数量已经足够丰富的当下，人们需要的恰恰就是更优质的筛选，AI 技术恰好能做的更好。
《旅行青蛙》风靡国内之后，不论苹果应用商店 App Store 还是谷歌的 Google Play，都出现了不少山寨应用。
如果你曾留意过，会发现它们往往披着原版游戏的外衣，做着诱骗你付费下载（或者窃取隐私）的勾当，在被骗钱骗时间之外，其实是对正版开发者和用户双方的共同伤害。不止《旅行青蛙》，很多现象级应用都曾出现过类似的情况。
通常情况下，在官方审核通过，上线市场之后，一款 App 究竟是不是和介绍中一样是很难判断的。人们往往只有下载使用之后才会发现自己上了当，这就给不少图谋不轨的开发商一个「捞一票就走」的机会。现在，Google 尝试利用 AI 技术来解决这一顽疾。
在 1 月 30 日 Google 开发者博客中，Google 公布了他们在 2017 年利用新的机器学习技术来改变 Google Play 存在的问题。其中最重要的一方面，就是在用户尚未下载之前，提前发现一些不良 App 并做出处理。
不论是 Google 还是苹果，每天都有大量 App 进入商店，在过去的规则之下，难免会有一些钻空子的 App 进去商城，利用机器学习技术，可以直接对下面几种类型应用做出判断：
首先是山寨应用。这或许是最被大家熟悉并且讨厌的类型。一般而言，这种应用会在关键字上做出一些很「鸡贼」的设定从而获取到第时间搜索的流量，并引诱大家安装。利用机器学习技术，在对 App 图标和内容描述进行甄别后，Google 在 2017 年识别检测出 25 万个山寨 App。
第二大类就是不健康应用。有大量涉及血腥、极端暴力以及反社会非法内容，在人工审核的状态下难以发现，利用机器学习模型，可以帮助发现这些应用，并发现开发者相关信息，从而在上线之前即时有效的标记出这些内容。
第三种则是潜在有害应用。如果说前两类是在内容上让用户可感知的危害，那么潜在有害应用的危害用户不易觉察，类似于木马和钓鱼程序，它们往往会在用户使用之后损害设备，比如进行 SMS 欺诈，偷偷传输设备数据等。尽管这类程序数量并不算多，但鼓秋为了发现他们需要花很多时间，通过机器学习的算法，针对一些相关信息的过滤，Google 在 2017 年对 PHA 的拦截效率提升了 50%。
根据 statista 的数据，2017 年度，Google Play 应用数量超过 350 万个，App Store 也有 220 万个，无论对 Google 还是苹果而言，当下应用商店繁荣背后，对用户来说是既丰富却不友好的体验。
一方面，用户在海量 App 中发现自己需要的东西需要耗费大量时间，另一方面，充斥低质量的 App 也会另优秀开发者失去信心，损害不少开发者的利益。Google 利用机器学习技术要解决的也正是这些问题，如 Google Play 产品经理 Andrew Ahn 所说，新技术不仅删除了更多不好的 App，也更早识别并采取行动。有 99% 的不合格 App 如今都能在安装之前被发现并拒绝上架。
iPhone 实际上也在尝试解决这些方面的问题，在 iOS 10 更新中，对 App Sotre 的改版不但增加了每日推荐的卡片式内容，同时在推荐时也尝试进行更加精细化介绍，防止出现上边的情况。但这样的人工干预如果能够进一步配合机器学习的过滤，更能让用户产生良好体验。
至于国内用户，在 iPhone 之外的大量 Android 用户。第三方应用市场是否会有相应的办法提高上架应用质量，同时降低潜在风险，恐怕需要做的还很多。（编辑：Rubberso）
头图来自视觉中国，文图来自 android-developers
