订阅业界RSS CSDN首页> 业界

2018 AI先行者大会圆满落幕,精彩干货一键打包

发表于2018-10-09 17:19| 次阅读| 来源CSDN| 0 条评论| 作者Nora

摘要:本文将带你回顾2018 AI先行者大会精彩内容。

Hello!I am Baymax,your personal healthcare companion.”
“你好,我是大白,你的私人健康顾问。”

——《超能陆战队》

秉承着迪士尼和漫威一贯脑洞大开的风格,2014年上映的动画电影《超能陆战队》成功塑造了大白(Baymax)这个搭载强人工智能的充气充电机器人形象。作为主角小宏的哥哥所研发的“私人健康顾问”,电影中体型胖嘟嘟的暖萌大白不仅能够扫描生命指数,提供医疗帮助,还为饱受心理创伤的主人公提供情感慰藉,是一台真正能推理并解决问题的智能机器,他“有知觉,有自我意识,可以独立思考问题并制定解决问题的最佳方案,有自己的价值观和世界体系”。

诚然,电影在很大程度上理想化了人工智能的落地实现,但仍有越来越多的人开始愿意相信,属于AI的未来,将不可限量,现今的诸多科幻场景也终将照进现实。事实上,自从谷歌旗下DeepMind公司开发的人工智能程序AlphaGo及其进阶版Master,于2016年至2017年间,先后横扫棋坛引发全球观战之后,人工智能未来还将颠覆哪些领域这一问题被推倒公众眼前。然而在最初福祸两生的哲学或社会学探讨之余,更多的关注转而投向人工智能这项技术本身,AI+在应用层面的发展走势也同时受到广泛关注,单就中国国内而言,人工智能的学校教育也已经推至中小学。

技术长路漫漫,早有能者先行。他们在未知领域不断试错、迭代,解决各种问题,从而实现一项新技术的诞生、应用和落地,而其间踩的每一个坑和积累的每一分经验,于众技术爱好者而言,都是真正意义上的干货合集。2018年9月16日,由AICUG人工智能技术社区、Datafun社区、博学联合主办的2018 AI先行者大会于杭州召开,来自阿里文娱、科大讯飞、京东、华为、微软、腾讯、平安壹钱包、宜信、地平线、格灵深瞳等企业的数十名技术专家向参会者分享了国内不同行业公司的AI实践经验。本文将与你一同回顾这场千人大会的精彩内容,跨时空对话AI先行者。

主会现场精彩速递

阿里文娱永叔:视频AI在优酷搜索推荐的应用与挑战

以足量数据为前提的端到端分类模型——理想很丰满,现实很骨感。

阿里商业机器智能算法团队及优酷算法技术团队负责人王晓博(永叔)在分享中为大家介绍了视频AI在优酷的布局、相关技术应用在其业务场景下所面临的挑战,以及搜索和推荐在视频这一特殊场景下如何建模的问题。

谈及当前技术在视频搜索和推荐领域面临的挑战,永叔总结了来自以下两个方面的掣肘:

  • 多模态视频检索召回

优酷早期在做视频搜索时,通常采用视频的标题、描述和相关介绍来进行,但鉴于用户的诉求远不止于此。视频搜索引擎做得好不好其中一个规模性指标就是独立检索查询词的数目,这个数目的多少反应了用户对你的使用模式是什么,如果你只有头部的几千部视频,视频名称的索引,这样的使用方式对用户而言是非常单调的,诉求难于满足。据优酷最近的用户问卷调研显示,在有效反馈中有超过25%的用户称在视频搜索时不知道该输入什么查询词。对此,即使是曾经大热的视频语义搜索技术,也很难找到合适的应对方法。用户上传视频时所提供的源信息往往非常有限且语义模糊,例如大量的教育培训类用户视频,这种情况下搜索所面临的问题就变成了如何通过文本、图像、视频、声音等多个异构信息数据源来提供高质量的信息检索;

  • 来自监管部门的内容安全审核压力

所有内容网站其实都面临着这一挑战,而其来源又包含多个方面。首先便是审核标准的模糊和不确定性,因此在机器处理相对琐碎的审核任务之余,还需要消耗大量的人工成本,例如Youtube的人工审核团已达1万人。与此同时,Facebook的自研AI芯片之路(用以分析过滤视频)亦是巨大内容审核压力的反应。过去的审核工作通常在云端上进行,海量视频的存储、计算、传输开销使得视频自动审核面临着巨大挑战。此外,优酷在视频内容安全审核这一问题上还会面临的挑战大致可分为业务压力和技术压力两个方向:前者包括大规模数据(几十亿量级视频抽帧带来性能及IO的巨大开销)、用户低延时诉求、产品使命;后者包括跨媒介风险,以及构建端到端完整分类模型在实际操作中所面临的困难。对此,永叔提出了一些可供参考的解决思路,包括将小样本学习和领域知识相结合,以及内容网站常用的内容分级手段。在内容分级业务中,需要特别注意分级标准和分级样本库构建这两个重要问题。

视频AI技术在优酷业务线上的典型应用主要包括分类技术(视频内容分级、图像/视频分类等)、对象检测(人脸检测、风险对象检测)、视频版权保护(视频指纹技术、音频指纹技术)、视频语义等。如今,人工标注和数据分析二者间的关系已从分离走向紧密结合,而人工标注的成本也非常高,近五年的单位人工标注成本更是已经涨了近3倍,由此引发的竞争无疑相当激烈。面对大量分类任务,进行大规模多任务图像分类的常用操作是基于预训练模型在不同任务间共享网络学习权重,在一次学习中完成多个学习任务,同时能够在不同网络之间共享权重、共同训练。此外,永叔还介绍了能够提高标注效率、降低人力标注成本的Active Learning、基于少量截图进行视频识别的Few Shot Learning和迁移学习方法,以及人脸检测中常用的人脸矫正技术等。

分享最后,永叔简单对比了智能推荐系统在电商场景与视频场景下的差异。商品推荐的特色是货品数量远大于用户数量,而视频恰恰相反,面对几亿月活用户,精品长视频推荐由于数量限制常常陷入困境,即使进行视频切分,其所产生的短视频中具有可分发价值的视频数量也相当有限。同时,视频推荐系统的冷启动也是一大不容忽视的重要挑战。相应问题的核心都是扩召回和E&E(探索发现)的问题,优酷对此采用以短代长的方法,以海报、花絮、短视频的方式加以传播,充分利用用户的碎片化时间进行种草,在强化学习的即时回报之外,长视频推荐更关注延时回报的部分。

科大讯飞刘国光:语音大数据下的智能人机交互

钢铁侠式的多模态个人助理交互终将成为现实。

科大讯飞智能服务事业部创新业务总监刘国光具体分析了智能语音交互技术的发展现状及其所面临的挑战。从鼠标到现在的触摸,以及越来越多的智能音箱,智能人机交互正在引领新的产业变革。研究发现,在语音交互中,90%的信息输出主要靠语言,而80%的信息输入主要靠视觉。语音作为智能人机交互的重要入口已被业界广泛认同,但业界从来不乏对语音助手的质疑,尽管如此,以苹果、谷歌、微软为代表的国际巨头依然对语音入口保持热情并加大投入。若说工业革命是将人从繁重的体力劳动中解放出来,信息技术是将全世界的人紧密联系在一起,那么人工智能的一大使命就是将人们从繁重的脑力劳动中解放出来,客服这项工作便是一个尤为典型的例子。据多项人工智能及就业关系的调查显示,电话客服和打字员等工作的人工智能替代率高达90%,如今更是面临较高的人员流失率。未来,人机耦合的客户服务模式将成为企业服务的新常态。当前智能语音客服的应用状态仍然是以5个人带1台机器的模式提供服务,而未来三到五年的目标则是1个人带5台机器。

智能客服在应用层面主要分为智能化服务和智慧化运营两个方面,其具体应用需求还包括:让IVR更聪明;让外呼更智能;让数据更有价值;让安全隐患得到足够重视……智能服务存在的两大关键技术难点分别是声学(噪音、异常输入、方言、领域优化、多语言混合)、语义及知识(多轮对话、统一智能知识库、自由及复杂表述、知识挖掘、人机协同),如今也逐渐看到了一些突破点。谈及从声学层面解决语音识别问题,刘国光指出,目前深度学习仍然持续给语音识别效果带来红利,我们也可以在行业中看到一些趋势,其中包括个性化训练、硬件加速、AI行业化等。在深层语义理解方面,主要采用深度神经网络模型技术,而现在对效果贡献最大的仍然是有监督的数据,运营优化成本占人力投入的60%,于客户而言可谓颇具压力。对此,科大讯飞尝试建立泛化能力更强的模型,使之尽量依赖数据而非项目,并通过弱监督/无监督数据来提升知识库建库效率,减少客户投入。机器从人人对话中自主学习,知识半自动化构建,通过基于深度残差网络的海量数据的弱监督学习,辅助人工挖掘和构建知识,提升冷启动场景效果,效率提升30%(过去冷启动场景的成本需要10个人月,现在已经下降到7个人月,未来3年以内希望能降低到1个人月)。经过推算,基于弱监督数据和强化学习的方案的语义准确率可高达97%,超过了一些人工学习方案。

2016年,业界的话题重点集中在AI的相关技术;2017年,多方探讨人工智能的应用场景;2018年,越来越多的关注开始投向“到底新的算法、新的模型能带来哪些可衡量的用户价值”这一问题。

京东易津锋:AI-Powered Smart Retail at JD.com

如何利用人工智能赋能智慧零售?
如何利用人工智能技术提升用户满意度?
如何避免推荐系统中的重复推荐问题?

京东(南京)人工智能研究院负责人&京东人工智能研究院机器学习实验室负责人易津锋博士在报告中先是简要介绍了京东AI部门在成立不到一年时间内在顶级会议论文,国际竞赛,京东NeuHub人工智能开放平台以及与海内外名校合作上的诸多成果,接着重点介绍了京东AI在智慧零售领域的实践与思考。

易博士首先用多个视频短片从不同的角度展示了未来智慧零售业态下的日常消费体验。无论是可以足不出户就能完成智能试妆与智能试衣的Smart Mirror系统;可以为线下客户提供多样化、个性化服务的智慧门店;还是能够辅助设计师进行多样化设计的智能助手,都有望在智能推荐、人脸检测与识别、用户/店铺/商品画像、对话机器人、机器生成内容(MGC)等AI技术的支持下成为现实。在线下零售中,京东AI使用业界领先的人脸识别与检测算法,能够从海量人群中快速识别商店会员或其他目标人群。对于来往人群中非会员的冷启动用户,京东AI创建了实时的多人脸属性识别系统,可以对其人脸属性如性别、年龄、表情、是否有配饰等进行快速识别。此外,还可以通过AI技术识别用户的诸多其他属性,如他们衣着穿搭的颜色、款式、材质、品牌;手上是否拿包、包的数量、大小、颜色、logo;以及用户的身高、体型、走路速度等。在了解了以上的用户属性信息后,即使之前商家对该用户的信息知之甚少,也可以为其提供精准的个性化推荐。该推荐系统如果设置在店铺门口可以起到引流的效果;如果放在店铺内则可助力促销活动从而提升销量。

与此同时,智能门店通过安置在门口的摄像头对客流人群进行精细识别,能够实时监控和分析店内外的人流数据,进行细分年龄和性别的客流分析,引导店铺智能选址,优化员工上班及休息时间的安排等,为线下精细运营提供数据支持。此外,门店内部的摄像头结合AI技术还可以生成店铺热力图,使店家能非常直观地了解到哪些商品或位置会经常受到顾客的青睐或关注度较高,以及不同性别和不同年龄消费者对商品的喜好程度,从而为运营人员选品、优化商品陈列提供数据化的科学参考。除了以上针对线下零售的实践,易博士接着介绍了如何利用AI技术打通线上线下。为了方便用户选购满意的商品,京东拍照购服务已经上线,允许用户利用手机拍照功能及京东AI的图像识别技术,通过在真实世界中随手拍摄的一个商品即可查到该商品是否在京东商城售卖,使网络购物变得更加直观与便捷。未来用户还可以在以图搜图的基础上,通过添加颜色、款式等自定义的产品特征对想要寻找的商品进行个性化调整,最大限度地满足用户需求。

易博士接下来为在场听众介绍了京东利用AI技术提升用户满意度的多个实践,包括:

  • 有温度的智能对话系统:依托在京东人工智能开放平台NeuHub上线的情感分析API,京东对智能客服进行了全面升级。京东智能AI客服能够自动对用户在和客服交谈过程中表达的生气、焦虑、高兴等多种情绪进行精准感知,并在回复表达中蕴含相应的情感,让互动更有温度,从而大大提升了用户满意度。

  • AI写诗与礼品购结合:京东AI打造了可以为商品和用户定制化写诗的模型,并将这一能力用在了礼品购物场景。顾客可在选购礼品时选择附上一首为商品或收件人写的全世界独一无二的赠诗,为收件人带来额外的惊喜。

分享最后,易博士介绍了智能零售中的一大痛点——重复推荐,也是他在人工智能领域顶级会议NIPS2017的一篇论文中试图解决的问题。一直以来,重复推荐都是一个困扰着大量用户,且让诸多电商为之头疼的问题。追根溯源,导致该问题的其中一个关键原因在于电商场景下的很多推荐算法往往模仿了为电影推荐而设计的经典算法的思路,但它们其实并不完全适用于电商场景。比起经典的电影推荐问题,电商场景下的推荐多了两大难点:

  • 电影推荐中无需考虑时间和需求的因素,因为不同的电影间并不互斥。而电商售卖的商品往往包含大量的耐用商品,针对耐用商品的推荐不仅需要考虑用户是否喜欢,还需考虑在当前时间点用户是否需要这件商品;
  • 电影推荐中用户的打分直接阐明了用户对电影喜爱与否,但电商中往往没有打分而只有购买行为。虽然购买行为可能证明用户对该商品感兴趣,但不买不等于不喜欢或不感兴趣,因为这里还涉及很多其他原因,如①用户已在其他渠道购买但其已购信息未被采集;②计划在将来购买;③根本不知道该平台销售该产品等。换句话说,电商的数据往往只能反映用户喜欢什么,但不能反映用户不喜欢什么。只有单侧的用户反馈意见对推荐系统的建模造成了很大的困难。

虽然解决重复推荐是个极为困难的问题,但它无疑是提升用户体验的必由之路,京东集团本着用户至上的初心也在不断地迭代推荐模型,希望能持续地提升用户体验。最后,易博士表示AI技术除了是智慧零售的重要组成部分,也在京东内部的很多其他业务中发挥着巨大的作用。

此外,当日主会现场,AWS首席云计算技术顾问费良宏围绕与华为云深度学习服务团队负责人洪斯宝亦分别围绕《云计算推动的人工智能革命》以及《华为云深度学习服务介绍和应用》两大主题展开深度剖析,更多精彩内容,指路AICUG人工智能技术社区。

分论坛现场快报

携程鞠剑勋:大规模旅游知识图谱的构建和应用

携程旅游度假AI自然语言处理负责人鞠剑勋从旅游知识图谱的架构、构建、应用和未来这四个方面着手展开了分享。如今,知识图谱在金融、医疗等领域的应用可谓相当火热,但在旅游行业中却是少有听闻,那构建旅游知识图谱的原因和作用又是什么?以推荐系统为例,对于一些比较“奇怪”的旅行产品选择原因,若将所有复杂特征都纳入考虑,一般的推荐系统将很难满足需求,而知识图谱恰能填补这一块空缺。此外,熟悉SQL数据库的人都知道,每个应用都会有一个专门的表或专门的数据库来维护每个产品的数据,而将这些数据联合起来就需要大量的BI工作(例如JOIN多个表,或是对多个表做联合查询分析等),而这些分析往往可以用知识图谱取代。

鞠剑勋在分享中分别介绍了领域知识图谱和通用知识图谱,谈及二者关系时他指出,领域知识图谱和通用知识图谱会之间存在相互影响,通用知识图谱可以作为旅游知识图谱的基础,而旅游知识图谱则可以反过来完善通用知识图谱。

在旅游知识图谱架构中,底层为数据采集,其中的数据存储主要采用OWL和图数据库:

OWL的优点:

  • 清晰的schema定义
  • 丰富的类与类的关系
  • 实现简单的推理

图数据库的优点:

  • 毫秒级别查询性能
  • 百亿级别数据规模
  • 在线实时更新

知识图谱构建方法:

  • 先定义schema(定义有哪些实体类型、属性类型、数据类型、哪些类别等);
  • 然后进行知识采集(实体识别、关系抽取、外部知识库提取,例如从大段文本中抽取关系、从外部知识库提取一些已有的三元组补充到知识图谱中);
  • 数据库迁移(数据迁移、数据备份、结构化转换,例如从SQL数据库中把数据迁移到知识图谱中)
  • 实时更新(通过一致性检查发现有无问题,然后对一些重复的东西做知识融合、版本管理)

旅游知识图谱的应用:

  • QA应用(客服)
智能客服可谓NLP领域效果最显著,同时能减少最多人工量的一项工作,因而各大企业对于智能客服的需求也比较大,其中所涉及的算法包括自然语言理解、自然语言生成、指代消解、命名实体识别等。若从知识图谱底层构建的角度来谈智能客服,其区别在于这里用到了KBQA(Knowledge Base QA),即QA答案主要从知识图谱中获取,而知识库的存储查询融合推理也就变得很重要(答案来源)。KBQA擅长解决一些细粒度问题,而且由于利用了知识图谱,其回答会更加精确且更具多样性,例如已经存在于知识图谱中的实体或实体属性相关的问题、有明确实体关系的问题、属性三元组问题等。当然也有不擅长的部分,比如有固定问答的问题、很宽泛的咨询问题、无法在知识图谱中定义的问题等。

  • 推荐应用
在推荐领域可用的方法有很多,但知识图谱一般不用于基于特征的推荐方法(和知识图谱关系不大),而基于路径的推荐方法(如Personalized entity recommendation、Meta-graph based recommendation,这两种都可体现知识图谱特性)也有缺点,即需要提前预设路径,不支持自动搜索路径。此外,还有一些基于知识图谱的特征学习,这类方法是利用知识图谱将产品的实体 或特征、属性的实体等转化为向量格式去参与最终运算。

  • 搜索应用
一般搜索用的都是全文索引类的搜索引擎,往往无法解决一些包含语义的句子,例如“上海的南边适合旅游的地方” ,但知识图谱可以对“上海南边”加以解析,(实体是上海,关系是南边)然后指向一些实体,继而筛选其指向的这些实体,即可得出适合旅游的地方,所以知识图谱在搜索中的应用基本上是语义理解层面的。

旅游知识图谱的未来的应用:

当前知识图谱得发展在很多方面仍有待提高,未来可能出现的两个发展方向包括:语义信息输入到深度学习模型中,将离散化的知识表示为连续化的向量,从而使得知识图谱的先验知识能够称为深度学习的输入;利用知识作为优化目标的约束,指导深度学习模型的学习过程,通常是将知识图谱中的知识表示为优化目标的后验正则项。分享最后,鞠剑勋总结了旅游知识图谱未来发展的关键词:

  • 技术方面:多领域融合、自动推理、自动抽取、事件图谱;
  • 应用方面:开放域对话系统应用、旅游线路玩法推荐应用、旅游生态规划、热点事件追踪

平安壹钱包陶玮:AI在风控领域的整体实践

平安壹钱包大数据团队技术负责人陶玮围绕AI在风控领域的实践这一主题展开分享,深入探讨如何将AI技术真正落地到风控这一领域的实际应用中。

AI 在风控体系中可以做些什么

于风控领域而言,AI 并不是救世主,只是一个使之变得更好的服务角色。诚然,风控在很长一段发展时期之后,已经形成了比较成熟的规则体系,但人工智能可以带来大量自动的规则学习和更加强大的表达能力,而不仅仅是一些线性模型。其次,随着金融业务的发展,风险模式也在不断变化,带来了新的对抗。无论是银行还是金融产品,包括他们旗下的商城、支付,每个功能具体的应用目标都不太一样。但大致归纳起来,AI 在风控体系中的具体应用场景主要分为反作弊、反欺诈和反洗钱。

规则是风控的基础,也是风控的核心。任何一个领域都需要知识积累,风控业务人员也是在“斗争”中摸索出规则,这些规则都是经过实践考验的,且这些规则对模型训练中的样本和特征选择都是很好的先验知识。规则的另一点好处就是便于调节,操作灵活。

如何使用AI模型

面对一个未知场景,风控系统如何才能分辨出哪些是作弊行为,哪些是正常行为,核心在于数据。通过模型训练,在抓取能描述行为的信息后,会做一个聚类操作。针对聚出来的几大典型行为,行业内一般会选择继续确认是正常还是异常,给数据打标,以此作为监督学习的样本进行分类训练,最终得到模型。

在反欺诈领域,行业内一般会利用图模型来描述关系。简单来说,将IP作为勾连用户的纽带,共用一次IP就表示发生一次联系,最终通过统计来计算用户与用户之间的关联紧密度。

通过社区发现算法,可以将整张图切分成各个相连的部分,计算每个部分之间的关联度。关联度过高就会需要引起注意。当然勾连用户的纽带不仅仅是IP,也可以是设备号等信息。

如何支撑AI方案落地

模型的背后是特征,特征的背后是数据和分析师,而数据又会依赖应用系统的产生,这是一个系统的工程,而AI是最后一步。陶玮认为,目前AI远未到取代人类思考的地步,它需要人来完善认知,需要大量的样本(知识)。应用的技术实现对我们也很重要,例如之前提到的行为链,用户的操作牵涉到前端页面后后台系统,这些来自不同系统的数据要连成链,就需要一个统一的技术方案和各部门的支持配合。这对我们的工作提出了更高的要求,各项技术都要懂一点,或者至少要能找到靠谱的人合作。

腾讯优图白雪里:AI,让各个行业更高效

腾讯优图智能交通方案架构负责人白雪里带来了《AI 让行业更高效》这一主题从AI方案构成、AI行业解决方案等角度切入,分享了AI在行业落地方面的一些经验。

在现在我们常说的ABCD,即AI、Blockchain、Cloud、Data中,AI诞生最早(在1956年的达特茅斯会议提出了人工智能概念) 。而在最近一次繁荣期,或者说是复苏期(1997-2010)和爆发期(2010-)之前,AI曾经历两次低谷和繁荣,这两次低谷和繁荣也给整个学术界带来了很深的反思:大家发现之前可能把人工智能想得太简单了,同时也过高估计了计算机的处理能力。因此在以1997年IBM深蓝战胜人类国际象棋冠军为起点的第一次复苏之后,学界并未对此大肆宣扬,甚至包括在2006年Hinton和他的学生开始深度学习之后,整个学术界都仍然觉得AI的定位是在特定行业的特定方向去解决一个特定的问题,尚不是一个通用的人工智能,直到目前也是如此。只不过现在从媒体到大众,甚至是从业者或甲方可能会认为AI可以做到非常多的事情,事实并非如此,AI仍保留着大数据第一范式的现状,在不同的行业还是需要不同的经验和不同的数据,需要关注该行业的痛点,以及AI与该行业的结合点。

优图AI方案的构成包括三个方面,即研究、场景和数据一定要打通。作为腾讯旗下最顶级的人工智能实验室,优图自腾讯研究院时期,就开始不断积累算法、技术和工程的能力,但若要实现落地并在特定场景下发挥作用,研究必须与场景、数据相结合。下文将列出部分AI行业解决方案:

AI × 社交娱乐

去年的八一建军节和今年的五四青年节,腾讯推出的“我的军装照”和“前世青年照”的活动一度刷屏朋友圈,这看似简单的AI实现中包含颇多复杂关窍。从社交娱乐的角度来分析, 其需求不过是趣味性、个性化、美化效果。事实上,自修图软件问世,我们就从未停下过让自己在照片上变美的脚步,而这就是AI算法在背后起到的作用,其中涉及几个关键算法:人脸检测、五官定位。

AI让社交娱乐更加有趣,也让我们一些商业化的更加便捷地用到这样个性化的解决方案。为短视频拍摄、直播、图像处理工具等互联网产品推出了美颜特效产品解决方案,包括美容美妆、滤镜、动态贴纸、人脸融合、抠图和动态效果等。

AI × 社交工具

随着短视频领域的火热,面对海量视频,完全依赖手工筛查可谓极难实现,网络空间并不是法外之地。该方案基于优图智能鉴黄技术、暴恐图片识别技术、OCR技术和人脸识别技术,可以精准识别出图片中的色情内容、暴力恐怖内容、恶意文本以及政治敏感人物,为客户提供一站式图像内容监控服务,辅助甚至代替人工过滤垃圾,提高审核效率。

AI × 智慧零售

零售行业历史非常悠久,从最初的单店,到超市、连锁门店,再到现在的购物中心,每一个业态都有不同的需求。零售是一个非常大,且非常需要个性化的市场,这个行业背后,有没有什么是通用的?白雪里在分享中特别强调了打通人货场的意义,他表示人是将人、货场串联起来的关键。从人到销售额,需要经历哪些转换?首先是吸引到店,其次是消费转化率,再是客单价,AI技术可以从这三方面着手,为商家带来相应的提升,其中包括店铺管理、门店罗盘、动线分析、区域洞察、客群管理、顾客信息等,通过对人的数据的分析,从而改变场的构造、货品的构成。

AI × 金融

金融行业因其自身特性,普遍情况下是一个相对比较保守的行业,通常不愿意去过早尝试新技术,但移动化联网及移动支付的普及,正在倒逼银行去做一些改变,例如开户等行为的线上核身流程:身份证OCR+活体检测(线上关键环节)+人脸对比,三个技术串联,提升了用户的开户体验。

应用场景:

  • 金融开户。将银行、证券、保险、互联网金融等场景下复杂的线下身份验证流程(如开户)转为线上自助服务,既满足金融行业高安全性的要求,又方便了用户。
  • 单据识别。通过优图OCR技术,自动识别各类单据和证照,在保证信息录入准确率的同时,大幅提升了信息录入和验证的效率。
  • 线上监管。对线上用户进行上岗注册及身份核验,确保人证合一,保证了线上身份的合法性和安全性。

除此之外,白雪里在分享中还介绍了AI技术在智慧基建、医疗、智慧安防、智慧交通、智慧教育、公益文化等层面的应用——AI,让生活更美好。

更多演讲视频及PPT资源等精彩内容指路AICUG人工智能技术社区。
AICUG人工智能技术社区成立于2018年3月份,每月在不同城市举办技术沙龙,并有走进名企AI技术开放日活动,本届AI先行者大会是社区主办的第一次大会,10月起将在硅谷同步开展线下沙龙。


0
0