“你說的那個，只是推送人工智能的上半場。”
顧莫傑又喝了口薄荷茶，對於陸文君沒完沒了的質疑已經有些疲勞了。
一個女人，在這個瞬息萬變的時代，脫離前沿技術將近兩年，怎麼可能一夜之間，就靠枕邊風補回來嘛。
喝完茶，他反問陸文君：“從我們剛提出‘給的再多、不如懂我’或者‘猜你喜歡’這些概念的時候，我們最初是怎麼做的。還記得麼？”
許是因爲精神旺盛，陸文君回答得很快：“當然記得，不就是和我剛纔說的那樣麼：優先訓練機器人回答那些有標準答案的客觀題，比如百度知道上已經有經過審覈的正確答案的題目。
然後再輪到那些百度知道上還沒有答案、但是有人問、咱用專門僱傭的回答問題團隊找資料、回答、審覈、上傳——我記得你那年兩-會的時候，爲了推動中國鐵塔的成立，爲了給移動和電信被淘汰下崗的人找工作，不就弄了個人工智能中心，吸納了十幾萬人專門答題、訓練客服型人工智能麼。”
顧莫傑總算有些欣慰，妻子的水平還沒因爲育兒而徹底還給老師。至少她懷孕之前已經知道的事情，至今都還記得。
“對，就是這樣。那種人工智能，只能優先回答客觀題，也就是有標準答案的題目。很適合當客服，當熱線接線員，因爲客服要回答的問題都是邏輯性很強的，很容易排查標準答案——
你不說我還忘了，從移動電信擠出來那十幾萬人，咱三、國家七，養着他們訓練了兩年，如今公司的客服型人工智能成長非常快，現在已經可以拿給各地的運營商、銀行、機關衙門、法院進行測試了，估計年底就能通過驗收。
明年開始，這些機關和事業單位就不用再在公務員招聘考試的時候招客服和接線員了。這兩類人的工作，會永遠在公職系統內被消滅。目前已經混進公務員和事業編的客服，已經夠他們將來作爲機器人客服的補充，用到死了。
再過一年，這個進度可以蔓延到相當一部分的企業單位客服人員。”
顧莫傑把這些信息和妻子說了一下，才發現自己扯遠了，趕緊回到剛纔的話題上。
“前面說了，讓機器人‘聽得懂’一切用人類語言提的問題、並且準確回答其中那些有標準答案的客觀題，這就是深度學習算法對問題回答型人工智能的訓練的上半場。
然後，從去年下半年，搞定nhn之後，咱的問題回答型人工智能已經發展到下半場了，嚴磊和他的研究院，如今天天就忙那些。只不過你在休產假，沒了解罷了。”
“具體給我說說嘛，人家真不想脫節前沿太久，被人以爲沒見識。”陸文君的技術宅妹屬性，也算是天生的了，並不是爲了賺錢纔對數理內容好奇的。作爲顧莫傑的妻子，她絕不希望自己在生意上輔佐丈夫的價值就此終結。
“這個下半場，就是：當客觀題部分，採用公用的大數據池訓練完畢後，主觀題部分，我們要依靠對每個用戶細緻入微的行爲分析，來做到私人訂製的‘初秘’。
也就是說，數年之後，每個‘初心’手機上的‘初秘’機器人，在回答各自主人提出的主觀題時，答案是不一樣的。這裡面再也不依靠‘大樣本容量的統計’來實現偏好篩選，而是完全按照每個人的喜好量身定做。”
ωwш.тTk Λn.C〇
陸文君歪着腦袋想了想：“每個人都根據自己本身的行爲數據來揣測，那豈不是一開始很不準？那些不願意配合、不願意把行爲習慣隱私泄漏給初音的用戶，我們豈不是很難有進展？何況單個個體產生的數據頻次太低了，很難通過聊聊幾條信息分析出一個人的喜好啊。”
顧莫傑擺擺手，示意陸文君不必擔心。
“你不懂裡面的技術原理，就別瞎擔心。這是一個循序漸進的過程。比如，我舉個例子，就拿看書而言，曾經我們是把用戶分成幾個大類，有的用戶愛看玄幻，有人愛看都市，有人愛看歷史。然後他看哪類比較多，就把這一類最火的書推給他——這是最原始的弱智狀態，都稱不上人工智能。
第二步，當他有限地看了幾本書之後，大致可以摸清這個人的脾胃。然後根據和他行爲模式類似的人，按照‘人以羣分’的算法，推而廣之認爲他和哪類人是一樣的，把那一類人都比較愛看的東西推送給他。
如果他接受了，那麼就留下一個喜好的數據烙印，如果他拒絕了，就進一步細分人羣。這樣一步步推進，最後用戶會從數百萬人一羣的大羣、細化爲數萬人的小羣、最後甚至是數百人的小羣。
這些人的經歷、喜好、脾性其實是高度吻合的，也就容易捆綁成一個數據圈子，相互引用推送結果，進一步反饋推送效果——這樣循序漸進，最終就可以勾勒出一個個獨一無二的‘人’的需求。”
中國那麼大，十億網民裡面，但凡細分到數百人一羣的時候，對娛樂內容的喜好基本上可以做到完全相同了——畢竟，放到人羣的總體樣本來看，那都已經是百萬分之一的小衆需求了。
這麼大一個國家，哪怕是再孤僻、特立獨行的個體，好歹至少也有幾百個人和他是興趣愛好完全相同的，這種小概率事件並不奇怪。
初音系的人工智能要做的，就是在日漸分析中，把人羣越分越細，或者兼顧幾個判斷維度交織一張數據評價之網，最終讓“初秘”變得和主人內心的幽靈一樣精準。
這樣，任何人都離不開“初秘”了。
一旦離開，就會像顧莫傑懷念初音娘一樣懷念。
陸文君反覆咀嚼顧莫傑的話，最後終於豁然開朗。
“原來是這樣……這都可以！”
“沒什麼不可以的，其實我們初音的這個想法，從理論上來說，曾經有很多空想家考慮過。只不過那時候沒有深度學習型人工智能，這些空想家沒法實現。而且這種設想實現之後，可以起到的社會效果和經濟價值，也遠遠不是你現在可以想象的。”
顧莫傑頓了頓，開始說那個案例。
“18年前，凱文.阿什頓在給迪奧化妝品公司做市場調研工作的時候，就提出一個概念，叫做物聯網——他幻想，有朝一日不僅人類要連接到互聯網中，連產品也要鏈接進去。
屆時一件產品是否被主人選中、買走；主人喜不喜歡這件產品，都應該有一個數據追蹤的反饋，好讓商家做出決策。而導致他提出這個概念和訴求的，正是他在迪奧觀察脣彩銷售數據時，發現的一個現象。”
女人一聊起化妝品，那都是兩眼放光的。
陸文君一聽賣口紅都能賣出那麼重大的改變世界的哲理來，頓時耳朵都豎起來了，渾似一隻波斯貓：“快往下說！別墨跡。”
顧莫傑智珠在握地笑笑，繼續說道：“凱文.阿什頓當年發現：迪奧公司的市場報表上，總是顯示，某一種洋紅色的口紅，銷量特別好。公司也經常增產這種顏色的口紅，每每供不應求。在市場數據的良好反饋之下，這種顏色就繼續增產，其他賣得不好的顏色則減產。
直到有一天，迪奧公司發現這種洋紅色的口紅終於出現滯銷了、產量超過市場需求了。而且他們進一步赫然發現——在他們不斷增產這種暢銷洋紅色口紅的市場，他們的總口紅銷量出現了增長停滯、甚至是下滑。
然後，他們又橫向對比了其他代工廠和市場大區的情況——因爲每個市場大區蒐集的用戶偏好是不同的，所以因爲洋紅色特別暢銷而立刻響應、相應最徹底的，只是迪奧公司的英國部分。
最後，他們得到的結論是：英國迪奧在對客戶的口紅顏色偏好方面，響應最積極，有數據反饋就立刻調整產量。但是他們的口紅銷售業績增幅，是其他歐洲國家分區裡最差的。”
陸文君聽得很仔細，細細咀嚼了顧莫傑舉的例子，好半晌都覺得不能理解。
“你是說，對市場銷量反饋數據越遲鈍的分公司，反而後來市場業績越好？對市場反饋越積極、越增產暢銷款、減少滯銷款的分公司，反而努力了沒好報？這不可能吧，完全和我們的認知常識相悖啊。”
“你也覺得不可能是吧？對，一開始我也覺得不可能。但是當我看完凱文阿什頓的物聯網理論之後，我覺得這很正常。”
“快說快說，別賣關子。”
“因爲，口紅是一種差別很細膩、很難標準化的產品。
衆所周知，護膚品、眼霜、面膜、粉底，這些別的化妝品，沒多少規格，一個系列，就三五個款式，足夠了。
口紅完全不一樣，一個口紅系列出來之後，有一排的比色卡，從粉到紅到紫，各個色度由淺到深能排列組合出至少三五十個顏色款式。所以生產口紅的部門，往往是化妝品公司裡最頭疼的部門——規格太多，每樣都大批量備貨，很容易導致客戶不太喜歡的顏色滯銷，永遠賣不出去——”
“誒呀這些我都知道，你直接說重點。”陸文君一陣焦躁。
姐堂堂一個妹子，還用自己老公科普口紅產業的特點？這不開玩笑麼。