《旅行青蛙》風靡國內之後，不論蘋果應用商店 App Store 還是谷歌的 Google Play，都出現瞭不少山寨應用。
如果你曾留意過，會發現它們往往披著原版遊戲的外衣，做著誘騙你付費下載（或者竊取隱私）的勾當，在被騙錢騙時間之外，其實是對正版開發者和用戶雙方的共同傷害。不止《旅行青蛙》，很多現象級應用都曾出現過類似的情況。
通常情況下，在官方審核通過，上線市場之後，一款 App 究竟是不是和介紹中一樣是很難判斷的。人們往往隻有下載使用之後才會發現自己上瞭當，這就給不少圖謀不軌的開發商一個「撈一票就走」的機會。現在，Google 嘗試利用 AI 技術來解決這一頑疾。
在 1 月 30 日 Google 開發者博客中，Google 公佈瞭他們在 2017 年利用新的機器學習技術來改變 Google Play 存在的問題。其中最重要的一方面，就是在用戶尚未下載之前，提前發現一些不良 App 並做出處理。
不論是 Google 還是蘋果，每天都有大量 App 進入商店，在過去的規則之下，難免會有一些鉆空子的 App 進去商城，利用機器學習技術，可以直接對下面幾種類型應用做出判斷：
首先是山寨應用。這或許是最被大傢熟悉並且討厭的類型。一般而言，這種應用會在關鍵字上做出一些很「雞賊」的設定從而獲取到第時間搜索的流量，並引誘大傢安裝。利用機器學習技術，在對 App 圖標和內容描述進行甄別後，Google 在 2017 年識別檢測出 25 萬個山寨 App。
第二大類就是不健康應用。有大量涉及血腥、極端暴力以及反社會非法內容，在人工審核的狀態下難以發現，利用機器學習模型，可以幫助發現這些應用，並發現開發者相關信息，從而在上線之前即時有效的標記出這些內容。
第三種則是潛在有害應用。如果說前兩類是在內容上讓用戶可感知的危害，那麼潛在有害應用的危害用戶不易覺察，類似於木馬和釣魚程序，它們往往會在用戶使用之後損害設備，比如進行 SMS 欺詐，偷偷傳輸設備數據等。盡管這類程序數量並不算多，但鼓秋為瞭發現他們需要花很多時間，通過機器學習的算法，針對一些相關信息的過濾，Google 在 2017 年對 PHA 的攔截效率提升瞭 50%。
根據 statista 的數據，2017 年度，Google Play 應用數量超過 350 萬個，App Store 也有 220 萬個，無論對 Google 還是蘋果而言，當下應用商店繁榮背後，對用戶來說是既豐富卻不友好的體驗。
一方面，用戶在海量 App 中發現自己需要的東西需要耗費大量時間，另一方面，充斥低質量的 App 也會另優秀開發者失去信心，損害不少開發者的利益。Google 利用機器學習技術要解決的也正是這些問題，如 Google Play 產品經理 Andrew Ahn 所說，新技術不僅刪除瞭更多不好的 App，也更早識別並采取行動。有 99% 的不合格 App 如今都能在安裝之前被發現並拒絕上架。
iPhone 實際上也在嘗試解決這些方面的問題，在 iOS 10 更新中，對 App Sotre 的改版不但增加瞭每日推薦的卡片式內容，同時在推薦時也嘗試進行更加精細化介紹，防止出現上邊的情況。但這樣的人工幹預如果能夠進一步配合機器學習的過濾，更能讓用戶產生良好體驗。
至於國內用戶，在 iPhone 之外的大量 Android 用戶。第三方應用市場是否會有相應的辦法提高上架應用質量，同時降低潛在風險，恐怕需要做的還很多。（編輯：Rubberso）
頭圖來自視覺中國，文圖來自 android-developers
