导读 尽管试图描绘出一个严肃的、对企业友好的公司的形象，但谷歌仍然是科技巨头中典型的极客。它只是喜欢用机器学习和人工智能来解决它的问题，

尽管试图描绘出一个严肃的、对企业友好的公司的形象，但谷歌仍然是科技巨头中典型的极客。它只是喜欢用机器学习和人工智能来解决它的问题，考虑到它必须处理的数据量，这是可以理解的。但是，虽然有些事情可以通过高级机器学习有效解决，但有些事情，比如推荐用户从 Google Play 商店安装和使用的应用程序，需要一点人性化。

Google Play 上的机器学习

Google Play 商店和 AlphaGo 现在有什么共同点?两人都被 DeepMind 的机器学习专长所感动。Alphabet 公司刚刚发表了一篇博文，解释了它最近与谷歌的合作，特别是后者的 Google Play 商店团队，以改善主要 Android 应用程序市场向用户推荐的应用程序的状态。

这篇文章更详细地介绍了新的和改进的推荐系统的技术方面。它解释了先进的机器学习如何不仅有助于消除这种大量统计系统的常见偏差，而且从长远来看还可以降低 Google 数据中心的能耗。

虽然这样的推荐系统在帮助用户发现新应用方面绝对有帮助，但它并不能完全灌输对 Google Play 商店的信任或兴趣。

向我们学习

机器学习需要数据来学习，无论它进行何种学习。对于 Google Play 商店，这主要围绕哪些应用程序被安装而不是其他应用程序、它们的安装频率、它们与其他类似应用程序的关系以及其他数据点。随着数据越来越多，神经网络心智模型会随着时间的推移而改进，但它需要如此大量的数据才能做到这一点。

Google Play 商店，甚至可能比 Apple 的 App Store 还要多，在其库存中拥有几乎数不清的应用程序。世界各地还有数百万用户，其习惯、偏好和使用模式各不相同。DeepMind 的高级机器学习肯定需要考虑到这些，但是虽然处理或多或少的静态数据可能很容易，但它可能无法考虑到人类几乎天生的倾向，如果可以的话，他们会尝试逃避某些事情.

游戏系统

DeepMind 谈论了它的机器学习系统如何能够考虑某些偏见和简单的分类，但没有谈论行为不端的应用程序。Google Play 商店使用自动化流程和机器学习来筛选大多数应用程序，其中充满了应用程序的示例，这些应用程序并没有完全按照他们所说的去做，或者声称做的事情比实际交付的要多。有些应用程序似乎经过精心设计，可以绕过 Google 的系统并在被发现之前获取好处。

也有那些臭名昭著的“商店”和企业试图歪曲应用程序的数字，主要是通过下载。Google Play 商店的推荐系统主要基于用户接下来可能想要下载的内容，因为它们很受欢迎并且与之前的下载相关。然而，由于非专业商店的质量控制不那么严格，这些有时会令人怀疑。

为什么和什么一样重要

归根结底，Google Play 商店的推荐系统试图告诉用户他们下次可能想要下载什么。它没有告诉他们为什么超出了流行或关系等简单类别。机器学习可能已经足够先进，可以剔除误报并找出真正有趣的问题，但它永远无法详细说明原因。

这样的推荐系统需要人工策展人、评论者和作家。这些可以更好地了解为什么一个应用程序比另一个应用程序更受欢迎，哪些功能使它更值得信赖，或者为什么它在某些实际情况下更有用。那些需要真正研究和试用应用程序的人，更重要的是，写下它们，而谷歌似乎对这样的系统不太感兴趣。

包起来

Google Play 商店是一个丰富多样的 Android 应用程序存储库，对于搜索除常见罪魁祸首之外的应用程序的人们来说，这些数字可能会让人不知所措。可能有十几个应用程序试图做同样的事情，并且为了找到一个而尝试所有这些应用程序可能很耗时。考虑到设法通过谷歌防御的恶意软件应用程序的数量，它甚至可能是一个可怕的地方。

Play 商店确实有一个推荐系统，但它始终围绕可能与您相关或可能不相关的应用程序列表展开，具体取决于您和其他用户过去安装的内容。它缺乏使这些建议可信甚至有用的个人风格。

不幸的是，谷歌似乎不太愿意为此聘请人工编辑和作家，但这可能正是谷歌 Play 商店所需要的。