强化站内搜寻与推荐服务痞客邦运用云端技术加速AI演算法上线

当使用AI打造更多元的服务，成为现在企业的常态，企业不再只是关注AI可以应用的面向，更是进入到如何做可以更好的阶段。台湾知名的社群网路平台「痞客邦」（PIXNET）就是一例，近年他们不仅是开发各式AI服务与演算法，例如，个人化文章推荐的演算法、兴趣族群演算法等，为使用者推荐感兴趣的主题，也让拥有相同兴趣的人，能有更好的交流与互动方式，甚至他们为了让AI服务上线可以更即时，增加社群网站竞争力，因此希望缩短演算法部署上线的过程。

鉴于AI的需求，痞客邦已经成立研究团队，负责相关演算法的开发工作。在今年5月中举行的台湾云端大会上，PIXNET研发中心资深高级工程师赖义伟，更是进一步揭露了他们的团队的组成，目前他们共有5位演算法工程师、2位资料分析师，以及1位数据工程师。而他们的任务，就是开发各式AI服务和演算法。

目前，在痞客邦社群网站上，已经有不少他们团队的成果上线，赖义伟举例说明，像是他们开发了垃圾（Spam）文章侦测演算法，原因在于，痞客邦目前站上有超过8亿篇文章，每天新增就有40几万篇，若是要人力一个个审核显然不太可能，因此利用演算法去侦测这些文章相当重要，快速判断那些是垃圾文章，或者是优质文章。

最近，他们开发了个人化文章推荐演算法，当用户进入痞客邦首页时，将可以看到一个兴趣墙的文章建议，这是根据用户追随与兴趣主题所推荐出来。另外，他们也开发图片辨识的演算法，目的是为了想要知道，那些图片呈现在预览页面的效果较好，并且研究图片风格转换的演算法，希望能进一步丰富部落格所呈现的内容。

此外，还有像是关键字的主题分析服务、文章标记（Tag）搜寻服务、Chatbot数据指令服务，以及性别年龄预测演算法与兴趣族群演算法等。

为加速服务部署上线，借助SRE介入程度低的App Engine

值得注意的是，在这次台湾云端大会上，赖义伟特别分享了使用云端技术，来加速AI服务上线过程的经验。

在AI服务上线流程方面，过去他们的流程较为繁琐。当研究人员开发了一套最新的演算法，需要机器提供上线服务，这时在流程上会需要向SRE（Site Reliability Engineer）工程师申请，但往往过程会花上不少沟通时间。例如，询问需要的机器规格？预期负载流量、花费成本是多少，还有服务部署、监控与安全性设定的问题等。

赖义伟说明，由于SRE的工作常常处于到处救火的状态，再加上开发人员也要对他们的网路架构系统有一定了解，而团队也有一些非本科系出身的成员，在这些因素之下，沟通更花时间，因此，若是新的演算法服务上线，开发人员往往都要七天或是更久，才能拿到要的资源。

而在使用的云端服务方面，由于Pixnet使用的是Google Cloud Platform（GCP）平台，因此他们是以此平台来说明，在他们的AI服务应用与人力配置情况下，选择GCP平台服务的经验。

基本上，GCP平台主要服务包括Compute Engine、App Engine与Kubernetes Engine这三大类型。大约在两年前，他们开始採用最新的Kubernetes，只是，他们遇到几个挑战，例如，因为一些分析服务只有在工作时间使用，造成资源利用率不佳，而且他们对Kubernetes的特性还不是那么熟悉，更关键的是，在演算法开发工程师开发完要部署时，流程不够简洁。

因此，他们再次思考加速开发方法，进而发现App Engine的一些特性，其实很适合让开发者将AI演算法直接上线。其中最重要的就是，这是全代管的环境，并可以减少SRE人员的介入，最终让他们新开发的AI演算法，能在一天内就能完成上线。

赖义伟并表示，现在他们已经藉此方式优化搜寻服务，期望能提升站内搜寻点击率，创造更多自主流量。

儘管各业者使用的云端平台，以及开发政策与人员编制都不尽相同，但以Pixnet的经验而言，在开发AI服务与演算法这一方面，不仅是加速服务部署上线，赖义伟更是指出，开发快速且部署方便，这意谓着可以容易产生大量测试版本，因此他们能够每日观察AI演算法各版本的表现，以挖掘问题。如此一来，也等于是让AI服务要做到更精準的过程可以更简便。