖譜。領(lǐng)英致力于連接全球職場(chǎng)人士，并協(xié)助他們事半功倍，發(fā)揮所長。我們希望連接全世界的同行，為他們提供更多的職業(yè)發(fā)展機(jī)會(huì)。

在中國，我們有 4400 萬用戶，領(lǐng)英中國的商業(yè)和各方面都發(fā)展得非常迅速。

人工智能——領(lǐng)英的“氧氣”

人工智能是領(lǐng)英所有用戶體驗(yàn)的 DNA，它就像是領(lǐng)英的氧氣，是我們一切工作的驅(qū)動(dòng)力，我們將人工智能技術(shù)應(yīng)用到了領(lǐng)英所有的產(chǎn)品中。在恰當(dāng)?shù)臅r(shí)間、恰當(dāng)?shù)牡攸c(diǎn)給恰當(dāng)?shù)挠脩敉扑]恰當(dāng)?shù)膬?nèi)容，這是領(lǐng)英人工智能研發(fā)部門的使命。

我們很多產(chǎn)品都深入地應(yīng)用了人工智能，比如你所認(rèn)識(shí)的人、我們主頁上的內(nèi)容、職位推薦、搜索、為招聘專員和銷售專員專門定制的產(chǎn)品……

目前，每天領(lǐng)英平臺(tái)上被處理的數(shù)據(jù)達(dá)到了 2PB 的規(guī)模，領(lǐng)英的機(jī)器學(xué)習(xí)模型動(dòng)輒擁有上十億甚至上百億個(gè)參數(shù)，每個(gè)星期都會(huì)有上百個(gè) AB 在線測(cè)試在運(yùn)行，由此可見，領(lǐng)英 AI 體量是非常龐大的。那么如何在這樣一個(gè)大規(guī)模的計(jì)算平臺(tái)上、在幾百毫秒延遲的范圍內(nèi)，提升用戶的使用體驗(yàn)?zāi)?？這是一個(gè)很大的挑戰(zhàn)。

領(lǐng)英的職位推薦系統(tǒng)

職位推薦是領(lǐng)英的主打產(chǎn)品。那么在這方面，我們是如何應(yīng)用人工智能來解決具體的技術(shù)問題呢？

用戶在領(lǐng)英上傳個(gè)人簡歷，平臺(tái)會(huì)推薦適合求職者的工作職位，但首先，領(lǐng)英需要了解你的背景，從哪個(gè)學(xué)校畢業(yè)，在哪些公司工作過，擁有哪些技能……根據(jù)以上，我們可以預(yù)測(cè)哪些工作可能比較適合求職者。領(lǐng)英做的第一步是建立知識(shí)圖譜和研發(fā)針對(duì)自然語言的標(biāo)準(zhǔn)化技術(shù)。我們針對(duì)每位用戶的簡歷，使用基于深度學(xué)習(xí)模型的標(biāo)準(zhǔn)化技術(shù)來實(shí)現(xiàn)信息抓取，比如 LSTM, CNN 等等。對(duì)于工作職位，我們也做了同樣的事情。

六七年前，我們的職位推薦一開始做的是做線性模型，比如說求職者是一個(gè)軟件工程師，我們就會(huì)推薦一個(gè)軟件工程師的職位。但后來我們發(fā)現(xiàn)，根據(jù)用戶簡歷和工作職位的描述來做推薦，不一定能夠完全實(shí)現(xiàn)個(gè)性化，我們還希望根據(jù)用戶之前的職位申請(qǐng)，為他推薦更多類似的職位，我們將其稱之為深度的個(gè)性化。我們因而研發(fā)了 Generalized Linear Mixed Model（GLMix），針對(duì)每個(gè)用戶和每個(gè)職位建立一個(gè)單獨(dú)為他們服務(wù)的模型，這樣使得我們模型的參數(shù)量達(dá)到了上百億的規(guī)模。同時(shí)也成功地把職位申請(qǐng)的數(shù)量提高了 30%。領(lǐng)英中國團(tuán)隊(duì)把這個(gè)模型用在中國的數(shù)據(jù)上，又將職位申請(qǐng)的數(shù)量額外提高了 11%。

進(jìn)一步地，我們建立了一個(gè) Deep&Wide 的模型，其中整合了深度學(xué)習(xí)，樹狀結(jié)構(gòu)模型，以及 GLMix，我們發(fā)現(xiàn)這個(gè)模型的效果非常好，也極大地提升了領(lǐng)英的用戶體驗(yàn)。為了實(shí)時(shí)更新上百億的模型參數(shù)以及在毫秒級(jí)別內(nèi)滿足用戶的職位推薦需求，領(lǐng)英搭建了大規(guī)模運(yùn)算平臺(tái)來實(shí)現(xiàn)人工智能模型的技術(shù)。這個(gè)平臺(tái)包括線下和線上兩個(gè)模塊：線下模塊自動(dòng)收集用戶的反饋、基于 Spark 自動(dòng)訓(xùn)練，之后把模型結(jié)果和參數(shù)上傳到線上。線上我們使用自己的實(shí)時(shí)數(shù)據(jù)傳輸和搜索引擎技術(shù)來實(shí)現(xiàn)低延遲的模型運(yùn)算。并且，領(lǐng)英專門研發(fā)了一個(gè)叫做 Pro-ML 的“人工智能自動(dòng)化”系統(tǒng)，為所有工程團(tuán)隊(duì)集中管理特征和機(jī)器學(xué)習(xí)模型。這一系統(tǒng)為機(jī)器學(xué)習(xí)模型的整個(gè)開發(fā)、培訓(xùn)、部署、測(cè)試提供單一化平臺(tái)，已經(jīng)極大加快了領(lǐng)英開發(fā)及上線新產(chǎn)品的速度。

我們?cè)诼毼煌扑]方面也遇到過一些有意思的問題。下圖說的是一個(gè)邊際收益遞減的例子，比如我是一個(gè)招聘專員，剛剛發(fā)布了一個(gè)工作到網(wǎng)上，那么我收到的第一份申請(qǐng)是最有價(jià)值的，因?yàn)槲抑耙粋€(gè)申請(qǐng)都沒有收到。但等到第 100 個(gè)人申請(qǐng)的時(shí)候，這個(gè)邊際價(jià)值就不一定比以前多了，因?yàn)?100 到 101 和從 0 到 1 完全不是一回事。等到有上萬個(gè)工作申請(qǐng)的時(shí)候，可能反饋就是，我們不小心收了 1 萬份簡歷，我們看不過來，可能最后也就能看前 100 個(gè)。

這時(shí)就體現(xiàn)了一個(gè)問題，我們不應(yīng)只從求職者的角度去考慮問題，也要考慮招聘者的思維。因?yàn)檎衅傅某晒β鼠w現(xiàn)了平臺(tái)的價(jià)值，如果現(xiàn)在這個(gè)平臺(tái)上面有幾千萬個(gè)工作，可能 1% 的工作是 Google，F(xiàn)acebook，百度，小米，京東這些最知名的公司，他們收的簡歷數(shù)量非常大，但也有一些公司收集的簡歷可能沒有那么多，或者完全沒有，那么這個(gè)平臺(tái)價(jià)值對(duì)他們就沒有體現(xiàn)出來。為什么沒有體現(xiàn)出來呢？因?yàn)槲覀冞@個(gè)平臺(tái)的目的是為了服務(wù)全世界所有的公司，是希望所有的人能夠找到他們合適的工作。并且，對(duì)于這些大公司來說，每個(gè)職位發(fā)出去，收到的上萬個(gè)簡歷中可能只能有時(shí)間看前 100 個(gè)，這也是浪費(fèi)社會(huì)資源的一種表現(xiàn)。

所以在領(lǐng)英的平臺(tái)上做職位推薦，我們有幾點(diǎn)要注意：第一，我們要保證每個(gè)人都能找到適合的工作，第二，我們要保證每一份工作不會(huì)收到太多、或太少的申請(qǐng)，我們要從整個(gè)產(chǎn)品的體驗(yàn)以及整個(gè)平臺(tái)的效率去考慮這個(gè)問題。

在經(jīng)濟(jì)學(xué)上，這是一個(gè)市場(chǎng)效率優(yōu)化的問題。這個(gè)市場(chǎng)有三方角色，第一方是找工作的，申請(qǐng)?jiān)蕉鄼C(jī)會(huì)相對(duì)來說就會(huì)越大；第二方是招聘專員，他們希望每一個(gè)工作職位發(fā)出去，有足夠多的人申請(qǐng)，但也不能太泛濫，最好是人選恰好就是想找的那一位；第三方就是領(lǐng)英這個(gè)平臺(tái)，這個(gè)平臺(tái)想要通過這個(gè)職位推薦的市場(chǎng)得到收入。那么如何把這三方的利益綜合起來考慮，達(dá)到市場(chǎng)效率的最優(yōu)化，建立市場(chǎng)長期發(fā)展的生態(tài)，這本身就是一個(gè)很難的問題，這也是我們這一兩年內(nèi)一直在做的事情。

我們?cè)?2016 年的 KDD 有一篇論文，談的就是如何平衡這三方需求。我們可以做到在不影響用戶體驗(yàn)的前提下，讓工作職位的申請(qǐng)數(shù)量更加均勻。如果用熵（entropy）來度量每個(gè)職位申請(qǐng)數(shù)量的均勻度的話，這個(gè)方法使得熵增加了 12%。

領(lǐng)英在智能問答領(lǐng)域的探索

智能問答在領(lǐng)英有很多可能的應(yīng)用。比如剛才招聘這個(gè)案例，就可以做一個(gè)智能問答系統(tǒng)：求職者來讓我推薦工作，招聘方想了解適合某一職位在某一地區(qū)符合資格的人數(shù)，這些都是很有價(jià)值的問題，我們希望將來能夠有這樣一個(gè)智能問答系統(tǒng)，可以服務(wù)于領(lǐng)英平臺(tái)上的所有用戶。

原則上，智能問答系統(tǒng)的開發(fā)通常分為四步：第一，首先要做自然語言的處理；第二，對(duì)于對(duì)話實(shí)時(shí)信息的跟蹤；第三，根據(jù)現(xiàn)在已知的信息和對(duì)具體問題的理解，能夠知道下一步要做什么；第四，根據(jù)下一步要做的，將它轉(zhuǎn)換成自然語言，給出一個(gè)回答。

在領(lǐng)英公司的內(nèi)部，每天會(huì)很多人來問數(shù)據(jù)科學(xué)家關(guān)于領(lǐng)英數(shù)據(jù)的問題，為了讓這一過程更加自動(dòng)化，同時(shí)減輕數(shù)據(jù)科學(xué)家們的負(fù)擔(dān)，我們希望通過制造一個(gè)機(jī)器人來自動(dòng)回答這樣的問題。我們給這個(gè)機(jī)器人取名叫做安娜（Analytics Bot）。

Ana 現(xiàn)在的主要功能有兩個(gè)，第一是回答關(guān)于某個(gè)具體數(shù)據(jù)指標(biāo)的定義。比如，領(lǐng)英內(nèi)部有一個(gè)數(shù)據(jù)指標(biāo)叫 contributor，即每天主頁上有多少人分享，多少人評(píng)論等等，如果用戶問 contributor 是什么，Ana 就能夠給出回答。第二個(gè)功能是某個(gè)數(shù)據(jù)指標(biāo)在某幾個(gè)維度上的數(shù)值。比如領(lǐng)英主頁過去 7 天有多少中國用戶訪問，Ana 就會(huì)把這個(gè)問題自動(dòng)轉(zhuǎn)化為 SQL 的語句來查詢我們內(nèi)部的數(shù)據(jù)庫，然后給出答案。

領(lǐng)英中國

領(lǐng)英中國目前有 4400 萬用戶，在領(lǐng)英全球近 6 億用戶中占了很大比重。領(lǐng)英中國很重要的一個(gè)使命就是，希望能夠通過我們這個(gè)全球最大的職場(chǎng)社交網(wǎng)絡(luò)，將職場(chǎng)人士，例如中國的 AI 開發(fā)者和全球的 AI 開發(fā)者聯(lián)系起來，我們一直致力于實(shí)現(xiàn)這個(gè)宏偉的使命和愿景。

另外，在中國北京和美國硅谷的 Sunnyvale，領(lǐng)英有一個(gè) 60 人的國際研發(fā)團(tuán)隊(duì)，這個(gè)團(tuán)隊(duì)有 20 余名成員常駐硅谷，實(shí)時(shí)分享總部最新產(chǎn)品計(jì)劃和資源，有超過 40 名成員常駐北京，專攻適合本地會(huì)員的產(chǎn)品與服務(wù)。這兩地團(tuán)隊(duì)的工作無縫銜接，交換互通，保證在緊跟全球最新技術(shù)趨勢(shì)的同時(shí)，高效實(shí)現(xiàn)產(chǎn)品本地化。

值得強(qiáng)調(diào)的是，在領(lǐng)英，我們有四分之一的工程師是女性，我們非常重視多元、包容、歸屬感，這個(gè)本身也是領(lǐng)英的一大特色和優(yōu)勢(shì)。我們鼓勵(lì)員工平衡工作和生活，將優(yōu)秀的工程師文化和前沿的全球視角帶入國內(nèi)；我們支持員工學(xué)習(xí)和深造，通過主辦Learning InDay 等企業(yè)文化活動(dòng)，鼓勵(lì)員工提升更廣泛的技能、開拓更廣闊的自我發(fā)展空間。

張梁專訪

AI科技大本營：您目前在領(lǐng)英主要負(fù)責(zé)什么業(yè)務(wù)？可以簡單介紹一下您目前的工作內(nèi)容嗎？

張梁：目前，我擔(dān)任領(lǐng)英主頁搜索業(yè)務(wù)負(fù)責(zé)人和領(lǐng)英人工智能研發(fā)總監(jiān)。在過去的 6 年中，我負(fù)責(zé)研發(fā)了公司諸多重要的人工智能項(xiàng)目，主要聚焦于將尖端人工智能技術(shù)大規(guī)模地應(yīng)用在面向用戶的互聯(lián)網(wǎng)產(chǎn)品中，努力提升領(lǐng)英全球超過 5.9 億會(huì)員的使用體驗(yàn)。

此外，我的工作還涵蓋了領(lǐng)英眾多關(guān)鍵產(chǎn)品的用戶體驗(yàn)優(yōu)化，包括廣告、搜索、主頁、工作推薦、電郵及短信推送。

AI科技大本營：領(lǐng)英的人工智能技術(shù)體系是怎樣搭建的？如何保證高效、敏捷的研發(fā)？

張梁：領(lǐng)英正在建立一個(gè)“人工智能自動(dòng)化”體系，通過該體系可以管理公司每一個(gè)組的功能和模型。具體來說，每個(gè)人工智能系統(tǒng)都只可利用特定類型的數(shù)據(jù)，這種限制是由模型中內(nèi)置的 "功能" 所決定的。這些功能描述了我們認(rèn)為可能有助于提出更好建議的各種信息。例如，你的職位頭銜可以作為一個(gè)特征，利用它來匹配未來的新工作機(jī)會(huì)。我們的專家和A/B測(cè)試框架教給人工智能系統(tǒng)如何使用這些特征，根據(jù)已有數(shù)據(jù)來推送更適合的推薦信息，例如使用“實(shí)習(xí)生”職位的用戶更關(guān)注初級(jí)開發(fā)工程師信息，而非高級(jí)開發(fā)工程師。這項(xiàng)工作非常耗時(shí)。

在領(lǐng)英，我們?yōu)槎囗?xiàng)產(chǎn)品開發(fā)了數(shù)百個(gè)模型及數(shù)十萬個(gè)特征。我們由此建立了名為 Pro-ML 的“人工智能自動(dòng)化”平臺(tái)，通過單獨(dú)一個(gè)系統(tǒng)為所有工程團(tuán)隊(duì)集中管理特征和機(jī)器學(xué)習(xí)模型。這一系統(tǒng)為機(jī)器學(xué)習(xí)模型的整個(gè)開發(fā)、培訓(xùn)、部署、測(cè)試提供單一化平臺(tái)，加快領(lǐng)英開發(fā)及上線新產(chǎn)品的速度。

AI科技大本營：人才解決方案、營銷解決方案、高級(jí)用戶訂閱……目前領(lǐng)英的核心產(chǎn)品中，人工智能在其中分別有哪些應(yīng)用？

張梁：在領(lǐng)英，人工智能就像是氧氣，存在于我們構(gòu)建的每一款產(chǎn)品、我們平臺(tái)的每一種體驗(yàn)中。

我們并非隨機(jī)選擇在某項(xiàng)功能中使用人工智能，而是從整個(gè)平臺(tái)的角度來考量如何布局。這樣不僅會(huì)保證規(guī)范化，更能提供整體連貫的人工智能體驗(yàn)。

在領(lǐng)英，人工智能隨處可見，人工智能正在逐步滲透到用戶體驗(yàn)的方方面面。人工智能幫助個(gè)人用戶建立社交聯(lián)系、求職、學(xué)習(xí)，幫助企業(yè)用戶提升廣告效果、精準(zhǔn)招人。

一些公司將人工智能視作對(duì)特定經(jīng)驗(yàn)的優(yōu)化，而領(lǐng)英則在產(chǎn)品設(shè)計(jì)之初便引入了人工智能和機(jī)器學(xué)習(xí)專家，領(lǐng)英計(jì)劃未來將人工智能應(yīng)用到更多體系中。

人工智能在領(lǐng)英上的具體應(yīng)用非常廣泛，比如：

社交聯(lián)系：領(lǐng)英推薦用戶與相關(guān)適合的人建立聯(lián)系，這個(gè)是基于“您可能認(rèn)識(shí)的人”（People You May Know）這一功能，純機(jī)器主導(dǎo)的建議幫助用戶對(duì)接適合的聯(lián)系人。

內(nèi)容推送：利用人工智能給用戶推送與其相關(guān)、對(duì)其有用的內(nèi)容；人工智能使領(lǐng)英上文章推送的數(shù)量增加了10%-20%；借助機(jī)器學(xué)習(xí)，運(yùn)用大規(guī)模線性程序減少用戶收到無用郵件和通知的數(shù)量。

廣告投放：利用人工智能將廣告投放給最相關(guān)的用戶，通過分析會(huì)員的喜好、點(diǎn)擊和訪問活動(dòng)等屬性找到適合的人群，提高銷售的投資回報(bào)率；通過人工智能為銷售人員擴(kuò)大目標(biāo)受眾數(shù)量，找到更多擁有類似背景的目標(biāo)對(duì)象。

招聘：招聘人員在為某一特定職位尋找候選人時(shí)，收到的站內(nèi)推薦都是基于人工智能和機(jī)器學(xué)習(xí)產(chǎn)生；通過人工智能改善產(chǎn)品功能，使得HR在招聘時(shí)收到的站內(nèi)信回復(fù)比率提高了45%。

求職：利用人工智能提升“可能感興趣的工作”（Jobs You May Be Interested In）這一功能的個(gè)性化程度，使得領(lǐng)英上用戶工作申請(qǐng)的數(shù)量提升了 30%；用戶在申請(qǐng)工作的過程中缺少某種對(duì)應(yīng)技能，領(lǐng)英會(huì)向用戶推薦最合適的學(xué)習(xí)課程，這里涉及的搜索和推薦功能很大程度上依賴人工智能；利用層次貝葉斯模型推斷薪酬。

AI科技大本營：在人工智能領(lǐng)域，領(lǐng)英與哪些企業(yè)開展過合作？

張梁：我們和世界上很多著名的科技公司都開展過合作。例如，我們將著名的數(shù)據(jù)推送系統(tǒng) Kafka 作為管理領(lǐng)英所有信息的“中央神經(jīng)系統(tǒng)”。在深度學(xué)習(xí)流程中廣泛地使用了谷歌打造的 TensorFlow。我們?cè)跀?shù)據(jù)處理中廣泛使用 Spark 和 Scala，在數(shù)據(jù)分析中使用 Pig 和 Hive。我們還與微軟開展合作，從而利用 Azure 云平臺(tái)上的人工智能服務(wù)。領(lǐng)英會(huì)采用微軟文本分析 API 對(duì)推送內(nèi)容進(jìn)行動(dòng)態(tài)翻譯。

AI科技大本營：領(lǐng)英的人工智能應(yīng)用收獲了哪些成效？

張梁：領(lǐng)英的人工智能系統(tǒng)為那些正在找工作的會(huì)員提供了極大的幫助。自領(lǐng)英上線了一個(gè)新的為會(huì)員推送“可能感興趣的職位”的個(gè)性化人工智能模型之后，工作職位申請(qǐng)數(shù)量隨之增長了 30%。

領(lǐng)英同時(shí)為會(huì)員和招聘專員提供了很多人工智能技術(shù)驅(qū)動(dòng)下的用戶體驗(yàn)優(yōu)化和產(chǎn)品更新，從而使工作職位申請(qǐng)量實(shí)現(xiàn)了 40% 的年度增長。

通過利用人工智能改進(jìn)的領(lǐng)英招聘解決方案已經(jīng)使招聘站內(nèi)信的回復(fù)率提高了 45%，同時(shí)還減少了我們向會(huì)員短信推送的數(shù)量。

人工智能成功地優(yōu)化了領(lǐng)英主頁上會(huì)員的文章閱讀體驗(yàn)，文章的點(diǎn)擊率提高了 10% - 20%。

AI科技大本營：領(lǐng)英是如何管理海量數(shù)據(jù)，并從中挖掘價(jià)值的？

張梁：在領(lǐng)英，我們擁有高度結(jié)構(gòu)化的數(shù)據(jù)集，這是我們的優(yōu)勢(shì)所在。

我們將數(shù)據(jù)應(yīng)用于：為用戶推薦新技能、新培訓(xùn)課程和新職位；協(xié)助招聘人員找到合適的人選；讓求職者找到合適的工作；推薦精準(zhǔn)的廣告；向用戶推送他們感興趣的消息和內(nèi)容。

具體來看，我們應(yīng)用超過 10 億個(gè)數(shù)據(jù)點(diǎn)（職位、技能、公司、會(huì)員等等）來構(gòu)建領(lǐng)英知識(shí)圖譜。這些圖譜中形成超過 500 億個(gè)關(guān)系紐帶，我們以此來開發(fā)相應(yīng)的推薦系統(tǒng)。這些標(biāo)準(zhǔn)化數(shù)據(jù)在領(lǐng)英模型和產(chǎn)品中得到應(yīng)用，為客戶和會(huì)員定制他們每一步的使用體驗(yàn)。（從“您可能感興趣的招聘”、“招聘者”到為會(huì)員推薦信息流內(nèi)容）。

此外，數(shù)據(jù)將助力公司愿景的實(shí)現(xiàn)：我們使用這些數(shù)據(jù)來構(gòu)造我們的“經(jīng)濟(jì)圖譜”——即人、技能和職位之間的聯(lián)系。

我們與處理類似問題的其他公司的區(qū)別在于，我們采用“會(huì)員為先”的人工智能算法；一般公司將人工智能視為對(duì)現(xiàn)有體驗(yàn)的優(yōu)化。但我們?cè)谧畛醯漠a(chǎn)品設(shè)計(jì)過程中就讓人工智能和機(jī)器學(xué)習(xí)專家參與進(jìn)來。

沒有很多公司從會(huì)員所觀所感的方方面面去考慮問題，而在領(lǐng)英，我們希望通過人工智能，為會(huì)員在領(lǐng)英上的所有互動(dòng)提供個(gè)性化體驗(yàn)，而不是僅考慮某一刻TA的互動(dòng)操作。這在復(fù)雜系統(tǒng)設(shè)計(jì)中經(jīng)常會(huì)被忽略，最終很可能僅僅優(yōu)化了本地操作，而不是全球性的優(yōu)化。

AI科技大本營：大數(shù)據(jù)、機(jī)器學(xué)習(xí)在領(lǐng)英都有哪些應(yīng)用？如何做到真正的數(shù)據(jù)驅(qū)動(dòng)？

張梁：我們已經(jīng)進(jìn)入了大數(shù)據(jù)時(shí)代，利用人工智能對(duì)數(shù)據(jù)加以分析得到對(duì)環(huán)境和業(yè)務(wù)全面的洞察，引發(fā)新一輪產(chǎn)業(yè)革命。領(lǐng)英始終致力于利用人工智能、機(jī)器學(xué)習(xí)等新科技，對(duì)數(shù)據(jù)加以研究和測(cè)算，為個(gè)人會(huì)員、企業(yè)客戶和社會(huì)提供洞察，最終實(shí)現(xiàn)領(lǐng)英的愿景：為全球 30 億勞動(dòng)力的每一位創(chuàng)造經(jīng)濟(jì)機(jī)會(huì)。

人工智能有各種分支，機(jī)器學(xué)習(xí)是其中之一，還包括搜索、本體管理和創(chuàng)建、常識(shí)和推論、模式識(shí)別、統(tǒng)計(jì)推斷等。我們使用機(jī)器學(xué)習(xí)作為解決一系列問題的工具。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)流行分支，它使用人工神經(jīng)網(wǎng)絡(luò)來解決問題。領(lǐng)英采用多種方式應(yīng)用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。

舉例來說，我們將這兩種工具配合線性文本分類器一起使用，在信息流創(chuàng)建之初便檢測(cè)其中的垃圾郵件或惡意內(nèi)容；我們還使用神經(jīng)網(wǎng)絡(luò)來幫助理解領(lǐng)英上被分享的各種內(nèi)容（從新聞報(bào)道、職位到在線課程），以便為會(huì)員和客戶提供更精準(zhǔn)的推薦和搜索產(chǎn)品；最近，我們使用了“序列到序列學(xué)習(xí)”這一復(fù)雜的深度學(xué)習(xí)方法，進(jìn)一步優(yōu)化會(huì)員體驗(yàn)，例如顯示相關(guān)搜索項(xiàng)，以及對(duì)領(lǐng)英上留言的智能回復(fù)等。

AI科技大本營：很多人認(rèn)為人工智能是不需要人力投入的自動(dòng)化流程，真的是這樣嗎？

張梁：實(shí)際上并非如此。我們?nèi)斯ぶ悄芟到y(tǒng)中所使用的非常多的數(shù)據(jù)，以及人工智能系統(tǒng)的部署方式都依賴于人力的投入。以領(lǐng)英檔案數(shù)據(jù)為例，幾乎所有會(huì)員數(shù)據(jù)都是由會(huì)員自己自行輸入的。因此，同一個(gè)職位在一家公司可能稱為“資深軟件工程師”，而在另一家公司則稱為“研發(fā)負(fù)責(zé)人”。匯總上百萬份會(huì)員檔案后，你會(huì)發(fā)現(xiàn)，在職位名稱錯(cuò)綜復(fù)雜的情況下為招聘者提供良好的搜索體驗(yàn)是一件極具挑戰(zhàn)的事情。將數(shù)據(jù)標(biāo)準(zhǔn)化成人工智能系統(tǒng)可以理解的形式是打造良好搜索體驗(yàn)非常重要的第一步，而這一過程需要人工和機(jī)器的共同努力。

我們的分類學(xué)家創(chuàng)建了職位分類體系，然后采用機(jī)器學(xué)習(xí)模型（LSTM 模型、其他神經(jīng)網(wǎng)絡(luò)等等）進(jìn)一步將大量職位進(jìn)行關(guān)聯(lián)。了解這些關(guān)聯(lián)后，我們就可以進(jìn)一步推斷出每名會(huì)員在檔案內(nèi)容之外具備的深層次技能；例如，具有“機(jī)器學(xué)習(xí)”技能的會(huì)員同時(shí)也了解“人工智能”。這就是構(gòu)建領(lǐng)英知識(shí)圖譜分類和關(guān)聯(lián)體系的一個(gè)實(shí)例。從這里可以看出，我們的人工智能方法既不是徹底的機(jī)器驅(qū)動(dòng)，也不是徹底的人工驅(qū)動(dòng)，而是二者的結(jié)合。我們認(rèn)為，機(jī)器和人工密切協(xié)作才是最好的解決方案。

AI科技大本營：您認(rèn)為領(lǐng)英人工智能的未來發(fā)展方向在哪里？

張梁：為全球 30 億勞動(dòng)力中的每一位都創(chuàng)造經(jīng)濟(jì)機(jī)會(huì)”這是領(lǐng)英的愿景，也暗含了領(lǐng)英人工智能的未來發(fā)展方向。領(lǐng)英利用數(shù)據(jù)來實(shí)現(xiàn)這一愿景，我們正在利用人工智能分析各種數(shù)據(jù)趨勢(shì)、與各大研究機(jī)構(gòu)合作獲取匿名數(shù)據(jù)進(jìn)行分析，希望能夠了解數(shù)據(jù)規(guī)律，不斷提升信息的利用效率，從而擴(kuò)大全球就業(yè)機(jī)會(huì)。

我相信，未來人工智能這一重要工具將極大地提高人類在面臨重大問題時(shí)的能力，并且長遠(yuǎn)來看，它將協(xié)助實(shí)現(xiàn)人類經(jīng)濟(jì)成果的轉(zhuǎn)型。人工智能將極大促進(jìn)人類使用資源的能力，從而提高世界的整體效率。