皇冠体育寻求亚洲战略合作伙伴,皇冠代理招募中,皇冠平台开放会员注册、充值、提现、电脑版下载、APP下载。

首页科技正文

lô đề là gì(www.84vng.com):你的双十一已经被AI统治了,比你更懂你的AI推荐系统,价值千亿

admin2023-01-1412Game kiếm tiền

ERC换TRC,TRC换ERCwww.u2u.it)是最高效的ERC换TRC,TRC换ERC的平台.ERC20 USDT换TRC20 USDT,TRC20 USDT换ERC20 USDT链上匿名完成,手续费低。


铁子们,长达近一个月的双十一大战快要接近尾声了。


我们错付了光棍节,但却没错过马爸爸开创的每年一度的购物狂欢。不过代价有点大就是了,主要是钱包空了。不过说真的,老DC发现现在的双十一已经不是最初单纯的价格战了,全方位的购物体验让老DC一不注意就把工资贡献给了祖国的电商事业。说起全方位的购物体验,精准商品推荐、极速配送、智能客服等等,都为双十一购物节提供了极大的助力。


你有没有想过,在不经意间,你的双十一已经被AI统治了?


2022年的双十一,普通的消费者不仅可以轻轻松松就筛选出自己想要的商品,还会收到非常符合自己喜好的商品、直播的推荐。这背后隐藏了推荐系统的变迁,在小朋友问父母问题的场景里,父母其实就充当的是小朋友的推荐系统,但普通人的知识储备毕竟有限。互联网时代,有了搜索引擎,但还不足够。


再后来,AI技术的兴起,帮助了推荐系统大步前进,无论是购物平台的商品推荐,直播平台的主播推荐,还是视频平台的视频内容推荐,越来越多的人开始感叹,AI更懂自己。


AI推荐系统,也默默成为了互联网公司业务中重要的组成部分。数据显示,在一些全球大型在线网站上,即使推荐内容的相关性仅提高 1%,其销量也会增加数十亿,AI推荐系统无疑是藏在众多互联网应用背后的高价值系统。


不过,高价值的AI推荐系统目前还有被少数公司负担得起,如何才能实现AI推荐系统的普及?我们又合适才能拥有完美的AI推荐系统呢?


1、精准营销:AI比你更懂你


其实有时候不是我们非得要买些什么,可能就是随大流,冲着双十一的气氛去。


“那我不买不就行了?”


“我少买点,也算参加了这几千亿的大项目了。”



虽然是这么想,但是一打开某包、某东,就好像着魔了似的,购物车不知不觉地就99+了。那可能因为:你不知道买什么,但AI比你更清楚你想买什么。


早在双十一来临之前,你的兴趣爱好就已经被算法摸得一干二净了,运营优化、个性化推荐、搜索推荐……AI正在重塑我们购物的体验。


结合用户日常的使用数据,人工智能再自动挖掘并分析,做出“喜欢这个东西的人还会喜欢什么?”的预测。下一步就是尝试给用户推荐相关产品,之后再根据用户的行为优化推荐。


所以明白了吧,平常没事少看某宝某东。


其实双十一的背后,还有像AI设计师、AI主持人、AI语音翻译之类的人工应用为双十一保驾护航。


不知道从那一年开始,双十一成了对电商行业方方面面的一次大检验,当然更是对消费者钱包的一次大检验。


2、推荐系统背后的算力演进


推荐系统并不新鲜,互联网公司们为了能够提升业绩和客户满意度,十多年前就开始了推荐系统的研究与应用,早年间他们采用传统的方法,比如协同过滤等,CPU也足以满足那时推荐系统的需求。


但随着推荐系统应用需求和算法的演进,系统越来越复杂,需要更加强大的底层算力作为支撑,推荐系统的开发者发现一个问题,通信节点间的性能遇到了瓶颈。


也就是说,在服务器达到一定的规模之后,继续增加服务器的数量已经很难提升推荐系统的效果。



这就促使推荐系统的推动者们寻找更强大且更合适的算力支撑。当然,这个过程中还有一个重要的推动力——AI。在推荐系统中引入AI之后,能够增加推荐系统的效果,但与此同时也让推荐系统变得越来越复杂。


,

环球国际娱乐网址多少www.ugbet.us)开放环球UG代理登录网址、会员登录网址、环球UG会员注册、环球UG代理开户申请、环球UG电脑客户端、环球UG手机版下载等业务。

,

一个典型的推荐系统,包含了召回、过滤等过程,AI的引入,需要使用越来越多的数据进行训练,以达到预期的效果。


“推荐系统中引入深度学习之后,大家还是会习惯性先用CPU,但后来发现在深度学习的算法里多加几层神经网络可能就算不动了。”


NVIDIA亚太区开发与技术部总经理李曦鹏在2022云栖大会期间对雷峰网说,“GPU此时有明显的优势,GPU的算力远高于CPU,同时GPU的带宽比CPU高非常多,我们的Hopper架构GPU的带宽已经达到3TB / s。”


但要加速推荐系统,不止是从CPU迁移到GPU这么简单。


3、普及推荐系统的两大挑战


推荐系统作为高价值的AI系统,普及面临的两大挑战就是差异化以及高门槛。


“我们充分理解,由于业务的不同于推荐系统有很大的差异,我们会尽量把NVIDIA Merlin的功能进行模块化,客户可以根据需求选择不同的模块,使用的模块越多,效果也会更好。”李曦鹏说,“我们通过Merlin的模块化解决问题的同时,也通过和像阿里云这样的云计算服务商合作推动推荐系统的普及。”


不同的推荐系统使用的算法并不相同,虽然如今AI大模型的应用越来越广泛,并且大模型在美国人工智能学术界将其称为基础模型(Foundation Model),但这并不意味着所有推荐系统都需要使用大模型。



李曦鹏的观点是,大模型提供一个更大的尝试空间,其表征能力也更强,所以主流公司的模型越来越大,但主流公司也会有一些小的业务,或许也会有一些小的模型。如今主流的公司已经过渡到了GPU方案,比较重点的业务是全GPU的解决方案。所以,在算法上,即便主流公司也有阶梯。


“先进模型对于中小企业来说收益可能没那么大,因为他们的业务体量没那么大,而通过云计算的方式,以及GPU的解决方案,可以帮他们降低门槛和成本。”李曦鹏进一步表示。


差异化需求之外,推荐系统普及的另一大挑战就是高门槛。


“互联网巨头有成百上千人的团队在做推荐系统,中小企业很难投入这么多。


但通过我们和阿里云这样有能力的云服务提供商合作,给中小公司开放一些更高级的API,有一些预定义的模型能够实现不错的推荐系统,投入一两个数据科学家,这将有利于推荐系统的普及。”李曦鹏说。


推荐系统的普及,将能够代表加速计算巨大的想象空间。


4、10年100倍,加速计算价值千亿的巨大空间


过去几十年间,得益于摩尔定律,算力在持续增长。但如今摩尔定律已经放缓,从最初每年1.5倍性能的提升,下降到如今每年1.1-1.2倍的提升。摩尔定律带来的算力提升已经难以满足包括推荐系统在内应用对算力指数级的性能增长需求。


“接下来的十年,所有的计算任务都将被加速。我们已经加速了世界上5%的计算任务——价值百亿美金。加速计算会降低计算任务的成本,提高能源利用率,给工业界带来更多的能力做更多的事情。”英伟达CEO黄仁勋在今年十月时表示。


仅看推荐系统,Mordor Intelligence 发布的数据指出,推荐系统整体市场将从2020 年仅为 21.2 亿美元提升至2026年的 151.3 亿美元。加速计算显然具有数千亿的市场空间,但要加速如此之大的市场,需要性能的持续提升。


加速计算的目标是保持每年1.6-1.7倍的性能增长,5年可以实现10倍的性能提升,10年就可以实现100倍的提升,这与摩尔定律10年可以实现的4倍性能提升形成了显著的差异。


前面已经提到,加速计算不止是从硬件的层面实现性能的提升,更加强调从硬件到软件再到应用的加速,实现性能的飞跃。


实际上,加速计算的价值已经在AI应用中体现出来,以前训练一个AI模型,周期以周来计算,调整模型训练至少又得等一周,而现在,即便模型越来越大,训练一个模型的时间也只需要几分钟了。


“几年前难以训练的大模型,早已成为了过去式。更多更大规模的工作负载等着去加速。”李曦鹏对于加速计算能够实现目标也十分有信心。


来源:雷峰网, DataCastle

注:文章内的所有配图皆为网络转载图片,侵权即删!

,

lô đề là gì(www.84vng.com):lô đề là gì(www.84vng.com) cổng Chơi tài xỉu uy tín nhất việt nam。lô đề là gì(www.84vng.com)game tài Xỉu lô đề là gì online công bằng nhất,lô đề là gì(www.84vng.com)cổng game không thể dự đoán can thiệp,mở thưởng bằng blockchain ,đảm bảo kết quả công bằng.

网友评论

2条评论

热门标签