法国化妆品巨头欧莱雅(L'Oréal)近日透露,公司正在通过大量投资Google Cloud的无服务器和数据工具解决方案来支撑作为业务基石的Beauty Tech Data Platform平台。
在博客文章中,欧莱雅谈到了自己是如何发展成为一家“美容科技”公司,很大程度上依赖数据和分析来推出满足当地市场的新品牌和产品。
欧莱雅对数据的依赖,对于业务本身来说意义重大,但同时也带来了相当大的挑战,那就是数据仓库基础设施变得很复杂,还有很多法律和合规要求方面令人头疼的问题。欧莱雅公司解释说,他们本地计算基础设施的规模大到让他们别无选择,只能迁移到云端。
在考虑候选的云基础设施厂商时,欧莱雅列出了几个不可妥协的要求,包括“无操作”原则,也就是需要可按需扩展的弹性基础设施,这样开发人员就不会被迫浪费时间在管理服务器上。
其他要求还包括严格的安全要求、可持续性、端到端监督、用于监控和分类所有操作的单一仪表板、易于部署、接近于实时交付数据的事件驱动型架构等等,此外欧莱雅还要求数据产品能够以“即服务”的方式提供,具有提取、转换和加载功能,使其能够实施不同的数据模式以便在信息到达数据仓库时立即加载。
这看起来是一份要求相近而苛刻的清单,但欧莱雅表示,谷歌云满足了每一个条件,所以欧莱雅决定扩大采用Google Cloud的规模,以支持他们的Beauty Tech Platform美容技术平台。
欧莱雅解释说,该平台包含两个来源的数据——直接通过API来的数据,可轻松适配其架构并直接发送到Google BigQuery,在这里对数据进行分析,此外还有在分析之前经过事件驱动转换整合所生成的批量数据。
欧莱雅公司解释说:“如今这些转换是在Cloud Run中执行的,可支持处理这些数据所需的高并发性,或者直接在BigQuery中使用SQL。随着Cloud Functions(第2代)的推出,我们很高兴向更多开发人员开放该平台,让他们可以轻松构建新的自定义数据集成和转换,成为平台的粘合代码。”
欧莱雅表示,BigQuery是一个很重要的工具,可让企业采用标准的结构化查询语言作为数据仓库的通用语言,帮助简化查询和报告,此外还可以使用非破坏性转换将大部分原始数据加载到BigQuery中,这意味着可以稍后对信息进行重新处理以用于其他场景。
欧莱雅还采用了BigQuery Omni,该功能可以分析来自各种公有云和本地环境的多个应用的数据。
欧莱雅方面解释说:“如果没有BigQuery Omni,我们的团队就不可能在本地进行跨云分析,此外它让我们不需要迁移那些敏感数据,迁移这些数据不仅成本很高——因为涉及到地方税收和海底运输,而且有时候因为当地有相关法规所以风险极高甚至直接被禁止。”
欧莱雅表示,使用BigQuery和Google Cloud的无服务器计算服务进行API提取、批量数据加载、加载后转换的另一个好处是,它可以将整个数据平台保持在“单一信任边界”内,且显著降低了成本。
欧莱雅得出的结论是,Google Cloud满足了Beauty Tech Data Platform平台的所有要求,甚至通过提供工具来衡量和了解公司云运营的环保度,帮助实现可持续发展目标。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。