预约本文专家直播敬请点击：
搜索一直在用人工智能的前沿技术理解用户和商品，提供智能的搜索购物体验，过去几年在搜索意图理解、语义匹配、用户兴趣感知、搜索排序策略、多场景协同优化、智能交互等领域取得了重要的进展。搜索的深度用户感知网络能够根据用户行为足迹和上下文实时感知用户意图、预测用户兴趣偏好和生成个性化的排序策略，感知网络超过10B个参数，已经学习了几千亿次的用户行为，并且会保持不间断的增量学习，让模型越来越聪明；搜索利用多智能体协同学习技术，实现了搜索多个异构场景间的环境感知、通信和协同决策，实现联合收益最大化，而不是此消彼长；搜索的在线深度学习，能够在秒级完成从日志收集、模型训练再到模型实时部署，日均处理数千亿次的样本。本文对三桐进行了专访，深入探讨了人工智能在搜索的应用。
阿里巴巴资深算法专家 三桐
三桐，2008年加入阿里巴巴，目前负责淘宝个性化和排序团队。他曾先后负责过相关性、query分析、个性化、排序、智能交互等方向，目前专注淘宝商品搜索算法方向。此外三桐还主持过多个搜索重大技术项目，致力于推动大规模机器学习、深度学习、在线学习、多智能体、迁移学习、知识图谱等在商品搜索的应用。
人工智能搜索
人工智能在搜索的应用范围是非常广的，具体包括这么几个方面：首先是语义搜索，通过深度学习和知识图谱技术，解决用户搜索查询意图和商品内容的语义匹配问题；其次是智能交互，通过感知用户搜索状态，帮助用户完成查询意图细化或切换，或通过智能问答技术解决售前售后导购问题；再次是个性化匹配，主要是根据用户行为足迹和上下文实时感知用户意图、用户兴趣偏好和生成个性化的排序策略；最后是智能决策，主要是指通过强化学习和多智能体等技术解决搜索排序中的策略探索和优化问题。
三桐表示，阿里的搜索智能化之路经历了几年的发展和应用，结合淘宝商品搜索业务特点，我们构建了一套有特色的人工智能技术体系，包括电商知识图谱，实时计算平台，离线深度学习平台，在线深度学习平台，智能决策平台和在线深度预测平台。
阿里的搜索智能化发展之路
双11的商品搜索及技术解读
“商品搜索是电商业务的核心技术”，双11期间更是对搜索技术提出了更高的需求：首先是弹性计算，双11高峰期搜索PV比平时大得多，系统需要根据流量情况实时调整机器资源；其次是实时计算、在线学习和在线预测能力，双11用户行为和平时大为不同，需要实时捕获用户兴趣偏好，在线更新个性化模型和实时预估；最后是排序策略，根据双11的需求特点要求系统能够实时调整排序策略。
对于双11海量的搜索请求，搜索技术也经历了相应的演进历程。一方面，系统和算法性能持续优化，致力提升系统性能；另一方面，通过弹性技术的应用来提高机器使用效率；此外也有通过异构计算等，解决深度模型稠密计算等问题。今年的双11，还采用了很多新的技术和算法，包括在线深度学习、强化学习、多智能体、多任务学习、离在线混布等。新技术和新算法的应用下，基于强化学习的智能交互极大提高了交互和搜索的整体收益，基于深度学习的语义搜索大大提高了搜索相关性，多任务学习下的个性化服务更是显著提高了搜索的个性化体验，还有多智能体技术实现的多个搜索场景联合优化等等。
阿里的智能搜索系统之个性化搜索
在搜索效率的提升上，今年更是取得了极为亮眼的成绩。三桐提到，双11当天数据无线搜索通过智能搜索技术A/B-test GMV提升了12.1%，GMV同比提升高达56%。
挑战及未来
人工智能愈演愈热的大背景下，“搜索未来肯定会朝越来越智能的方向发展”。为了应对复杂的个性化需求，阿里的智能搜索体系也一直致力于性能的不断优化，如引入Inference加速算法，实现降维、量化、剪枝、二值网络等功能。
面对冷启动、超参数学习、多模交互、智能导购、长期收益和量化、线上线下结合、AI业务创新等新挑战，三桐表示会注重多场景联合优化来提高整体效率，比如搜索、推荐和广告；life long learning，提高模型的用户和商品理解能力；多目标联合优化，实现搜索中用户体验、卖家流量和平台诉求多目标的联合优化。除了当搜索工具外，相信未来的搜索也会支持更优化的智能交互方式，比如语音、自然语言对话等。
在12月13-14日19:30的双11在线技术峰会上，届时三桐将详细介绍人工智能在搜索的应用。预约直播敬请点击：。