長期以來，LinkedIn（領英）一直處於AI技術的前沿，並將AI技術融入產品和服務。最近，筆者與LinkedIn公司首席資料官兼工程技術副總裁Igor Perisic進行了交流，探討了LinkedIn公司內部AI技術發展，如何將AI應用於日常工作，全球資料法規帶來的實際影響，以及如何應對不斷變化的AI工作環境與工作角色等問題。
▲ 圖：LinkedIn公司工程技術副總裁兼首席資料官Igor Perisic
LinkedIn公司很早就意識到，「資料」將成為企業之間的一大核心差異化因素。為了從市場競爭中脫穎而出，該公司建立起“會員優先”這一核心價值觀（以明確、統一的方式對會員資料加以控制），並以此為基礎，為全球會員提供職業提升通道。
隨著LinkedIn將越來越多的AI技術融入產品與服務，他們也意識到，必須為每一位員工在工作流程中配備必要的AI工具。為此，他們建立起內部培訓計劃，名為「AI Academy」。這項計劃希望覆蓋從軟體工程師到銷售團隊的各個群體，為員工們傳授最適合當前崗位的AI知識，保證他們為這類技術的實際使用做好準備。
LinkedIn早期AI專案之一正是「你可能認識的人（People You May Know，簡稱PYMK）」推薦服務。在本質上，這種演算法可以向會員們推薦他們可能認識的其他會員，並據此建立起人脈網路。當初的推薦系統當然不像現在這麼複雜，但確實成為LinkedIn產品的一大核心。PYMK以資料產品的形式亮相，約在2006年左右，當時開發這項服務的是技術行業中最早的“資料科學”團隊之一。但在早期，沒人把PYMK稱為“AI”專案，因為當時AI這種說法還沒流行起來。
大約在同一時期，LinkedIn啟動的另一個重要專案是「搜尋排名」。谷歌的出現將搜尋引擎領域的競爭推向白熱化，而搜尋排名正是一類經典的AI問題。
AI技術如何作用於日常工作在LinkedIn，Igor表示“我們把AI技術看得像氧氣一樣重要——它會滲透到我們工作中的每一個角落。”例如，對於LinkedIn的會員，AI技術可以幫助推薦工作機會、組織簡歷資料、保證他們收到及時且翔實的通知，並根據個人特質推薦新的技能與學習內容。至於LinkedIn的企業產品，他表示“AI技術可以幫助銷售人員吸引到對其產品最感興趣的會員，幫助營銷人員釋出高質量贊助內容，幫助招聘人員確定並接觸新的人才群體。”此外，LinkedIn還將AI技術廣泛引入後臺，幫助會員免受欺詐及有害內容的影響，同時最佳化網際網路連線以保證會員始終擁有最佳站點訪問速度等。
“保障平臺會員安全，一直是我們關注的重要目標。”Igor說，作為一傢俱有明確職業傾向的社交網路，最重要的就是迅速採取行動，儘快識別並阻止一切惡意行為。隨著惡意與威脅形勢的不斷變化，AI技術也成為安全保障工作中的核心。事實證明，機器學習在檢測虛假資料資訊方面確實表現出色。
如果沒有AI，LinkedIn的多數產品及服務將根本無法執行。LinkedIn針對全球經濟體系建立起的“經濟圖譜”實在太過龐大、太過細緻，沒有AI根本無法進行解析。
AI也在切實增強每一項使用體驗。雖然「通知功能」已經可以在一定程度上幫助會員瞭解專案情況，但目前AI體驗中最關鍵的一環主要體現在Feed方面——即對各類活動（包括網路帖子、新聞、影片以及文章等）進行分類與排序。為了保證摘要資訊的相關性，演算法必須有能力處理“內容推薦”與“會員偏好”之間的細微差別，這種能力也成為決定成敗的關鍵。
Igor還分享了一個有趣的例子。2018年初，他們發現不同使用者群體在Feed中的參與度出現了嚴重分裂——前1%超級使用者依靠“病毒式傳播”獲得了巨大收益，但大多數創作者卻陷入零反饋困境。這是因為當時的摘要模型遵循一條簡單粗暴的原理：分享那些能夠引起廣泛關注的“病毒式內容”。
但LinkedIn很快意識到，這種最佳化思路不一定適合所有會員。為了對抗由AI技術造成的負面生態系統影響，他們開始在Feed中引入更深層次的創作最佳化功能，藉此幫助那些受眾規模較小的創作者。
在此次更新中，排名演算法開始考慮，讀者與創作者在特定專案之間產生的聯絡與價值。對於讀者來說，他們希望根據自己的喜好獲取相關內容；對於創作者來說，他們希望自己產出的高質量內容能夠切實吸引到目標受眾。Igor指出，“透過模型的調整與最佳化，我們將新聞摘要逐步轉化成意見領袖與受眾之間更加健康的關聯與內容組合，從而極大提高了讀者與創作者的參與度。”
全球資料法規給LinkedIn帶來的影響近幾年來，世界各地都已經開始制定法律，藉此約束企業對使用者資料的儲存與使用方式。歐洲推出的《通用資料保護條例（GDPR）》以及加利福尼亞州的《加州消費者隱私法（CCPA）》都在強化隱私權與消費者保護的重要意義。對部分企業來說，這意味著他們必須重新審視對使用者資料的處理思路。好在，LinkedIn一直將資料視為寶貴的企業資產，同時也是該公司的核心差異化因素之一。
Igor解釋道，甚至早在GDPR出臺之前，LinkedIn就設有一套內部框架，名為3C——即透明（clarity）、一致（consistency）以及控制（control）。他表示，“現在我們仍然堅持著同樣的思路，保證會員們清楚我們在如何處理他們的資料、可以求證我們的言行之間是否一致，同時允許會員真正控制自己的資料。”結合當前歷史背景，LinkedIn希望透過GDPR，進一步鞏固自己對全球會員做出的資料隱私保護承諾。例如，LinkedIn將把GDPR資料的主體權利擴充套件至全球所有會員。他們還在不斷思考，如何在LinkedIn與AI模型中處理會員資料，同時增強檢視與更新流程設計層面的私密性保障。LinkedIn始終將會員利益視為運營宗旨，並將保護會員資料視為組織內部的整體責任。
不斷變化的AI工作環境作為規模龐大的專業社交網路，LinkedIn能夠以非常獨特視角，觀察並理解其他企業難以涉及的「職位變動」、「職位趨勢」以及「區域吸引力」等重要洞見。
去年底，LinkedIn釋出了第三期年度新興工作崗位報告，希望確定增長速度最快的工作崗位。人工智慧專家成為榜單中的頭名，在過去4年中年均增長率高達74%。這一增長遠遠超出科技行業的平均水平。尤其令人興奮的是，他們發現在2017年，來自教育領域的核心AI技術專家，已經在LinkedIn平臺全部AI會員群體的佔比中位列第二，這意味著大部分AI職位增長都與教育行業以及學術研究相關。
最近面對COVID-19疫情引發的經濟衰退，LinkedIn發現，AI就業市場仍然保持著持續增長。在對總髮布職位數量進行標準化整理後，美國遭遇COVID-19疫情侵襲的十週之內，AI職位數量增長了8.3%——雖然這一增長速度要低於疫情之前，但相較於市場上人才需求總體下降的趨勢，僱主們似乎仍然更加關注AI技術專家。
AI領域的另一個有趣之處在於，LinkedIn觀察到一個完整的技術角色生態系統，各角色支撐起AI生命週期中的不同階段。回顧去年底釋出的新興工作報告，除了AI專家角色（負責模型建立與訓練）的持續增加之外，與AI相關的“配套”崗位也在不斷髮展。未來，市場對於「資料科學家」、「資料工程師」以及「雲工程師」的需求也將提升——這種提升不僅體現在技術領域中，而是各行各業。
AI技術的未來影響歸根結底，AI仍是一種工具，其最大的潛力在於增強人類智慧並幫助人類取得更大的成就。LinkedIn目前的AI工具，在很大程度上仍依賴於人工輸入，而且永遠無法徹底實現自動化。
Igor堅信，AI的未來在於實際應用，特別是如何利用AI工具提升人類的智慧水平，從而更好更快地完成任務。為了實現這個目標，我們不僅需要AI專家，同時也要推動AI技術的大眾化。AI應該逐步轉化為一種即插即用、能夠直接操作的介面。他發現，各大主要雲服務供應商已經參與進來，努力開發出各類有助於降低AI使用門檻的工具。一旦AI與應用場景得到全面結合，就會真正激發出人們的創造力，開發出越來越多更酷、更有趣的實際用例。
以此為基礎，AI技術也將實現貫通式的整體升級。從演算法到數學發現、再到硬體與AI系統設計，從業者們將立足各個環節，用自己的獨創性為AI發展貢獻力量。這將是一片廣闊的天地，每個角落當中都有著值得奮力發掘的寶藏。