今日頭條的問答社區(qū)準備怎么玩

　　引導(dǎo)語：今日頭條的問答社區(qū)準備怎么玩?用今日頭條算法構(gòu)架師曹歡歡的說法，頭條問答關(guān)注的是「更廣泛的問題」，「我們希望這上面有很專業(yè)的問題，但是我們覆蓋的是幾億用戶，所以也會覆蓋到一些并不專業(yè)、但是用戶有需求的問題，總的來說我們在覆蓋面上有一定的優(yōu)勢�！�

　　2023 年，已經(jīng)醞釀良久的知識分享終于呈現(xiàn)出了爆發(fā)式發(fā)展。除了在這個領(lǐng)域深耕多年的知乎和果殼分別以不同形式實現(xiàn)了產(chǎn)品形態(tài)和商業(yè)模式上的突破之外，包括百度、微博、喜馬拉雅等更多的力量開始突圍。就在今年，這其中也出現(xiàn)了今日頭條的身影。

　　今年 4 月，今日頭條的頭條問答欄目正式上線。這個聚集了 6 億用戶的內(nèi)容分發(fā)平臺似乎在各個角度上，都與人們定義的「消費升級」前提下的知識付費浪潮調(diào)性不符合，但是在 11 月的世界互聯(lián)網(wǎng)大會上，今日頭條 CEO 張一鳴曾經(jīng)這樣介紹過頭條問答的機制：「傳統(tǒng)意義上的問答基本上都是基于社交模式，存在很多問題，在我看來這恰恰是人工智能和算法可以解決的�！�

　　也就是說，在依托于今日頭條的頭條問答上，算法可以幫助用戶在 6 億用戶和 30 多萬個「作者」中找到最適合回答某個問題的「專家」，也可以把最「合適」的問答內(nèi)容推送到最需要閱讀他們的人。更關(guān)鍵的是，今日頭條還希望未來算法可以根據(jù)熱門事件自動生成問題：在頭條問答上，你大概不會看到類似于「謝邀」的寒暄，因為回答這些問題的「邀請」大多數(shù)是由機器發(fā)出的，甚至問題和答案都是由機器提供的。

　　看上去這又是今日頭條基于「效率先于價值」推出的一款產(chǎn)品。能夠支撐起這套系統(tǒng)運行的則是用戶留存在今日頭條上的海量數(shù)據(jù)分析，以及這家公司一直視為生命根基的人工智能算法。

　　用算法驅(qū)動的問答社區(qū)到底什么樣?

　　用今日頭條算法構(gòu)架師曹歡歡的說法，頭條問答關(guān)注的是「更廣泛的問題」，「我們希望這上面有很專業(yè)的問題，但是我們覆蓋的是幾億用戶，所以也會覆蓋到一些并不專業(yè)、但是用戶有需求的問題，總的來說我們在覆蓋面上有一定的優(yōu)勢。」

　　打開今日頭條的問答頻道，你會發(fā)現(xiàn)這里人們關(guān)心的問題和知乎不太一樣，調(diào)性也更加「接地氣」。你可能看到的是類似于「俄羅斯大使在土耳其安卡拉被殺會造成哪些影響」這樣的專業(yè)性問題，也有可能看到「李小璐為什么會嫁給賈乃亮」之類的八卦分析，發(fā)生這一切可能性的前提，都要看你平常是如何「調(diào)教」今日頭條 app。

　　不過就現(xiàn)階段來說，這個用機器驅(qū)動的問答系統(tǒng)并不成熟，它還不能很好的完成「個性化分發(fā)」的任務(wù)。相比于今日頭條上的內(nèi)容分發(fā)，頭條問答的內(nèi)容分發(fā)是比單純的新聞內(nèi)容個性化推薦更加復(fù)雜的領(lǐng)域，因為它涉及到的不是「內(nèi)容和讀者」兩方之間的關(guān)系，而是擴展到了「問題、答案、讀者、專家」等更多維度的關(guān)系。

　　具體到問答領(lǐng)域的難點，曹歡歡認為可以總結(jié)為以下六個方面，分別是：

　　問題分發(fā)：如何為用戶的提問快速找到最適合回答的專家，并且提供高質(zhì)的回答。

　　答案質(zhì)量：是否很好的回答問題，其中包括能否有效處理答非所問、答案配圖無關(guān)等問題。

　　答案排序：在同一問題下，機器能否給出比較好的答案排序，該排序?qū)�瀏覽用戶和創(chuàng)作者是否都比較友好。

　　問題配圖：用戶提問的時候，系統(tǒng)能否給出合適并且優(yōu)質(zhì)的配圖候選。

　　問題自動生成：碰到一些熱門的新聞或者用戶津津樂道的話題時，系統(tǒng)能否快速的自動生成問題并且配以生動的描述。

　　問題去重：對于重復(fù)的問題，機器能否聚合，怎樣做到高準確的召回。

　　知識表示、推理和內(nèi)容分發(fā)領(lǐng)域涉及到深度學(xué)習(xí)、概率圖模型、矩陣分解和稀疏方法、決策樹等理論和技術(shù)。而關(guān)于現(xiàn)階段如何更好的解決這些技術(shù)難題，今日頭條的方法是把頭條問答上的數(shù)據(jù)開放，以實際問題作為題目舉辦一場算法比賽。

　　事實上，用算法大賽驅(qū)動算法和實際問題解決方案的進步一直是科技界的傳統(tǒng)。其中最著名的應(yīng)該就是 2006 年 Netflix 在舉辦的百萬美金 Netflix Prize，就曾經(jīng)為該公司帶來過包括算法、人才和品牌價值上的豐厚回報。其中在業(yè)界，這次大賽帶來的最直接影響就是關(guān)于「推薦」算法上的突破性進步。

　　于是在這次人工智能學(xué)會聯(lián)合IEEE中國和今日頭條聯(lián)合舉辦的這場「2023 Byte Cup 國際機器學(xué)習(xí)競賽」，上述的第一個問題「為用戶的提問快速找到最合適的人，并且提供高質(zhì)量的問答」就被直接列為了比賽題目。而具體任務(wù)則是建立模型，預(yù)測某個專家可以回答某個問題的概率。經(jīng)過幾個月的比賽后，11 月 17 日，今日頭條最終公布了比賽結(jié)果，一支由中科院和喬治亞理工兩校博士組成的隊伍最終獲得了第一名，他們同樣也會獲得5000美金的現(xiàn)金酬勞。

　　當然，由學(xué)界和今日頭條共同主辦的這次比賽顯然還不能與 Netflix Prize 相提并論，「其實過去所有機器學(xué)習(xí)的比賽都是圍繞著 Netflix Prize 來做的，現(xiàn)在大家通用的推薦算法也是在 Netflix Prize 獲獎方案的基礎(chǔ)上去做，所以今日頭條的這次算法大賽希望做的是一個『差不多』的比賽，但同時不要太難。」今日頭條實驗室總監(jiān)李磊表示。

　　而目前就比賽的結(jié)果來說，最終獲勝的前三名的確也為頭條問答的算法創(chuàng)新帶來了一定啟發(fā)�！副荣愔刑岢隽艘恍┓浅Ｐ路f的想法，比如冠軍隊伍的雙向非對標 SVD + +，亞軍隊伍提出利用問題-作者數(shù)據(jù)構(gòu)建無向圖，再利用隨機游走路徑模擬文檔，從而借用 word2vec 模型獲得問題-作者對偶向量，都非常有趣，而且實際中確實對算法效果有改進，非常難得�！共軞g歡表示。

　　為什么人工智能對問答系統(tǒng)越來越重要?

　　雖然頭條問答是 2023 年今日頭條剛剛啟動的項目，但是根據(jù)曹歡歡介紹，頭條問答上的問題閱讀率和回答數(shù)據(jù)已經(jīng)和知乎非常接近。

　　用算法驅(qū)動這個問答社區(qū)為什么會變得重要?如果從今日頭條的產(chǎn)品形態(tài)來說，提高提問者和專家、問題和合適的答案，以及這些內(nèi)容和普通用戶之間的「匹配」效率可能是最主要的原因。而且，今日頭條已經(jīng)聚集了 39 萬頭條號作者，這些作者中不乏各個領(lǐng)域中的專家，當他們以「專家」形態(tài)參與到頭條問答中時，這些作者的內(nèi)容價值輸出渠道也變得更加豐富。

　　這大概也是今日頭條進一步完善平臺內(nèi)容生態(tài)的重要方式。在鑄造內(nèi)容平臺這道圍城時，今日頭條在籠絡(luò)了大量用戶和頭條號作者后，一直希望用短視頻、圖片等形式完善自己的內(nèi)容矩陣。而頭條問答則成為了今日頭條為提升頭條作者價值的`另一個陣地和渠道，對于那些提供優(yōu)秀答案的作者，系統(tǒng)會突出展示其頭條號的名稱，從而增強其頭條號作者的影響力和活躍度。

　　因此就現(xiàn)階段來說，匹配機制還不夠完善的頭條問答對于頭條作者的意義也許大于普通用戶。由于覆蓋的用戶數(shù)量巨大，所以頭條問答的社區(qū)氛圍顯然和我們現(xiàn)在熟知的問答社區(qū)不太一樣。在以「社交」為驅(qū)動和紐帶的問答社區(qū)中，feed 流中大多還是以時間軸和用戶關(guān)注人以及他們關(guān)注的問題組成。但是不能否認的是，單從產(chǎn)品形態(tài)來說，機器學(xué)習(xí)也許可以提高問答社區(qū)的運轉(zhuǎn)效率，讓長尾問答內(nèi)容需求得到滿足。

　　比如 IT 技術(shù)問答網(wǎng)站 Stackoverflow 就已經(jīng)引入了智能推薦機制，不過這個平臺上的問題通常比較具體，而且答案是唯一的。在今日頭條今年剛剛成立的算法實驗室里，針對于實時性問題的「自動問答」解決方案已經(jīng)成為團隊研究的一個重點�！肝覀兿嘈抨P(guān)于一些事實性問題，類似《哈利·波特》的作者是誰，現(xiàn)任美國總統(tǒng)是誰這類事實性問題，機器能夠像百科全書一樣自動回答。單單放在頭條問答領(lǐng)域，也可以節(jié)省專家人力，提高效率。」今日頭條實驗室總監(jiān)李磊表示。

　　今日頭條實驗室里的另外一個研究重點是概率推理算法研究，「這方面研究的意義是，希望機器不只是能從數(shù)據(jù)里快速學(xué)到東西，還希望能夠做到在不確定的文本里做出推理，綜合模糊的因素做出判斷�！�

　　可以肯定的是，現(xiàn)階段，針對一些需要展示「觀點」的問題，能夠做的除了提高分發(fā)匹配效率，機器能做的還很少。不過我們依然可以期待的一點是，在未來問答社區(qū)的產(chǎn)品形態(tài)里，機器和人分別能夠扮演什么樣的角色，以及這種趨勢對已經(jīng)爆發(fā)的付費問答領(lǐng)域會帶來什么樣的影響。