ในการค้นหาสถานที่พักผ่อนที่ยอดเยี่ยมเมื่อคุณกำลังท่องเที่ยวนั้นสามารถที่จะเป็นกระบวนการที่ต้องใช้ความกล้าหาญแบบหนึ่ง โดยทั้งเรื่องตำแหน่งสถานที่ ราคา จำนวนห้อง ห้องว่าง สิ่งอำนวยความสะดวก ชนิดการเช่า ราคา และตัวแปรอื่นๆ อีกมากมายที่จะมีบทบาทอย่างมากในกระบวนการ ดังนั้น เพื่อที่จะช่วยให้เหล่านักท่องเที่ยวได้รับการแนะนำที่ดีที่สุดจาก Airbnb ในการวางแผนการท่องเที่ยวของพวกเขา นักพัฒนาระบบในบริษัทจึงได้พัฒนาอัลกอริทึม deep learning ที่จะช่วยเพิ่มประสิทธิภาพในการแนะนำผลลัพธ์การสืบค้นที่พักในแพลตฟอร์มค้นหาที่พักของบริษัทได้
ในงานตีพิมพ์ที่เผยแพร่ออกมาใน ArXiv นักวิจัยได้อธิบายวิธีการที่พวกเขาทำในการแปลงระบบการเรียนรู้ของเครื่อง (Machine Learning) ไปที่ระบบ Deep Learning โดยงานตีพิมพ์ได้ตั้งเป้าหมายไปที่ทีมงานหรือบริษัทต่างๆ ที่มีระบบ Machine Learning แล้วต้องการที่จะแปลงไปที่ระบบโครงข่ายประสาทเทียม Neural Network
“พวกเราควรจะแนะนำระบบ Deep Learning ไปที่คนอื่นหรือไม่? ซึ่งเราพูดด้วยความเต็มใจเลยว่า ใช่” นักพัฒนาระบบ Airbnb กล่าวไว้ในงานตีพิมพ์ “มันไม่ได้เป็นเพียงเพราะผลกำไรที่ยอดเยี่ยมในประสิทธิภาพออนไลน์ของโมเดลเท่านั้น จะมีส่วนหนึ่งในสิ่งที่ต้องทำนั้น ระบบ deep learning ได้เปลี่ยนแนวทางของ roadmap ไปได้เรียบร้อยแล้ว” ทีมงานอธิบาย
โดยทีมงานได้เทรนระบบ Deep Neural Network บนเฟรมเวิร์ก TensorFlow กับข้อมูลการปฏิสัมพันธ์ของผู้ใช้ที่ดีจำนวนหลายปีจาก log ของ server บริษัท
ก่อนใช้ระบบ Neural Network บริษัทได้เคยใช้ระบบ Machine Learning ที่สร้างขึ้นมาเองเพื่อทำเป็นระบบ recommendation system ที่จะประกอบไปด้วย Gradient Boosted Decision Tree (GBDT) ซึ่งเป็นโมเดลที่ใช้ทำนายการจัดการระบุและจัดลำดับผลลัพธ์การสืบค้น สิ่งนี้นำไปสู่ “หนึ่งในการปรับปรุงก้าวใหญ่ที่สุดก้าวหนึ่งในการของบ้านที่พักในประวัติศาสตร์ของ Airbnb” ทีมงานกล่าว อย่างไรก็ดี “ผลกำไรในการจองออนไลน์นั้นในที่สุดก็อิ่มตัวกลายเป็นแบบกลางๆ เมื่อผ่านไปในช่วงเวลาหนึ่ง สิ่งนี้จึงทำให้เป็นช่วงเวลาในการลองจัดการเปลี่ยนแปลงปัดกวาดระบบขึ้นมาใหม่”
“ก่อนหน้านี้จะเป็นการมุ่งเน้นไปที่ฟีเจอร์ทางวิศวกรรมเป็นอย่างมาก แต่หลังจากย้ายมาใช้ระบบ deep learning จึงเห็นว่าการพยายามที่จะใช้คณิตศาสตร์ในการทำฟีเจอร์นี้เองนั้นได้ทำให้เราเสียเวลาไปมาก” นักวิจัยกล่าว “ระบบ deep learning ได้ปลดปล่อยพวกเราในการค้นหาปัญหาในระดับที่สูงขึ้นได้ เช่นการที่พวกเราจะปรับปรุงวัตถุประสงค์ในการทำ optimization ได้อย่างไร หรือการที่พวกเราจะนำเสนอผลลัพธ์ได้อย่างถูกต้องให้กับลูกค้าได้” ซึ่งหลังจากสองปีให้หลังที่ได้ใช้ระบบ neural network สำหรับระบบการจัดลำดับผลลัพธ์การสืบค้น พวกเรารู้สึกเหมือนว่าเราเพิ่งจะเริ่มต้นเท่านั้น”
