# 克里斯托斯·古德羅：YouTube 演算法 > YouTube 首席產品官古德羅談推薦演算法如何決定影片分發，以及點選率、觀看時長與使用者滿意度之間的取捨。 - 原標題：Cristos Goodrow: YouTube Algorithm - 期數：特別節目 - 釋出日期：2020-01-25 - 嘉賓 / 主題：YouTube 推薦演算法 - 網頁版：https://lex.qiaomu.ai/tw/ep/cristos-goodrow/ - 官方頁面：https://lexfridman.com/cristos-goodrow/ - 精讀字數：約 7367 字（閱讀約 16 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 YouTube 上每天新上傳的影片，加起來有 50 萬小時。一個人類平均壽命大約 70 萬小時。今天一天上傳的內容，就夠一個人從出生一直看到死。 這是 Christopher Goodrow（克里斯托斯·古德羅）在一次訪談裡給出的對比。他是 Google 工程副總裁，負責 YouTube 的搜尋與發現團隊。外界更喜歡把他管的這一攤事，直接叫作“YouTube 演算法”。 每天有 10 億小時的影片在 YouTube 上被播放，超過 Netflix 和 Facebook 影片加起來的總和。全球第二大搜尋引擎是 YouTube，僅次於 Google 自己。19 億使用者每天在上面上傳、觀看、點贊、點踩、訂閱、評論，這些行為疊加起來，構成了那個被無數人討論、猜測、指責、依賴的東西。 古德羅在訪談裡反覆說的一句話是：它根本不是一個演算法。 ## “YouTube 演算法”根本不是一個演算法 外界想象中的推薦系統，大概是某個龐大的公式，或者一張精密的權重表。古德羅的說法是，那是一堆跑在不同服務上的系統，包含程式碼、機器學習模型、啟發式規則，再加上一個被大多數人忽略的部分：每天來 YouTube 的所有人的行為。 > 如果明天沒有人來 YouTube，這個演算法也就不工作了。人的行為是演算法裡非常關鍵的一部分。（古德羅） 這個說法的含義比聽上去更重。人們抱怨“演算法給我推了這些東西”，抱怨的物件很多時候是別的觀眾。是那些和你相似的人，用他們的點選告訴了系統該給你推什麼。演算法在這裡主要做的事情，是跟蹤、記錄、反應。 他也講了這個系統走過的路，跟絕大多數機器學習系統一樣：先用最簡單的啟發式，慢慢收集資料，再一點點把啟發式替換成能從具體情況裡學習的模型。多樣性是最典型的例子。最早的做法簡單到近乎粗暴，同一個頻道不能連推三條以上。規則有用，因為確實沒人需要連著看六條同一個頻道的東西。規則終究是死的，後來團隊不斷把它細化，讓系統針對具體的人、具體的情境做判斷，把那條通用規則逐漸拆掉。 ## 關聯圖：沒有人教它什麼是語言 推薦系統最早一次真正意義上的突破，是協同過濾。 原理不復雜：觀察哪些影片被同一個人在相近的時間段裡看完。把經常被一起看的影片放得近一點，很少被一起看的放得遠一點，畫出一張圖。他們管這張圖叫關聯圖（related graph）。 這張圖神奇的地方在於，它自己長出了結構。同一種語言的影片自動聚在一起，體育影片自動聚在一起，音樂影片自動聚在一起。系統裡沒有任何一行程式碼告訴它什麼叫語言，什麼叫體育，什麼叫音樂。它是從人的行為裡自己看出來的。 古德羅講了一個他覺得特別好玩的例子。幾年前有位研究者找他，說想研究 YouTube 對雙語使用者的推薦做得不好。這位研究者在美國做學術，搜學術內容時想看英文影片，搜完點進去，接下來的推薦全是英文。她說，YouTube 一定以為我只會說英文。可她其實來自土耳其，有時候做飯想看土耳其語的影片，搜一個做果仁蜜餅（baklava）的影片點進去，接下來的推薦全變成土耳其語。 她自己都不敢相信這是怎麼做到的。答案就在那張圖裡。英文影片和土耳其語影片這兩塊地方，分別有足夠多的人在成片地看，圖就自己分出了兩個相鄰但獨立的區域。當她從一塊跳到另一塊，系統立刻跟著變。 協同過濾最有力的地方就在這裡：**你不需要理解內容，你只需要理解人怎麼移動。** ## 多樣性分兩個臺階 推薦系統的難點不只是“找到你想看的”，更難的是“找到你想看、但還不知道自己想看的東西”。 古德羅把多樣性分成兩個臺階。 第一個臺階比較容易。你在看數學科普頻道，系統給你推幾個其他的科學、數學頻道。這是在相鄰區域裡稍微挪一挪，使用者接受度高，效果也穩。這是很多年前團隊最早做的版本。 第二個臺階才難。系統把所有影片做嵌入（embedding），聚成一個個簇，然後去測量一件很微妙的事情：看 A 簇的人，有多大機率也去看 B 簇。答案有時候相當出人意料。看科學影片的人，同時也喜歡爵士樂。這個關係一旦被識別出來，系統就可以偶爾給你推一條爵士影片。 > 看科學影片的人，喜歡爵士樂的機率，比喜歡後院小火車模型的機率要高。（古德羅） “隨機推送”聽起來能滿足多樣性，實際上是最沒用的做法。古德羅說得很直白：隨便從幾十億條影片裡挑一條，很可能連你的語言都不是，你根本不會點。真正要做的，是在那兩個條件之間找到精確的位置，既不太像你平時看的，又是你確實可能點開的。 ## 你自己是 YouTube 裡的一個向量 訪談裡有一個說法很值得記下來。 > YouTube 的推薦系統看你，本質上就是看你所有看過影片的歷史記錄。你可以把自己想成一條由所有你看過的影片組成的 DNA 鏈。（古德羅） 換成更技術的說法：你是所有影片構成的那個空間裡的一個向量。那些和你向量接近的人，就是和你口味相似的人。他們的觀看史裡那些你還沒看過的影片，就是系統可以試著推給你的東西。 這個視角解釋了不少現象。你換了興趣之後推薦會跟著換，因為你那條向量在空間裡移動了。新使用者看到的推薦很差，因為他的向量還沒有形成。兩個人同時點開同一個影片，接下來的推薦會完全不同，因為兩個向量的位置不一樣。 古德羅說，團隊在很多年前實驗過，把這個“簇”視覺化給使用者看，讓他們知道過去幾年自己都看了些什麼。後來這件事被簡化成觀看歷史記錄。那種“我能看到我自己的畫像”的需求，其實一直存在。 ## 用觀看時長衡量價值，然後發現還不夠 推薦系統要最佳化什麼，這個問題看起來簡單，實際上決定了整個產品的性格。 古德羅把這條演化路徑講得很清楚。最早用觀看量，一個影片被看得越多，質量越高。很快就發現這個指標不行，因為有人點進去看兩秒就關了，這條影片的“觀看量”也加了一。於是換成觀看時長，前提是時長和使用者獲得的價值正相關。這一步進步很大，依然不夠。 > 我自己也有過深夜在電視上翻頻道，最後莫名其妙看完了《潛龍轟天 2》。第二天你問我，昨晚看那個片子開心嗎？我會說，我寧可去睡覺，或者看本書，幹什麼都行。（古德羅） 於是有了第三步：看完之後的使用者調查。系統隨機請一些使用者給剛看過的影片打分，一到五顆星。這個訊號被喂回模型裡，讓系統學的東西從“你現在會點什麼”變成“明天我問你的時候，你會給幾顆星”。 這是整場訪談裡最重要的一次方法論轉向。**從行為預測轉向滿意度預測。**看完了，不等於滿意。點開了，更不等於滿意。真正值得最佳化的是使用者事後回看那段時間，覺不覺得值得。 他給出的“成功”定義也順著這個邏輯：每次使用者被問到，這個影片是不是你在 YouTube 上看過的最好的影片之一，他都說“是”。古德羅承認這個目標大概永遠實現不了，只能無限逼近。 ## 關於訂閱按鈕，你可能一直用錯了 除了觀看、時長、點贊、點踩、分享、評論、調查，還有一個訊號容易被忽略：訂閱。 訂閱這個訊號沒有想象中那麼幹淨。古德羅團隊做過使用者研究，發現大家對“訂閱”這件事的理解差異大得驚人。 有一類使用者看得很多，幾乎不訂閱。問他為什麼，他說：我付不起。團隊解釋了半天訂閱是免費的，只是告訴 YouTube 你對這個創作者很感興趣。這類人的心理模型是，訂閱等於付費會員。 另一類使用者訂閱一大堆頻道，那些頻道的影片基本不看。問他為什麼，他說：那個人做得太棒了，我就是想給他鼓個掌。 古德羅說自己的訂閱列表裡就躺著一堆這樣的人。影片從來不看，但每次看到那人還在更新，他就是想點一下訂閱表示支援。他也承認，這大概是訂閱按鈕的錯誤用法。 > 我們不能閉上眼睛說，抱歉，你用錯了。我們得接受世界上所有人用訂閱按鈕、用點贊、用點踩的所有方式。（古德羅） 這句話適用於所有產品設計。**使用者永遠不會按你設計的方式使用你的產品，你唯一的選擇是接受他們真實的用法。** 還有幾個訊號值得單獨說。“不感興趣”這個按鈕看起來不起眼，古德羅說它非常強。一個使用者主動說“我不想再看到這個”，比任何隱式訊號都直接。他提到自己在看到這個功能的時候，作為機器學習從業者有一種很奇妙的滿足感，覺得是在幫系統變聰明。 他借這個感受提了一個建議：YouTube 可以更多地向使用者傳遞這種感覺。特斯拉的自動駕駛會讓車主覺得自己在幫忙訓練系統，維基百科讓每個編輯者覺得自己在共同構建一件好事。YouTube 這件事上做得不夠。使用者點讚的時候，往往只覺得自己在最佳化自己的推薦，沒意識到自己也在讓整個系統變好。 ## 機器做規模化，人做判斷 訪談裡被反覆追問的一個問題是：這件事有多少能靠機器學習解決，有多少必須靠人？ 古德羅的答案是沒有一個世界可以只有其中一邊。 機器學習最需要的是資料，資料是人做出來的。想要判斷一個影片是不是誤導性內容、是不是踩了政策邊界，第一步就是讓人類評估員一個個看，一個個標。這些標註成了訓練資料，模型再拿這些資料去覆蓋幾十億條影片。沒有人的判斷，模型無從學起；沒有模型的規模化，人根本看不過來。 Lex 追問的部分很有意思：這些做判斷的人，自己有沒有偏見？ 古德羅的回答很坦誠。團隊確實在主動管理這件事。有些偏見是他們主動要求的，比如要求評估員偏向科學共識，偏向有明確專業性和可信度的來源。另一些偏見是他們主動規避的，辦法包括同一條內容分給多個人看，以及確保評估員來自不同背景、不同地區。 > 有些偏見我們希望保留，有些偏見我們希望消除。（古德羅） 這句話值得細想。一個內容稽核體系裡，“偏見”沒法被當成純粹的貶義詞。偏向科學共識、偏向專業來源，本身就是一種立場選擇。真正需要防的，是那些和內容判斷無關的偏見，比如涉及受保護群體的不公平偏差。 ## 邊界地帶：降權比刪除更常見 政治和意識形態內容，是訪談裡最尖銳的部分。Lex 提到他在大學時讀安·蘭德（Ayn Rand），後來也研究過蘇聯時期的社會主義和共產主義，都是值得認真看的意識形態體系。 古德羅的回答框架很清晰：先把規則畫出來，能畫清楚的地方畫清楚。言論自由不等於什麼都能說，社會本來就接受了誹謗法這類限制。畫清楚的地方直接刪。 真正難的是邊界地帶。這些內容不違規，也沒有什麼建設性。對這部分的處理方式：降低推薦權重，同時把權威、可信的資訊源往上抬。 > 安·蘭德和共產主義，這是兩種都有相當多人認真討論的觀點。我們不打算裁決哪個對，我們要做的是確保表達這些觀點的人，是權威的、可信的。（古德羅） 這個說法聽上去很溫和，它背後藏著一個巨大的問題：誰來定義“權威”和“可信”？物理學裡這個問題容易回答，政治哲學裡幾乎無解。古德羅自己也承認這一點，他說“責任重大”不是客套話，這是 YouTube 內部排序最高的議題。 他還轉述了 YouTube CEO 蘇珊·沃西基（Susan Wojcicki）的一句話：希望二三十年後的人回頭看，會說 YouTube 真的把這件事想明白了，真的在開放帶來的價值和開放帶來的風險之間找到了平衡。 評論區的問題他也講了。冒犯、嘲諷、惡意的評論是創作者要面對的現實，很多創作者都說過自己必須變得“抗造”。YouTube 在做的事情是兩條線：用機器學習給評論排序，把建設性的往上放；給創作者和使用者工具，讓他們能遮蔽、能管理。他說得很實在：這件事會一直做下去，大概永遠做不完。 ## 病毒影片像滾雪球，一圈一圈擴出去 Lex 提到了物理科普創作者 Derek Muller（Veritasium 頻道），他那條《為什麼這個水庫裡有 9600 萬個黑球？》在幾天內拿到三千萬播放。 古德羅說，從外面看，這個過程就像任何一個給人推薦東西的人在做事。 > 你先給一些人看，他們說喜歡，你就想，好，我再找一些和他們有點像的人試試。他們也喜歡。那圈子再擴大一點。一直到某一天反饋說，行了，太遠了，這些人不喜歡了。（古德羅） 這個過程是自動的、漸進的、基於反饋的。他自己也承認侷限：**沒人知道怎麼預測一條影片會不會火。**團隊試過用播放量的一階、二階導數做預測，也試過看流量來源（來自 Twitter 的流量是否意味著更容易爆發），效果都不好。他開玩笑說，他完全不知道如何製造一條病毒影片，除了讓小孩在你直播新聞的時候闖進鏡頭。 有一個角度特別值得記下來。他建議與其去猜什麼會火，不如去理解使用者會怎麼搜。他以 NBA 舉例：有人搜“勇士對火箭”，有人搜“庫裡”。如果一條比賽集錦裡恰好有庫裡那個精彩進球，這條集錦就多了一個被找到的入口。 > 你永遠不知道人們會怎麼搜你創造的東西。所以你應該去做切片，去加標題，讓他們儘可能容易地找到它。（古德羅） 這對內容創作者是最直接的一條建議。別把關鍵資訊藏起來，你的內容值得有更多被找到的路。 ## 讓機器看懂影片，這條路才走了不到四分之一 Lex 反覆追問影片內容理解這件事。YouTube 自己釋出過計算機視覺領域的資料集，團隊在這條路上投入多年。 古德羅給出的判斷很剋制。系統能判斷出這是音樂影片還是體育影片，能判斷出畫面裡有人在踢足球。它判斷不出這是曼聯還是他女兒的球隊。他說得很直接：能做到“嗯，這大概是足球”，再往下就做不動了。 有一段他講的往事挺有意思。幾年前 YouTube 直播一場重要的《魔獸世界》電競賽事，但是在搜尋框裡輸入“World of Warcraft”，搜不到這場比賽。因為直播標題裡只寫了“第七場，A 隊對 B 隊”，沒把“World of Warcraft”這個完整片語寫進去。 Lex 插了一句：在網際網路上，太直白其實很“不時髦”，這就是問題所在。古德羅同意。有意思的標題往往靠機智、靠間接、靠幽默，機器學習模型想要的是直白：你就告訴我這裡面是什麼。 所以現階段，標題和描述這種文字資訊依然是演算法最可靠的抓手。它給演算法看，也給使用者看。搜尋結果裡所有影片標題裡都有“World of Warcraft”，唯獨你的沒有，使用者自己就會懷疑這條是不是搜錯了。 至於什麼時候機器能真正看懂影片，古德羅給了一個數字：如果八年前是 0%，今天是 100% 的完成度，那麼現在大概走了不到四分之一。 > 我們的世界比我們以為的要複雜得多。（古德羅） Lex 提到 Yann LeCun 的觀點：自監督學習，讓模型看海量影片去預測下一幀，可能通向更高層次的智慧。古德羅的回應帶著工程師的懷疑。他說影片壓縮演算法本身就在做預測下一幀的事，但預測下一幀和理解之間隔著一大截。**一幀裡的微小誤差累積起來，就可能匯出完全不同的影片。** Lex 補充說，真正的壓縮是把一小時的影片壓成一句話：“兩個人在說話，內容大概是什麼。”這才是理解的終極形態。古德羅承認這個方向很迷人，也承認現實很慢。 ## 創作者停更，頻道不一定掉粉 訪談接近尾聲時，Lex 問了一個很多創作者關心、卻很少有人敢直接問的問題：如果停更，粉絲是不是就跑了？ 古德羅的回答很乾脆： > 停更完全沒問題。我們能觀察到很多例子，創作者休息一段時間回來，比之前更受歡迎。我們觀察到“回來更強”的例子，和“回來更弱”的例子一樣多。所以“停更必然掉粉”是一個需要被打破的迷思。（古德羅） 這句話背後有一層他沒有展開但很值得想的東西。一個創作者能吸引人，很大程度來自他的獨特性，他的視角、他的聲音、他做事的方式。這些東西不會因為休息一個月就消失。真正會消失的，是創作者硬撐著做出來的、自己都不滿意的東西。 他還補了一句：很多情況下，休息之後的影片質量反而更高。一個在 burnout（倦怠）狀態下硬撐著工作的人，大機率做不出最好的作品。 還有一個他提到的細節，很容易被忽略。人們持續回到 YouTube，靠的常常是腦子裡有一個預期：我回來能看到某個創作者、某個主題、某類內容。如果 YouTube 只有一條接一條的病毒影片，今天是貓彈鋼琴，明天是小孩打斷記者直播，使用者根本沒法形成這種預期，某一條爆款本身也留不住人。 > 這就是為什麼粉絲和創作者之間的連線這麼重要。它是一種能延續到未來的關係。（古德羅） 很多人把推薦系統理解成“分發內容”，推薦系統真正在建立的，是人和人之間的一種間接關係。 ## YouTube 正在變成電視 古德羅講了他自己的成長經歷。七十年代長大的小孩，看了大量電視。當時人們告訴他媽媽，電視會把他的腦子看壞，勸她把電視扔了。他說，現在他自己家的情況是，YouTube 是電視的更好版本：點播、貼合每個孩子想看的、還能找到電視上根本不可能出現的內容。 這個類比值得停一下。YouTube 的對手從來都是電視本身。它在做的，是把“看電視”這件事從“某個時段播什麼你就看什麼”徹底改寫成“你想看什麼就有什麼”。這個轉變的意義，可能比大部分人意識到的要大。 他還講了一個自己都覺得好笑的細節。他在 YouTube 工作了將近九年，直到去年才知道 YouTube 上有 1970 年代南加大（USC）的橄欖球比賽全場錄影。這些內容在他入職的時候就已經在平臺上了。 > 所以這裡有一個巨大的機會：讓更多人知道 YouTube 上到底有什麼。（古德羅） 這個細節說的是另一件事。哪怕一個平臺的推薦系統做得再好，它真正被使用者發現的內容，也只是冰山一角。把冰山剩下的部分露出來，是搜尋和推薦接下來最有價值的工作之一。 ## 寫在最後：給創作者的幾個具體建議 這場訪談資訊密度很高，普通創作者最能直接用上的部分其實散落在各處。整理一下： - **標題和描述要把話說白。**模型理解影片內容的能力還很粗糙，標題和描述是它最可靠的抓手。它們同樣是使用者在搜尋結果裡判斷“這條是不是我要找的”的第一依據。有創意的標題很好，別把關鍵資訊藏起來。 - **主動做切片，給小片段加上標題。**你永遠不知道別人會用什麼關鍵詞找到你的內容。一段 90 分鐘的長影片，如果切成 20 個帶標題的片段，你的被找到入口就多了 20 個。 - **把訂閱按鈕當成“告訴系統我對什麼感興趣”，別當成付費會員。**它是免費的，它的作用是讓推薦系統知道你的偏好。因為誤解而放棄這個訊號，可惜。 - **多用“不感興趣”，少用默默划走。**主動告訴系統你不想要什麼，比無聲離開有效得多。每一次明確的負反饋，都在讓下一條推薦更準。 - **想休息就好好休息。**“停更必然掉粉”是個迷思。回來變強和回來變弱的例子一樣多，照顧好自己是第一優先順序。做不出好內容的時候硬做，才是真正的損失。 - **別試圖預測爆款，去思考被找到的路徑。**沒人能預測哪條影片會火。能做的，是讓內容有多條被找到的路徑，然後等反饋來擴大圈子。 最後回到古德羅反覆強調的那個點。推薦系統的核心落在資料上，落在人的行為上，落在幾十億人每天的選擇疊加出來的路徑上。你在 YouTube 上每一次點選、每一次點贊、每一次“不感興趣”，都在改變那條屬於你自己的向量，也在微妙地改變下一個人的推薦。 這個世界很難說是被演算法支配的。它更像一張由所有人的選擇共同畫出來的地圖，演算法只是那個幫你在地圖上找路的人。