现在机器学习与深度学习、人工智能（ＡＩ）非常盛行，各种应用也随之产生，但一些需求还是来自最根本的状况，例如光是一个电子商务平台，怎样给不同的消费者个人化的消费体验，就是业者的大问题，现在我们则利用深度学习与ＡＩ的工具，利用时间和因果关系的考虑因素，给消费者更智能的推荐，而不致使人厌烦。

Google AI首席科学家纪怀新

要改进一个系统的推荐能力，需要大量数据以及不断改进算法，以Google的Play市集来说，平台上有百万数量的Ａｐｐ，在190多国，过去30天内平均有十亿人使用，其中有八二○亿个程序下载量，这样大的数据量，足以让Google试着为用户做出更好的推荐。

好的推荐是不容易的，因为即使是Google，每天都有上万个可推荐的Ａｐｐ，可以给各种用户数百种建议，但我们必须个人化，深度学习就是一个建立运算模式的作法。传统的推荐方式只是将用户和项目配对，例如汉堡就等于年轻人，但现在不仅是同样的行为、用户有不同心态，甚至于情境不同也有差异，例如用平板跟用手机的用户需求可能根本不同。

我估计，未来的推荐将朝向三方向发展，第一是个人化与多元化，例如足球都热门，但用户在Play平台上一打开全都推荐世界杯，这时你还会抱怨系统不懂我；第二是全球化、服务到全球用户；第三是重新考虑、平衡不同使用频率，设计推荐模式。

最近我们尝试在推荐的函式中，加入因果关系的考虑，这也是基于时间考虑的角度，在不同时间的同一行为，会有不同理由，或是同一件事在不同情境就要有不同选择；我们发现很多事情会重复出现，成功理解这种因果关系，就会有更好的推荐系统，这些都是为了给用户比较简单的选择。