周末想在Netflix看场电影？可能，atv，你选择观看的电影正受到来自Netflix复杂的AI算法的影响。同理，由深度学习驱动的预测技术，将越来越便捷地决定你喜欢吃什么、穿什么。

　　而作为消费型科技公司，Netflix、Yelp、Yahoo、StitchFix这4家公司正在利用AI技术改变用户体验。

　　Netflix：动态个性化布局与视频缩略图

　　从观看传统上来讲，看电视是一个单向的通信方式——观众观看到的内容是制作者单向传递的，但观众不向内容制作者提供反馈。借助数字流媒体技术，观众的观看记录、鼠标（手指）点击，以及检索词，都可以让Netflix了解观众的偏好设置，并提供更多相关的内容。

　　2009年，Netflix在公开赛中为外部的编程团队授予了100万美元的Netflix奖，以改进公司的内部评级预测系统。该获胜队伍打败了原有的算法，效果提高超过10％。

　　Tony Jebara

　　从那时起，Netflix引入了更多先进的机器学习算法，让Netflix在排名、布局、目录、会员等各个方面，实现全新的预测，并提高个性化水平。今年年初，Netflix公司董事、哥伦比亚计算机科学系教授Tony Jebara在旧金山的RE?WORK深度学习峰会（RE?WORK Deep Learning Summit in San Francisco）上曾解释说，Netflix不仅可以给用户推荐更好的电影，而且为每个用户预测出更好的缩略图图像。

　　图片来源：Netflix

　　一般来说，优化网站上的图像需要在一段时间内测试A / B两种替代方案。这种方法的问题是，用户必须痛苦地等待系统收集数据，之后才能完成最佳决策。在此期间，网站的部分受众群体会经历测试过程的非最优变量。这种体验的丧失被称为“regret”。

　　图片作者：Tony Jebara

　　为了最大限度地减少regret，Netflix采用动态自适应测试法，比如多臂老虎机（multi-arm bandit）模型。这种模型能够在测试期间，动态地将流量转移为展示最好的广告素材，并在数学上减少regret。

　　什么算是“更好”呢？每个人不尽相同，所以Netflix也将用户的消费情况纳入，以执行个性化的探索/开发优化。如果你经常看喜剧，Netflix将使用罗宾?威廉姆斯的电影《心灵捕手》的封面。如果用户喜欢浪漫的言情片，Netflix则会把电影中马特?达蒙和明妮?德瑞弗接吻的照片推送给用户。

　　Yelp使所有地点展示最美丽的照片

　　一张图片胜过千言万语。为了帮助用户做出正确的餐厅选择，Yelp的Alex Miller和他的团队采用深度学习算法，用来展示最美的用户照片。

　　虽然指标（比如喜欢次数和点击次数）可用于评估照片，但它们也可能因偶然事件出错。更好的解决方案是，基于固有的内容和特征（例如景深，对比度和对准）来判断照片，但是每天有2500万MAU（每月活跃用户）给Yelp上传成千上万张照片，没有人能干得了这些工作。

　　2017年1月27日，在旧金山举行的Startup ML会议上，Miller介绍了他的工程团队如何使用CNN（卷积神经网络）建立一个图像评分模型。对于照片是不是好的标准可以是，这张照片是不是用单反拍的，这只需要检测EXIF元数据就行了。

　　Miller的团队利用它创建出可扩展的训练数据集，直播，使用单反图像作为正例，而非单反图像作为负例。深度学习算法从训练数据集中学习了好的照片的质量，并且可以将这些学习应用于所有照片，无论是否是使用单反相机拍摄的。

　　除了照片质量得分，团队还添加了过滤器和多元化逻辑，这样，当你查看以某一菜或特色闻名的餐馆时，前10张照片不会都是同一主题。

　　事实胜于雄辩，我们来看看图片查看结果：

　　上图是旧版本，下图是最新版本

　　雅虎确保用户在任何情况

　　可以选择最好的表情符号

　　对于不爱打字的人来说，emoji是最简单的方法。但是，emoji目前有超过1800种表情符号可供选择，那么，用户怎么能确定选择最完美的那个呢？