新智元報道
編輯：Aeneas 好睏
【新智元導讀】
大事件時常引「爆」熱搜，微博伺服器為啥挺得住？微博到處都是我的「網際網路嘴替」，為何推薦內容如此深得我心？
2021年7月13日，勞累了一天的年輕人們，正準備躺平拿出手機，開啟那熟悉的小破站App，一鍵三連自己最喜愛的up主的最新影片。
結果突然發現，自己的眼前一黑：
時隔一年，B站終於揭曉了這其中的奧秘：一個「詭計多端的0」。
不過，你有沒有想過，即便是經歷著使用者的瘋狂湧入，為啥這個微博，它沒崩呢？
AI和微博有啥關係？
在揭開這個謎底之前，還需要從人工智慧的發展說起。
7月27日，由中國網際網路協會指導、微博和新浪新聞主辦的「融合生態 價值共創」2022新智者大會順利召開。
在「智驅萬物：AI推動萬物互聯的加速到來」議題中，微博COO、新浪移動CEO、新浪AI媒體研究院院長王巍發表了題為《云為數智 技術融合應用 賦能微博複雜業務場景》的主題演講。
王巍表示，如果我們回顧機器學習的發展歷程，可以看出AI的總體發展趨勢是：訓練資料的海量化及多樣化，AI模型的複雜化及通用化，算力的高效化及規模化。
第一，是多模態資料融合。
隨著5G的快速發展，圖片、影片型別模態內容在網路內容中佔比越來越高，所以進行模態融合非常必要。
對於微博來說，如果能同時對文字、圖片、影片進行多模態融合，也就可以更好理解這條微博所講的內容了。
第二，是超大規模圖計算。
相對其他機器學習模型，超大規模圖計算有個特殊的優勢：透過資訊在網路中的傳遞，促進資訊的流動、匯聚與整合。
比如對於行為少的冷啟動使用者，我們可以透過他關注列表中的人，以及這些人釋出的內容，透過資訊傳播來推導這個使用者的興趣。
第三，是AI研發的啞鈴模式。
目前的AI研發重點，一個是越來越大的超級大模型，一個是模型小型化技術。
我們都知道，目前隨著模型引數規模越來越大，模型效果越來越好，高精度模型仍然在持續增大，比如2018年Google的Bert剛出來的時候，模型引數規模是3億，不算太大，但是之後這個數字一直在飛速增長。
OpenAI研發的GPT-2模型，引數規模15億，GPT-3模型，引數規模1750億，而到了2021年Google釋出的Switch Transformer，引數規模已經達到了1。6萬億。
另一方面，雖然說模型越大效果越好，但是因為模型過大，有時會導致無法讓實際應用落地。所以研發的另外一個重點，是將這些大模型小型化、輕量化，比如模型蒸餾、模型剪枝等技術。
第四，是AI模型從專用模型走向通用模型。
谷歌在2021年下半年公開了Pathways模型框架，首先提出了這一構想，希望透過構造一個通用的大模型，達到「一個模型做千萬件事」的目標。
具體的思路是，不同任務資料輸入後，透過路由演算法，選擇神經網路的部分路徑，到達模型輸出層。不同任務既有引數共享，也有任務獨有的模型引數。
10億節點+100億邊的超大規模圖
為何講了這麼半天機器學習？因為接下來要登場的，就是「微博特色推薦系統」了。
眾所周知，作為國內最大的社交媒體網路，微博目前的月活使用者已經達到5。82億了！這樣大的使用者規模，必然會讓微博上的網路環境十分複雜。
再加上內容時效性強、多樣性高，現在的網路大事都會第一時間在微博上引爆。
另外，微博面臨的場景還很多元化，需要在關係流、熱點流、影片流等眾多場景中給使用者分發他們感興趣的「千人千面」的內容。
我可以沒有手指，但不能沒有手機
面對複雜的業務場景，微博是怎樣透過AI和大資料，做出能隨機應變的推薦系統的呢？
王巍向我們介紹說，微博推薦系統整體由三部分構成：內容理解、使用者理解，以及推薦系統。
首先，是內容理解。
如果要想搞明白一個微博到底在說什麼，僅僅理解文字內容是不夠的，必須採用多模態理解技術，融合博文、圖片、影片等多種媒體資訊。
為此，微博訓練了自己的微博多模態預訓練模型，透過「對比學習」，用這種自監督學習方法，來進行多模態預訓練。
下圖的這例子就展示了微博是怎樣利用自帶的「話題」來自動構造訓練資料的。
比如，我們把兩個都寫著「訓練中的拉什福德」的微博當作正例，隨機選擇一些不同話題的微博作為負例，這樣就能自動構造訓練資料。
對於某條微博，其中的文字內容透過Bert編碼，影象和影片內容透過ViT編碼，然後透過fusion子網路進行資訊融合，形成微博的embedding編碼。這就是一種預訓練過程。
經過預訓練，學好的微博編碼器可以拿來對新的微博內容進行多模態編碼，形成embedding，應用在推薦等下游任務中。
其次，在使用者理解方面，微博採取了超大規模圖計算，來更好地理解使用者的閱讀興趣。
畢竟微博自帶社交媒體屬性，天然地就和大規模圖計算非常匹配。
利用使用者和博文作為圖中的節點，以使用者間的關注關係、使用者和博文的閱讀及轉評贊等互動行為構造圖中的邊，微博建立起了包含10億規模節點、100億規模邊的超大規模圖。
透過大規模圖計算中的資訊傳播、匯聚和整合，形成表徵使用者興趣的embedding向量，可以更好地理解使用者興趣。
如此一來，也就可以同時搞定使用者之間的關注關係、使用者和博文的轉評贊等等的互動行為了。
在理解了使用者在講什麼、理解了微博使用者的興趣之後，微博推薦系統就會將高質量的微博，個性化地分發給感興趣的使用者。
那麼，如何在這種複雜場景下構造高效率的推薦系統呢？
微博採取的是採取了多場景建模的方式。最理想的情況是，只構建一個推薦模型，用它來服務多個場景。
那麼如何表示場景間的共性和個性呢？可以透過網路引數在場景間共享，或者場景自己獨享私有網路引數，來體現場景的共性與個性。
比如這張模型圖，在模型的底層特徵輸入層，以及網路中間的一部分「專家子網路」，這些網路引數是各個場景共享的；而其他子網路引數則是某個場景所獨有的
透過這種方式，就能夠透過一個模型服務多個場景，節省模型資源。
唐山事件：流量暴漲一倍怎麼辦？
現在，說回到最初的那個「懸念」上來。
對於微博來說，這個保不齊什麼時候就會「炸」的熱點，一直以來都是非常大的挑戰。
比如，最近全民關注的「唐山事件」，事件當天的熱點流量，比日常流量峰值翻了整整一倍。
對此王巍表示，微博在很早就應用了微服務+Docker容器化技術，不僅提升服務運維的效率，而且還實現了服務動態擴縮容能力。當前，微博已經具備了10分鐘排程超過一萬臺的擴容能力，可以有足夠的伺服器來應對熱點流量。
此外，微博還建立了熱點監測機制和熱點聯動體系，並透過微博自研的Weibo Mesh技術，實現不同服務間跨語言的高效呼叫，提升整體服務的效能，和聯動擴容效率。
最後，微博採用了在離線實時混合部署技術。利用CPU實時搶佔式排程技術與容器化技術相結合，實現微博服務在離線實時混合部署能力。
綜合了上面這些操作之後，在有熱點流量來襲時，就可以秒級承接核心服務的熱點流量了。
最後，讓我們再來回顧下網際網路的發展歷程。
如果說PC網際網路是網路世界的開端，那麼移動網際網路的興起則讓我們將這無形的資訊空間裝進了口袋。隨著大資料、雲計算、人工智慧等技術與移動網際網路的疊加融合，我們進入了智慧資訊時代。
而現在，最火的話題就要數元宇宙了。從去年開始，元宇宙就引發了廣泛的討論，比如數字孿生、數字人、XR、區塊鏈技術等。
王巍認為，目前基於AI、區塊鏈、XR等前沿技術的應用場景，已經體現了一些元宇宙的雛形。諸如遊戲、社交等領域，都是元宇宙非常好的應用場景，會引爆大家參與元宇宙的熱情。
「新智者Talk」來襲！
就在今天下午，我們即將迎來「新智者Talk」圓桌論壇！
元宇宙時代，我們該如何與數量龐大的虛擬人相處？在論壇上，新智元楊靜、騰訊雲蔡弋戈、商湯科技欒青、英偉達何展、奧丁科技張玥，與你一起暢聊元宇宙未來與數字新人類。
「2022新智者大會」開啟，微博、新浪新聞聯合主辦，新智元戰略合作：2022年7月27日本週三已上線，快來預約直播啦！
