至顶网软件频道消息:本周一在旧金山举行的Dreamforce 2017大会上,Salesforce宣布对Einstein机器学习平台进行升级,增加新的预测洞察和聊天机器人功能。
这次增加的新功能名为myEinstein,Einstein平台的目标没有改变:要为那些希望采用人工智能(AI)的开发者降低门槛。随着人们越来越重视拖拽方法而不是手动编码,它将可以让更多Salesforce的用户跨整个生态系统打造定制的AI应用。
Salesforce Einstein总经理John Ball在新闻稿中这样表示:“今天,我们正在通过让管理员和开发者利用myEinstein把每个流程和客户互动都变得更加智能,从而进一步普及人工智能。目前没有其他任何一家公司为客户提供了面向CRM的预构建AI应用,以及只用点击几下就能自己构建和定制的能力。”
有了myEinstein,Einstein平台维持着允许用户在设置引导中点击几下就可以构建、培训和部署AI模型的方法。不过,另外两个新功能Einstein Prediction Builder和Einstein Bots将为用户体验增加更多的深度。
Einstein Prediction Builder允许管理员在Salesforce中创建预测性的AI模型,帮助他们更好地预测潜在业务成果。它采用了一种点击式的模式,在这个模式中,管理员可定义预测参数,包括在哪个Salesforce字段上构建,以及使用哪些数据。
“基于这些信号的消耗分数可以直接嵌入到Salesforce客户账户页面,创建一个任务,自动向高风险客户发出警报,以便他们能够提供个性化的、一对一的交互,以减少流失风险。”
有了Einstein Bots,开发者和管理员就可以使用相同的点击式界面来构建定制的聊天机器人。因为他们采用的是自然语言处理,所以机器人可以用于与客户沟通。机器人利用历史服务数据和CRM数据来组成答案,但是在需要的时候也可以把对话转交给人类员工。
举例来说,Einstein Bots可以帮助追踪客户的订单,或者重设密码。
据新闻稿称,myEinstein还包含了6月发布的Einstein Language和Einstein Vision API。Einstein产品营销副总裁Jim Sinai表示,myEinstein“正在走向数据科学的自动化”。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。