广州Python培训
达内广州Python培训中心

18087159764

热门课程

如何让AI演变变成个人的?

  • 时间:2018-04-28
  • 发布:达内新闻
  • 来源:达内新闻

几个世纪以来,人们通过选择服装,家具和配饰以及书籍,歌曲和电影等物品的喜好来表达个性和个性。互联网和移动平台的进步使得新的发现和创作易于共享和策划。鉴于此类产品和服务个性化的巨大价值,本博客将探讨AI如何帮助提供对消费者和企业都有价值的建议。

人工智能的最新发展,特别是深度学习(DL)和深度神经网络(DNNs)的各种拓扑结构,在提取数据模式的合理表示方面特别适合并且更精确。DNN的这种表示不需要编排一些重要的算法和特征来创建分类或预测模型。这是DNN的性质,最常见的是卷积和循环神经网络(CNN和RNN),数据中固有的特性可以在没有特定公式的情况下被揭示。因此,图像和语音识别已经看到了CNN和RNN变体的人类表现。

与具有RNN和CNN分类的语音和视频的稳定时间序列不同,推荐系统基本上不同并且更具挑战性,因为用户活动发生在难以对齐的不规则时间间隔。尽管面临这些挑战,但在英特尔人工智能实验室,我们研究了AI和DL具有重大影响的商业价值领域,并且可以用传统机器学习(ML)技术的先前统计方法进行基准测试。因此,个性化是勘探兴趣的关键主题。

Facebook,亚马逊,Netflix和Spotify等技术公司目前推出的最新推荐技术已经部署了多种类型的DL模型,尽管没有官方的基准可以与ML进行比较。例如,亚马逊只发布了一个DL库,可用于创建具有矩阵分解的DNN组合。由于个性化AI的价值和复杂性,我们想测试不同的算法并分享我们的发现。

python培训

我们的目标是开发一种推荐引擎,通过对不同算法进行基准测试并确定零售商收入最大化选项,向购物者提供个性化产品建议。

结果是基于该数据的DL模型比顶层K(K = 3)基准中的经典ML协作过滤方法具有高15%的准确度。举例来说,如果45%的客户购买ML系统推荐的3款产品中的一款,在DL模型的相同数据测试中,该数字为60%的客户。这一发现的重要性在于客户通常可以通过DL获得更好的建议,这可以为企业带来更高的收入。

未来对这项研究的更新可能会应用来自强化学习(RL)的一些主动学习技术,特别是如果有连续的在线数据可用,并且我们预计新方法将以更高的准确性和收入影响取得更好的结果。

与DL和RL类似的做法不仅有利于零售或电子商务业务,而且还有在媒体,金融,医疗保健,教育和其他行业提供产品和服务推荐的公司。随着关于使用消费者数据和在社交媒体中应用各种AI技术的最新争议,重要的是要强调,负责任的AI解决方案将合适的消费者知识和参与纳入适用的法律和法规。在这种情况下,DL和RL可以并且将提供很大的好处。个性化人工智能就是这样一个领域,个人被证明可以在他们的发现中获得有益的和相关的帮助,而企业可以获得更大的商业价值。

这个博客展示了一个具体的例子,与传统ML相比,DL方法提供增强的价值主张。我们预计其他企业及其消费者也将从类似的AI算法中受益,以帮助进行新产品发现和推荐。尽管如此,即使人工智能对个性化的作用和影响日益增加,但由于我们对学习和探索的追求不断,所以它不会取代人的个性在品味和偏好塑造上的重要性。

上一篇:物联网在培训AI方面的作用
下一篇:比较AI的密集计算平台
选择城市和中心
贵州省

广西省

海南省