百度 All in AI 还是 All in 广告？

　　在“All in AI”的策略指导下，百度交出了一份这几年来最漂亮的成绩单。

　　截至3月31日的第一季度显示，百度第一季总营收猛增31%，至 209 亿元(33.3亿)，净利润 67 亿元（11亿美元），每股收益 16.6 人民币 （2.60 美元），均高于市场预期。

　　数据是一片大好，看起来百度正走出低谷期。

　　这得益于两个方面，一是组织的优化，百度壮士断腕，抛弃了不少累赘业务；另外，也是因为在 AI 方面的押注取得了回报。

　　AI 带来的盈利，最直接还是体现在了广告上。陆奇表示这一季度里，百度首次在广告系统凤巢里，部署了强化学习技术，能实现更精准的营销。这达到了一个工程上的新里程碑。

　　强化学习其实不是个新鲜概念了，那么它具体是干啥？百度如何用它赚钱的？

　　真正意义上的自学成才

　　强化学习是机器学习的一个分支，相对应的是监督学习，还是拿 Alpha Go 举例：

　　过去采用监督学习的 Alpha Go，需要输入大量人类棋手的下法、对弈棋局等数据，然后通过模拟完成“左右互搏”，最终不断寻得更科学的下法，也就是说，它其实还是在“模仿”人类。

　　而采取了强化学习的最强版本 Alpha Go Zero 不同，它不需要对着人类的玩法照猫画虎。了解到基本的规则以及最终要达到的目标后，就开始“随便下”，如果下赢了，就会得到奖励，然后指导下一步的决策；如果输了，就会有惩罚。在这种尝试——反馈——学习的过程中，完成自我进化。

　　某种角度来看，强化学习更接近智慧生命体的思维模式。通过不断地试错，获得来自环境的反馈，从而获取到更多地知识和数据。

　　那么，它能带来什么好处呢？显而易见，一是无需在前期输入大量的数据，减少准备的时间和成本，毕竟优质的并不是随时都能获取的；二是适应性强，它是真正意义上的“完全自学”，几乎能被应用在任何领域，理论上讲，如果算力跟得上，它能解决任何问题。

　　当然问题也出在这儿，因为完全是“两眼一抹黑”式的自我探索，所以强化学习的运算量要远远超过监督式自我学习；另外，它的过程也完全不可控，失之毫厘谬以千里，所谓“蝴蝶效应”，这导致结果的随机性太强，容易跑偏。

　　百度是如何应用的？

　　说回到百度本身，原理上边都说了，那么百度是如何用它优化广告投放效率的？

　　如何实现？

　　百度没有过多的介绍，不过其实原理也很简单。在广告系统中加入强化学习模型，它会实时记录浏览、点击、转化等关键数据，并通过自我学习对投放进行优化，让广告能更精准地匹配到目标客群。

　　带来的效果就是，客户爸爸们的钱能花在刀刃上，花更少的钱，得到更精准的曝光。当然，百度和 Google 们过去一直都是这么做的，只不过这是技术的有一次升级而已。

　　为什么要用强化学习？

　　就像之前提到的，它的优势在于：无需在前期就输入大量数据，直接可以上线，并在线完成学习的过程。

　　因为对于许多广告来说，它并没有太多可以参照的数据，前人虽有成功案例，但时间、平台、目标人群的不同，都会导致过去的经验没法直接套用，监督式的机器学习算法，学无可学。

　　这时候，强化学习就有用武之地了，它可以分析投放广告本身的效果，而无需去寻找其他大数据作为参考，即插即用，方便快捷。

　　据量子位报道，(行情000625,)就在使用之后发现CTR（点击通过率）显著提高，转化价格明显降低，于是将每日投放预算提高了5倍。

　　不过，就像上文提到的，强化学习也有其自身的问题。如何优化模型，使最终结果更快、更可信，是百度要面临的技术考验。

　　就像前 Facebook 工程师 Jeff Hammerbacher 的那句名言“我们这一代最聪明的人，竟然都在这里思考着怎样让人们去大量的点击广告”一样，百度的技术说得头头是道，结果最后还是投广告的事，肯定免不了被批判一番。

　　但其实，人类历史上，任何技术的诞生初衷，都是为了商业服务的，而商业带来的资本也能反哺技术的迭代。这个过程循环反复，社会和文明自然而然就实现了进步。

　　竞价医疗广告除外。