“不對，是10。55等于多少”
“12。”
“不對，是10。是55等于多少”
“10。”
“對了。55等于多少”
“10。”
“55等于多少”
“10。”
沈向陽做出了這個解答，然后接結束了這個問題，“這就是機器學習的邏輯。當然不是算術了，而是計算用戶對廣告或者內容的喜好度。其實針對廣告的個性化投放，不能根據廣告本身，而是根據內容。朋友網的個性化廣告我看了，主要就是根據用戶的個人信息，這略顯粗糙，準確率也不高。”
“那應該怎么做”
“通過機器學習，把廣告和內容捆綁。比如閱讀內容的用戶，都喜歡廣告，兩者就可以對接了。這個比較簡單。更復雜的是內容投放，要結合統計學習和神經網絡，通過機器學習，讓計算機學習用戶的閱讀習慣。就像剛才的算術題一樣，一開始，錯誤率比較大，越是學習，錯誤率就越小，就越貼近正確答案，即用戶的閱讀習慣。”
周不器不太服氣，透露了點小秘密，“朋友網的個性化廣告分發算法，是b做出來的呢嗯，我們是合作伙伴。”
“這樣啊”沈向陽笑了笑，“b的技術也不怎么樣。”
“呃”
口氣真大
好吧，這哥們的確夠資格諷刺b技術差。
周不器接著說“還有一個項目，我們都做了半年了，一點頭緒都沒有，我們派出了一個很厲害的技術大牛，叫徐銘，他也沒辦法。他本來是搜索事業群的技術總監，不過項目沒進展，接下來就把他調進研究院，你來帶吧。”
“什么項目”
“智能搜索，個性化搜索，千人千頁。”
其實就跟個性化內容推薦差不多，不同的是，這次是針對搜索結果的個性化推薦。
沈向陽臉色就凝重起來，“這可難多了比那個朋友網的個性化廣告，今日頭條的個性化內容都難。”
“是嗎不都是個性化推薦嗎”
“級別不一樣。”
“嗯”
沈向陽解釋道“技術難題往往是兩點，一類是復雜度，一類是規模量。比如s、這種工程軟件，就是太復雜了，我們國內做不出來。規模量指的是數據多少。一個算法，處理小數據時可能很奏效。可是涉及到大規模數據，算法就失效了。就像手工制作和機械化批量生產一樣，沒有可比性。”
周不器點了點頭，“嗯，大數據。”
沈向陽道“大數據算法是一套，個性化算法是一套，大數據下的個性化算法，又是另外一套。這并不是簡單的112的關系，需要從算法框架方面有更優化的設計。智能搜索這個概念前兩年就提過了，可是做不到。”
現在，全世界連大數據都沒搞明白呢，對大數據下的衍生算法，更是想都別想。
這么一看，還是老沈技術更高、視野更廣、認知更清楚啊
智能搜索這個項目，是許亮杰、程秉皓、王小船和徐銘共同決定的，覺得這個方向大有可為。可沈向陽卻給否了，說做不到。
嗯，一家公司，肯定是技術最好的人當首席技術官。
老沈實至名歸啊