廖若雪，百度的主任架构师，百度下一代搜索引擎负责人，最近又有一个新的民间封号————-读心“巫师”。

    不过，在搜索引擎中检索“廖若雪”，几乎得不到任何有价值的线索。不过，这个颇为中性化的名字，或许与中文搜索的未来有着重要关联。

    与多数“技术天才”的成长轨迹不大一样，廖若雪并不是科班出身，大学时在北京大学学的是材料化学。大学里的廖若雪酷爱玩游戏，是个中高手。“一想到材料化学，就赌得慌，哪里有游戏有意思啊。”

    爱好让廖若雪走上了他的游戏之路。大学毕业后，凭借在编程上的天赋和大学里的积累，他进入了一家游戏公司，开始了技术生涯。至今，廖若雪仍是狂热的游戏迷，而搜索引擎上关于他为数不多的最早的相关内容，是在一次招聘时候，他摆下擂台与前来的求职者PK游戏，“结果连败7名挑战者”。

    不过那段经历对廖若雪而言算不上成功，除了使他成为一个游戏高手之外，并没有让他体会到自己实现了自己的价值。2005年，一个偶然的机会，廖若雪看到了百度招聘的消息。那时候的百度已经算是中国互联网领域的风云企业，上市的步骤已经基本完成，对他而言，这家单纯凭借在搜索引擎技术领域的强大实力就战胜了对手，并征服了哪些苛刻的投资人和银行家的公司无疑令人向往，而且可以肯定，百度里面应该有很多的游戏高手能够相互切磋，这是非常令人兴奋的事情。

    “我告诉自己，一定要抓住这个机会，做一些能够改变互联网甚至人们生活的事情。因此我抱着试一试的态度去百度应聘，结果竟然真的梦想成真了。”廖若雪回忆。那是2005年，廖若雪就此加入了百度，开始做检索端方面的事情，工作的主要内容是确保和提升百度搜索引擎的稳定性、速度和可靠性，其实也就是一个做分布式集群，此后逐渐拥有一长串的头衔：百度主任架构师、第一任搜索技术委员会主席、索引新架构总技术负责人……并且负责过多个研发团队，从前端组，到检索端组，再到Rank组，带头打了很多硬仗。

    真正的转折是2009年。2009年9月的百度创新大会上，廖若雪上台公布百度“阿拉丁”项目，这是他第一次出现在公众面前。“百度正在瞄准下一代搜索技术。”李彦宏和李一男给了百度的未来如此定位，而廖若雪就是李彦宏为此项目第一个钦点的架构师。

    成为“阿拉丁”第一个架构师，廖若雪还肩负了另一个重任——“阿拉丁”项目出台时，恰逢从华为出来的李一男加盟百度，业内人士普遍将“阿拉丁”的成败作为李一男加盟百度的第一场大考。

    如果回到20世纪80年代，面对一台当时的电脑，人们很可能会不知所措。原因很简单，当时要访问电脑内的内容——不管是软件或者游戏，你起码必须掌握基本的Dos命令。换句话说，当时用户与内容链接的方式，是输入大量电脑“听得懂”的命令，再让电脑将其执行出来。

    信息爆炸时代的来临，海量的内容让用户无所适从，也催生了搜索引擎的快速发展，而糟糕的搜索推荐不仅无法达成正确链接，反而干扰了正常的内容消费，百度开始思考：搜索引擎如何更准确、更聪明？能否根据用户的兴趣在不同时间、地点送上及时恰当的信息？

    “阿拉丁”是百度尝试的开始。而推荐引擎，则是实现“根据用户性格，快速准确送上信息”的关键。2011年开始，在李彦宏的钦点下，廖若雪开始带领团队秘密研发百度推荐引擎，潜心于用户模型的建立、用户行为的研究。早期，百度推荐引擎实践于音乐随身听，自适应用户喜好变化、采用音乐专家系统技术。近期，推荐引擎实践于百度新首页、百度知道。

    “比如说，有一个北京用户在百度知道上问，正走在五环上，很堵，想了解什么情况，急着要回答。百度方面透露数据，从一个用户在百度知道上提出问题，到这个问题被合适的回答者看到，平均需要12个小时。”廖若雪说，因为推荐引擎的使用，五分钟这个用户就会及时得到回答。

    而在业界，廖若雪“读心大师”的称谓也不胫而走。

    对话：推荐引擎是读心工具

    电脑报：搜索引擎从历史发展来看，更多的是文本匹配，推荐引擎得到不一样的回答？

    廖若雪：搜索引擎早期发展不需要对用户行为去理解，不需要去考虑用户到底什么性格、特点，或者他在什么位置。但若采用推荐引擎，就要考虑用户性格、性别、还有地域的问题，比如说在北京和在深圳的，就需要不一样的回答。

    所谓“跨领域推荐”引擎技术，就是不用频繁地去搜索，“能够聪明地理解和感知不同用户对于信息的需求，并跨越产品、平台的局限，调用全网资源去努力满足这些不同类型的需求。”

    电脑报：据我了解， Pandora在DVD购买和租赁层次上面做推荐，亚马逊也在做商品推荐。这是否推荐引擎的应用形式？

    廖若雪：亚马逊、PANDORA、NETFLICX就是推荐引擎的典型应用。但与常见的推荐引擎不同，百度的跨领域推荐引擎是一个系统的推荐技术平台，可以支撑多媒体介质、多语言环境，为用户提供无所不在的推荐服务。例如，搜索“好看的电影”，就能获得符合该用户喜好的电影；搜索“怎么向女友求婚”，就能获得一套针对你和女友量身定制的方案，甚至连道具、路线、天气，乃至如何讨得她家小狗欢心的方法都考虑得一应俱全。

    电脑报：研发跨领域推荐引擎技术，最重要的技术是什么？如何做到快速理解用户，并给他们有用的内容？

    廖若雪：一个好的跨领域推荐引擎，首先需要大量的用户数据库。现在我的团队每天数据挖掘量超过1.5 PB，如果用A4纸打印，可以铺满海南岛，若摞在一起，比天宫一号轨道还高。