Gmail用人工智能技術(shù)判定垃圾郵件

極客網(wǎng)北京7月10日消息，據(jù)國外媒體報道，谷歌表示，在人工智能技術(shù)的幫助下，Gmail垃圾郵件識別率如今提升到了99.9%。

大約10年前，垃圾郵件幾乎要毀了電子郵箱。一場拯救人們的郵箱的比賽隨即打響，兩大科技巨頭也力爭奪得垃圾郵件頭號殺手的頭銜。

2012年2月，微軟聲稱，它能夠過濾掉Hotmail 97%的垃圾郵件。谷歌后來作出回應，稱它的Gmail能夠過濾掉大約99%的垃圾郵件，而且誤判率（將沒問題的郵件誤判為垃圾郵件的比例）也只有1%。

兩家公司的成果表明，啟發(fā)式檢測技術(shù)——按照預設(shè)規(guī)則識別垃圾郵件——能奏效。

不過，它們還不夠出色。1%的垃圾郵件還是會讓人很煩惱，而1%的誤判率也可能帶來不小的麻煩，尤其是錯過重要的信息的話。因此，這些公司繼續(xù)不斷改良各自的垃圾郵件過濾技術(shù)。現(xiàn)在，憑借一系列新的人工智能工具，谷歌在這方面又上了一層樓。

谷歌時隔3年再一次公布了Gmail的垃圾郵件數(shù)據(jù)，稱它的垃圾郵件比例已經(jīng)削減至0.1%，誤判率也下降至只有0.05%。該公司將此主要歸功于類大腦的“神經(jīng)網(wǎng)絡(luò)”的引入。引入到垃圾郵件過濾器后，該類技術(shù)能夠通過分析大量計算機上的信息來學習識別垃圾郵件和釣魚信息。

“機器學習的一大好處在于，它能夠自行適應不同的環(huán)境?！盙mail高級產(chǎn)品經(jīng)理約翰·瑞伊-格蘭特（John Rae-Grant）指出。谷歌稱，Gmail目前的全球用戶量達到9億。換言之，Gmail的垃圾郵件過濾器并不只是通過實施預設(shè)的規(guī)則來清楚垃圾，它們在運行期間還能夠自行制定新規(guī)則。

針對你不想看到的

與Facebook和Twitter一樣，谷歌也是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的領(lǐng)先者。近年來，該公司利用該類技術(shù)來識別你向Android手機發(fā)出的語音指令，辨別你發(fā)布到Google Photos服務的照片，等等。據(jù)谷歌工程師杰夫·迪恩（Jeff Dean）稱，公司將這些技術(shù)應用于其互聯(lián)網(wǎng)帝國上的各種服務。

神經(jīng)網(wǎng)絡(luò)技術(shù)也能有效用于識別垃圾郵件其實并不令人意外。百度在使用該類技術(shù)來推送你可能會有興趣的廣告，F(xiàn)acebook利用它來在動態(tài)消息（News Feed）中判斷你可能想看的內(nèi)容。在某種程度上，垃圾郵件識別技術(shù)只是這些系統(tǒng)的相反面，它針對的是你不想看到的信息。

其它公司也在探索將神經(jīng)網(wǎng)絡(luò)用作過濾工具。除了識別垃圾信息之外，Twitter還計劃利用該技術(shù)在其社交網(wǎng)絡(luò)上識別淫穢內(nèi)容。

粗略地說，這些神經(jīng)網(wǎng)絡(luò)是機器的巨大合集，模擬大腦中的神經(jīng)細胞網(wǎng)絡(luò)。在谷歌，迪恩和由其他人工智能工程師組成的核心小組負責運作這些網(wǎng)絡(luò)，提供軟件庫，從而讓包括Gmail團隊在內(nèi)的其它谷歌團隊能夠用得上。據(jù)谷歌軟件工程師維賈伊·埃蘭蒂（Vijay Eranti）稱，Gmail團隊幾個月前才開始采用該項技術(shù)。

說到神經(jīng)網(wǎng)絡(luò)，瑞伊-格蘭特指出，“從研發(fā)到初始應用再到廣泛的應用，事情的發(fā)展非常迅速，尤其是這個領(lǐng)域?！?/p>

個性化調(diào)整

微軟現(xiàn)在的垃圾郵件過濾率達到多少呢？該公司還沒有公布Hotmail（現(xiàn)改稱為Outlook.com）這方面的最新數(shù)據(jù)。不過它也在部分產(chǎn)品中采用神經(jīng)網(wǎng)絡(luò)技術(shù)。正是由于該技術(shù)，Skype電話的即時翻譯功能才得以實現(xiàn)。

然而，正確來說，應用神經(jīng)網(wǎng)絡(luò)只是像谷歌這樣的公司打擊垃圾郵件和確保用戶收到正當內(nèi)容的舉措的一部分。瑞伊-格蘭特還表示，Gmail利用數(shù)項工具來調(diào)整垃圾郵件過濾器，從而使得它們符合用戶特定的偏好。

“這方面有灰色地帶，一個人的垃圾對另一個人來說可能是寶貝?！彼f道。

“我們會追蹤并試圖粗略估計你想要看到什么內(nèi)容，不想看到什么內(nèi)容，具體是根據(jù)你之前關(guān)注過什么信息，標記了哪些內(nèi)容為垃圾信息。所以，除了應用接收所有人的反饋的大機器學習模型，我們還會針對個人進行適當?shù)恼{(diào)整。”（皓慧）

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。