月初外媒曝光了科技行業一個“不可告人的秘密”,很多“人工智慧”能夠如此智慧的奧秘,竟然是因為這些公司僱傭了真人手動操作,完成幫助使用者讀取郵件、語音留言轉文字或是私人助理訂日程等功能,這一波“人工”可是真的很“智慧”了。
新聞一齣,眾人嘩然,除了對使用者隱私侵犯和對這些公司道德水平的評判,這一現象也引發了技術人的思考,除卻這些虛假激進的案例,有哪些人工智慧領域有代表性的前沿研發經驗值得我們借鑒參考?
以Google、Facebook等公司為代表,矽谷在人工智慧等領域一直走在世界前列。我們來看看矽谷有代表性網際網路公司的技術專家,他們在人工智慧領域有哪些不能被“智慧的人工”代替的前沿研發經驗。
視覺搜尋
視覺搜尋是最近計算機視覺的熱門研究領域,又稱基於內容的影象檢索。這個研究熱點主要由井噴式增長的線上圖片和搜尋引擎的流行所驅動,目前,Pinterest Lens(Pinterest的搜尋類似圖片應用)、Google Goggles(Google的照相搜尋App)、Google Similar Images(Google 的相似圖片搜尋)和Amazon Flow(Amazon的增強現實購物應用)是幾個商業化視覺搜尋系統中較為成功的案例。
其中Pinterest作為月活使用者超過2億,擁有數十億圖片儲存的初創公司,一直致力於依靠視覺搜尋和推薦,幫助使用者發現、儲存創意並應用到日常生活中。Pinterest的視覺搜尋架構和搜尋流程,包括圖片特徵向量提取、模型訓練、分散式視覺搜尋渠道的流程,以及在Flashlight、Pins、Len Your Look等主要相關產品中都有應用。
據Pinterest實驗室給出的資料,在視覺搜尋功能的幫助下,Pinterest的公司業務和使用者體驗都有所提高。 線上實驗表明, 使用者在related Pins的參與度在視覺搜尋技術的幫助下有了5 -10%的提高。
提升使用者增長
我們一般認為,推薦系統是最典型的機器學習和大資料應用之一。推薦系統可以以定製化方式向用戶介紹產品和資訊,同時可以增強使用者的滿意度和忠誠度。
LinkedIn從成立之日起,就在很多高價值、高使用度的資料產品中集成了推薦系統,比如“猜您認識”(People You Might Know,簡稱PYMK)功能。從那時起,幾乎LinkedIn的每條產品線都會包含一個推薦系統,典型的像職位推薦(job recommendation)、推薦關註(people to follow,company to follow)和課程推薦(courses to take)等。這些設計極大的提高了LinkedIn的使用者留存及增長。
更快速高效可靠的服務
Uber Eats自2015年12月在多倫多推出以來,已經在超過30個國家200個城市上線並持續快速發展。隨著過去兩年業務高速增長,機器學習和AI在Uber Eats重的應用也經歷了不少挑戰。
人工智慧可以在外賣軟體做什麼?其實餐廳推薦、動態定價、時間預測、智慧派單種種地方都能讓人工智慧大顯身手,Uber Eats技術團隊的工程師和資料科學家為了讓Uber Eats無論何時、無論何地都能快速、可靠、高效地送達做出了很大的努力,為佔據更大市場份額做出了非常大的貢獻。
更多人工智慧實踐內容請關註QCon上海2018,此外還有大資料、網際網路架構、區塊鏈等20+領域分享等你來pick,大會8折報名中,立減1360元。有任何問題歡迎諮詢票務經理Hanna,電話:010-84782011,微信:qcon-0410。
長按二維碼向我轉賬
受蘋果公司新規定影響,微信 iOS 版的贊賞功能被關閉,可透過二維碼轉賬支援公眾號。
微信掃一掃
使用小程式