Salesforce正在向自己的Commerce Cloud中注入更多的人工智能特性。
Salesforce今天推出了两个面向其电子商务自动化平台新的AI服务,旨在帮助零售商更有效定位在线购物者。这两个服务都采用了Einstein(Salesforce核心服务的机器学习层),并公开了应用编程接口以便让企业将其嵌入到自己的服务中。
这次推出的第一项服务名为Einstein Recommendations API,它采用人工智能生成量身定制的购物推荐,让零售商能够将网站上显示同类型的个性化产品建议推送到数字渠道中。该服务还可以通过移动应用、店内系统和语音助理(如Amazon的Alexa)提供产品。
另一项服务名为Einstein Visual Search,让购物者能够通过他们关注的特定商品的照片,更快地搜索零售商的在线目录。该服务采用的机器学习算法可以分析图像以识别匹配的产品,如果没有完全匹配则找出最相似的产品。
除了这两项服务之外,Salesforce还将推出第三款产品,名为Commerce API Explorer,它与Einstein Visual Search的角色类似,但是面向开发者的。Commerce API Explorer,是一个门户网站,旨在让应用团队更容易浏览和对比各种API选项。
另外Salesforce还更新了High-scale Inventory Availability Service,让零售商们可以向在线买家展示拥有所需库存产品的最近门店,并通过外部服务(如乘车应用)显示产品供货信息。
Commerce Cloud是Salesforce业务中规模相对较小但增长迅速的一项业务。Salesforce在最近一次财报电话会议上称,Commerce Cloud和Marketing Cloud的总收入同比增长了37%,达到4.89亿美元。随着传统零售商增加技术投资以应对亚马逊的快速扩张,这一增长势头将继续下去。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。