美劇迷們都對“艾美獎”（Emmy Award）耳熟能詳，但是這個獎並不侷限於電視節目，美國國家電視藝術與科學學會（NATAS）還設立了一個“技術與工程艾美獎”，用來表彰推動影視技 術發展的個人、公司和組織。NATAS日前宣佈谷歌贏得了一項技術艾美獎，獲獎理由是其在旗下視訊網站YouTube上的個性化視訊推薦，頒獎儀式將於明 年1月在美國拉斯維加斯的消費電子大展（CES）上舉行。
眾所周知，YouTube能根據熱門視訊、歷史觀看記錄以及其他訊號向使用者推薦他們可能會喜歡的視訊。谷歌的一位工程主管克里斯托斯•古德洛（Cristos Goodrow）表示：YouTube觀眾最常反應的一個問題，是不知道究竟該看些什麼，而YouTube視訊發現團隊的職責正是解決這一問題。
谷歌一直想把YouTube變成更像電視的平臺，不但斥巨資打造專業水準的頻道節目，還努力增加使用者訂閱的頻道數量——這都是為了將使用者的逗留時間從以“分鐘”計延長到以“小時”計，從而促進網站廣告收入向電視看齊。不過，YouTube現在還沒有製作出像Netflix的《紙牌屋》（House of Cards）和《女子監獄》（Orange is the New Black）那樣的高人氣“神作”。
然而，YouTube首次獲得技術艾美獎，卻是因為與電視大相徑庭的東西——能從海量內容中“沙裡淘金”、打造深度個性化體驗以延長使用者注意力的演算法。雖然目前在YouTube上最火的是各種頻道，但任何曾經陷在一串串相關視訊裡無法自拔的人都會說，推薦演算法或許才是YouTube的最有價值資產。
使用者最愛不相關的“相關視訊”
YouTube開始大力向使用者推薦相關視訊是在2008年，那時它已經問世3年並被谷歌收購了2年。而在YouTube主頁以及視訊頁面右側推薦其他視訊的做法很快就收到了成效——到2008年底，該演算法每天都會讓使用者的觀看時長增加數十萬小時，而古德洛表示這一數字如今已經以“億”為單位了。
與此同時，YouTube也學到了一些出人意料的竅門，例如：向使用者推薦與他們當前觀看內容最密切相關的視訊，其實反而會讓使用者生厭。參與YouTube推薦演算法構建的軟體工程師海克特•易（Hector Yee）指出：“使用者喜歡豐富多樣的題材。”
有時候，使用者最有可能點選的“相關”視訊其實與當前觀看內容根本不相關。YouTube視訊發現團隊在實驗中瞭解到，我們常常在個人興趣範圍內從一個主題跳到另一個主題。
機器學習演算法好比“會計記賬”
古德洛表示：YouTube構建推薦演算法的最大優勢，在於掌握了與使用者個人喜好相關的海量資料。YouTube既能抓取諸如使用者“贊”了哪段視訊之類的明確訊號，還能抓取諸如使用者把哪段視訊從頭看到尾之類的隱含訊號——將所有這些資料綜合起來，YouTube就對使用者可能會點選什麼內容有譜了。
在談到YouTube使用的機器學習技術時，古德洛將其比作“會計記賬”：YouTube的演算法會記錄使用者們觀看視訊的次序，而當某位使用者觀看某段視訊時，演算法會以其他使用者看過這段視訊後緊接著看了哪些視訊為依據，認為該使用者可能也會對這些視訊感興趣，從而讓它們出現在右側。
古德洛還表示，YouTube的推薦演算法仍有巨大改進空間，而當前一大目標是讓使用者無需到處點選就能舒舒服服地一段接一段觀看他們喜愛的視訊、一口氣看上30分鐘或一小時。
當然，古德洛也承認YouTube除了需要出色的推薦演算法之外，也需要出色的視訊內容。
更多閱讀：