播客类今日头条诞生记：TensorFlow成共享秘方？

TensorFlow 有望成为 AI 时代的「安卓系统」。

Castbox 的创始人王小雨比来很忙，虽然公司在国内，但她近期基本都泡在美国洽谈音频版权合作事宜，希望能够进一步推进付费业务的开展。

瞄准海外市场的 Castbox 是一款音频类聚合应用，可以对标国内的喜马拉雅 FM 和荔枝 FM。从 2016 年创立到现在，Castbox 已经连续两年在谷歌开发者大会中被评为音频聚合类的最佳应用。

然而，尽管在两年间，Castbox 在全球 135 个国家的订阅用户已经超过了 700 万，是目前 Google Play 上排名第一的音频应用，但王小雨始终对开启付费模式连结谨慎态度。

如果半年前没有选择使用 TensorFlow，王小雨大概不会这么早就下决心到美国洽谈音乐版权问题，并推进音频收费项目。

(Castbox目前使用的是和今日头条相似的AI内容保举  图|Castbox官网截图)

此前阻止王小雨开展收费项目的正是对用户粘性的忧虑。即使是在比国外音频类聚合应用市场更为成熟的国内市场，在付费阅读上依然仍处于探索阶段，尚未完全伸展拳脚。

这样的现状正是考虑到，在对平台产生认同和依赖前，为免费内容而来的游客，很可能因为付费模式而选择逃离。但如果用户能够形成对平台的使用习惯，并产生强烈的认同感，其付费订阅意愿提升，便会更加有利于付费模式的推进。

但如何让游客酿成住民，对一个平台形成依赖呢?作为谷歌前员工，王小雨很自然地想到了用谷歌的开源工具 TensorFlow来为 Castbox 留下更多住民。

在使用 TensorFlow 之前，王小雨使用的是传统的协同过滤，可以按照用户订阅保举相似内容，但这种基于用户订阅所得到的推介结果的相似性和准确度不高，保举内容不够贴合用户需求，用户订阅转化率不够高，不足以形成Castbox推进付费模式的环境。

而通过利用 TensorFlow 提供的框架，Castbox 的开发人员开发出一款拥有内容保举功能的 AI 系统，解决了保举内容的不贴合。

这一借由 TensorFlow 开发的 AI 系统选择关注用户的点击通过率，而非单纯的订阅状况，并通过机器算法，将 CTR(Click-Through-Rate 点击通过率)高的音频内容保举给用户。这种算法的好处在于，它不需要考虑差别国家语言的不同，只要按照大数据就可以掌握用户兴趣点并加以保举，这和今日头条的原理是相似的。

这款内容保举应用上线半年多后，Castbox 的用户数量由 500 万提升到 700 万，用户内容订阅转化率提升了一倍，用户平均订阅音频节目从 3 个增长到 6 个摆布。「Castbox 要针对全球 135 个国家的用户，从 5000 万个内容中给用户保举……而 Castbox 给我(用户)保举的都是很符合我(用户)心意的内容。」对于王小雨而言，内容订阅转化率的提高证明了用户对平台的粘性正在加强，用户留存率也随着提高，而这正是王小雨现在忙着购买版权的底气之一。

像王小雨这样利用 TensorFlow 开发本身应用的人并不少。好比，国内的游戏厂商《列王的纷争》也接入了 TensorFlow 中谷歌翻译的 API，能够让中外游戏玩家进行沟通。而清华大学自然语言处理与社会人文计算实验室的学者也在使用 TensorFlow 加深对语言的理解。

(安卓系统在全球拥有超过 20 亿使用者 图视觉中国)

2005 年，安卓系统母公司被谷歌收购时还名不见经传，但 12 年后的今天，它在全球已经拥有 20 亿用户。谷歌开发出来的原生安卓系统，无论哪国的开发者都可以使用，开发者更可以在原始版本中进行本身的更新。像国内的小米 MIUI、魅族 flyme都是在原生的安卓系统上进行加工的。

与原生的安卓系统比拟，谷歌开源TensorFlow平台还不到两年，但谷歌对它的期许却更高，希望它能酿成 AI 时代的「安卓系统」，这也是谷歌从mobile first 到 AI first 转向的重要一环。

尽管看起来不为人所知，但我们在日常生活中使用谷歌产品时早已和 TensorFlow 打过交道。当你使用谷歌翻译、搜索、地图、YouTube 时，TensorFlow 贡献的底层架构一直在默默工作。

在谷歌的官方介绍中，TensorFlow 是采用数据流图(data flow graphs)、用于数值计算的开源软件库。这个软件库提供包孕图像识别、语音识别等神经网络学习的数据基础架构，是专门为系统开发人员准备的深度学习开源工具。

不过，TensorFlow 提供的系统库并不是一个严格的「神经网络」库。只要开发者能够将计算体现为一个数据流图，就可以使用 Tensorflow。这也被很多行业人士吐槽，认为 TensorFlow 开源的底层应用太过基础。但对 Castbox 这样的初创企业来说，基础性的架构至少已经帮手他们解决了一个极为关键的问题——减少开发 AI使用的技术人员数量。

(谷歌官网对TensorFlow框架的介绍 图|谷歌)