強化站內搜尋與推薦服務，痞客邦運用雲端技術加速AI演算法上線

當使用AI打造更多元的服務，成為現在企業的常態，企業不再只是關注AI可以應用的面向，更是進入到如何做可以更好的階段。臺灣知名的社群網路平臺「痞客邦」（PIXNET）就是一例，近年他們不僅是開發各式AI服務與演算法，例如，個人化文章推薦的演算法、興趣族群演算法等，為使用者推薦感興趣的主題，也讓擁有相同興趣的人，能有更好的交流與互動方式，甚至他們為了讓AI服務上線可以更即時，增加社群網站競爭力，因此希望縮短演算法部署上線的過程。

鑑於AI的需求，痞客邦已經成立研究團隊，負責相關演算法的開發工作。在今年5月中舉行的臺灣雲端大會上，PIXNET研發中心資深高級工程師賴義偉，更是進一步揭露了他們的團隊的組成，目前他們共有5位演算法工程師、2位資料分析師，以及1位數據工程師。而他們的任務，就是開發各式AI服務和演算法。

目前，在痞客邦社群網站上，已經有不少他們團隊的成果上線，賴義偉舉例說明，像是他們開發了垃圾（Spam）文章偵測演算法，原因在於，痞客邦目前站上有超過8億篇文章，每天新增就有40幾萬篇，若是要人力一個個審核顯然不太可能，因此利用演算法去偵測這些文章相當重要，快速判斷那些是垃圾文章，或者是優質文章。

最近，他們開發了個人化文章推薦演算法，當用戶進入痞客邦首頁時，將可以看到一個興趣牆的文章建議，這是根據用戶追隨與興趣主題所推薦出來。另外，他們也開發圖片辨識的演算法，目的是為了想要知道，那些圖片呈現在預覽頁面的效果較好，並且研究圖片風格轉換的演算法，希望能進一步豐富部落格所呈現的內容。

此外，還有像是關鍵字的主題分析服務、文章標記（Tag）搜尋服務、Chatbot數據指令服務，以及性別年齡預測演算法與興趣族群演算法等。

為加速服務部署上線，借助SRE介入程度低的App Engine

值得注意的是，在這次臺灣雲端大會上，賴義偉特別分享了使用雲端技術，來加速AI服務上線過程的經驗。

在AI服務上線流程方面，過去他們的流程較為繁瑣。當研究人員開發了一套最新的演算法，需要機器提供上線服務，這時在流程上會需要向SRE（Site Reliability Engineer）工程師申請，但往往過程會花上不少溝通時間。例如，詢問需要的機器規格？預期負載流量、花費成本是多少，還有服務部署、監控與安全性設定的問題等。

賴義偉說明，由於SRE的工作常常處於到處救火的狀態，再加上開發人員也要對他們的網路架構系統有一定瞭解，而團隊也有一些非本科系出身的成員，在這些因素之下，溝通更花時間，因此，若是新的演算法服務上線，開發人員往往都要七天或是更久，才能拿到要的資源。

而在使用的雲端服務方面，由於Pixnet使用的是Google Cloud Platform（GCP）平臺，因此他們是以此平臺來說明，在他們的AI服務應用與人力配置情況下，選擇GCP平臺服務的經驗。

基本上，GCP平臺主要服務包括Compute Engine、App Engine與Kubernetes Engine這三大類型。大約在兩年前，他們開始採用最新的Kubernetes，只是，他們遇到幾個挑戰，例如，因為一些分析服務只有在工作時間使用，造成資源利用率不佳，而且他們對Kubernetes的特性還不是那麼熟悉，更關鍵的是，在演算法開發工程師開發完要部署時，流程不夠簡潔。

因此，他們再次思考加速開發方法，進而發現App Engine的一些特性，其實很適合讓開發者將AI演算法直接上線。其中最重要的就是，這是全代管的環境，並可以減少SRE人員的介入，最終讓他們新開發的AI演算法，能在一天內就能完成上線。

賴義偉並表示，現在他們已經藉此方式優化搜尋服務，期望能提升站內搜尋點擊率，創造更多自主流量。

儘管各業者使用的雲端平臺，以及開發政策與人員編制都不盡相同，但以Pixnet的經驗而言，在開發AI服務與演算法這一方面，不僅是加速服務部署上線，賴義偉更是指出，開發快速且部署方便，這意謂著可以容易產生大量測試版本，因此他們能夠每日觀察AI演算法各版本的表現，以挖掘問題。如此一來，也等於是讓AI服務要做到更精準的過程可以更簡便。