為吸引人工智能專家 雅虎公布13.5TB用戶數據

2016-01-28 09:01 來源:騰訊科技
瀏覽量: 收藏:0 分享

  1月15日,外媒報道稱,為了吸引人工智能領域的頂級人才,雅虎公布大量用戶的互網絡行為數據。

  周四,雅虎宣布,公司將公布最大規模的互聯網行為數據,數據涉及瀏覽雅虎體育、雅虎財經、雅虎新聞、雅虎地產和其他版塊的2000萬匿名用戶。雅虎僅面向大學機構公布數據,這些數據將讓研究人員切實了解大量用戶的互聯網行為方式。

  由于多年停滯不前,雅虎正面臨嚴重的人才流失難題。人工智能領域快速增長,而且競爭異常激烈,雅虎希望吸引該領域的學術研究人員。

  雅虎此舉正值科技公司爭相與學術界加??強合作之時,而科技公司尤為關注人工智能領域。人工智能涉及機器學習和深度學習技術,這類技術可訓練機器挖掘海量數據,旨在回答復雜問題或預測用戶行為。

  Facebook和谷歌已經招募頂級人工智能研究人員。例如,2013年燕樂存(Yann LeCun)加盟Facebook,他繼續運營紐約大學數據科學中心。

  卡內基梅隆大學計算機學院院長安德魯·穆爾(Andrew Moore)表示:“無論你擁有多少人才,管理者總是希望招募更多的人才。這些大型科技公司總覺得缺少某類研發人才。”

  海量數據是機器學習的必備要素。利用這些數據,電腦可分析復雜的模式,根據雅虎的情況給出科學的建議,例如哪種標題或設計更加吸引紐約地區的年輕女孩。大型互聯網公司一般嚴格控制這類數據,外部人士極難獲得。雅虎此次公布的數據體積為?????13.5 TB,相當于美國國會圖書館數據體積的2/3。

  穆爾表示,絕大多數學術計算機科學家未曾接觸如此龐大的用戶數據,學者可能要把數據存儲到大學外部的服務器,他們可能選擇亞馬遜或谷歌的云計算中心。

  2015年,雅虎和卡內基梅隆大學簽署一份為期5年的合作合同,雅虎將為卡內基梅隆大學提供1000萬美元研究資金,目的是基于用戶數據開發個性化應用。

  加州大學圣地亞哥分校電子與計算機系教授格特·蘭克利(Gert Lanckriet)表示:“公司外部人士難以獲得數據。”

  專家認為,雅虎數據的規模使其極具價值。相較針對少量數據設計的算法,針對海量數據設計的算法具有本質區別。雅虎的數據可以讓研究人員開發大型算法,這種算法尤其適合企業。

  自2006年以來,雅虎已經發布了50多個數據集,包括2014年的1億張Flickr照片緩存。此前,雅虎公布的最大數據集為413 GB。谷歌和亞馬遜公布的數據集相對較小。

  數據科學初創公司Fast Forward Labs創始人希拉里·梅森(Hilary Mason)表示,一方面,科技公司要吸引人才和催生新理念。另一方面,它們要保護用戶隱私和保持競爭優勢。這種矛盾正逐漸加大。

  梅森稱,眾多大型科技公司正嘗試打造同樣的功能,例如無人駕駛汽車、圖像識別和個性化服務。公布用戶數據之后,雅虎承擔些許暴露商業秘密的危險,但雅虎認為吸引人才能帶來更大回報。

  盡管數家公司曾面向研究人員公布用戶數據,但結果令人失望。2006年,AOL向研究人員公布用戶數據,但意外泄露用戶的搜索記錄。2009年,Netflix公布大量用戶的電影推薦和日志,并提供100萬美元獎金,以獎勵改進電影推薦算法的開發者。在兩個例子中,外部人員都利用數據推測用戶的身份,這種侵犯隱私的行為招致集體訴訟。Netflix被迫取消該獎項。

  2014年,Facebook和康乃爾大學共同研究和操縱用戶的情緒。研究過程中,Facebook調整用戶信息流的內容,旨在研究用戶的情緒反應,此舉引發了巨大爭議。隨后,Facebook不得不限制用戶數據的使用范圍。

  梅森表示:“自從2006年AOL遭遇隱私災難,科技公司一直害怕公布數據。”

  雅虎數據的敏感度似乎較低,其中僅包括城市、性別、年齡等基本人口統計信息,以及用戶與雅虎網站相關的交互信息。

  雅虎實驗室首席研究科學家貝澤·耶茨(Ricardo Baeza-Yates) 表示,這次公布的數據集能夠有效地防止個人追蹤用戶。例如,雅虎移除了來自人口稀少地區的用戶信息。

標簽:

投稿人:admin
在線客服
11选5网赌哪个平台靠谱