Google Cloud近日表示,将在2023年美国零售联合会(NRF 2023)之前推出四项针对零售商的新人工智能技术。
Google方面表示,这些新技术旨在帮助零售商转变店内货架检查流程,增强电子商务运营,提供更流畅、更自然的在线购物体验。
这些技术包括一套新的“自检式人工智能解决方案”,该解决方案建立在Vertex AI之上,利用Google广泛的数据库帮助零售商识别“数十亿种产品”并确保店内货架库存充足。此外,还有多项新的个性化AI功能和一项新的Browse AI功能,可以帮助零售商更新数字店面,此外还有一款Recommendations AI工具,可以动态优化电子商务网站上的产品订购和推荐面板。
Google Cloud解释说,新货架检查工具旨在确保零售商的货架上始终充足地备有精选产品,以便消费者始终有选择。Google Cloud援引NielsenIQ的一项研究,该研究表明,由于未能保持货架库存,美国零售商在2021年损失销售额高达820亿美元。Google解释说,显然,消费者希望能够找到他们所需的商品,如果找不到他们会感到很沮丧,因此零售商需要一种更可靠的解决方案。
Google Cloud相信已经打造出了这种解决方案,其中的人工智能货架检查工具旨在实时提供更多关于货架实际外观的可见性,从而可以更好地了解何时需要补货。这一新工具现在已经推出了预览版,由两种机器学习算法(产品识别系统和标签识别器)提供支持,使其能够识别几乎任何类型的产品。
基本前提是零售商不必指派员工四处检查货架,看看哪些货品必须补货。相反,Google Cloud可以实时地为他们积累这些数据,然后对其进行检查,了解必须更换哪些产品。此外,Google Cloud表示,该工具在支持的图像种类方面非常灵活。零售商可以使用店内摄像头监视货架,或者将系统连接到员工的智能手机甚至是店内的漫游机器人。
除了帮助实体零售商外,Google Cloud还希望通过推出Browse AI来提升零售商的数字化业务,Browse AI也是Discovery AI解决方案套件中的一项新功能,它使用机器学习算法来确定零售商电子商务网站上列出的每个类别产品的最佳顺序,无论是厨具、女式衬衫还是其他商品。
Google表示,Browse AI目前支持72种语言,旨在帮助零售商创造更快捷、更直观和更令人满意的在线购物体验。该算法随着时间的推移可以根据消费者的历史偏好、消费者正在寻找的内容的相关性以及进行销售的可能性,学习列出每一类产品的理想顺序。
Google解释说:“从历史上看,电子商务网站根据类别畅销书列表或者人工编写的规则对商品结果进行排序,例如根据季节性手动确定要突出显示的服装,而Browse AI采用了全新的方法,进行自我管理,从经验中学习,不需要人工干预。”
其他方面,Google表示,把Google的搜索功能嵌入到电子商务网站的Retail Search解决方案,将新增一种新的AI驱动的个性化功能,可以自定义每个用户的搜索结果。Google表示,这是基于一种新的商品模式识别器功能,该功能利用顾客的历史行为(例如顾客点击或购买的商品)来确定他们的个人偏好。
然后,AI使用此类信息在搜索结果中优先考虑符合这些偏好的商品。Google表示,这样每个顾客都可以获得独特的搜索结果,这些搜索结果经过优化可以增加他们找到想要商品并进行购买的可能性。
最后是Google新的Recommendations AI工具,它和搜索个性化AI有些类似,只是提供建议和建议。根据Google的说法,商品推荐系统是必不可少的,因为到2026年,在线零售额将达到每年8万亿美元。Recommendations AI可以为每个购物者提供个性化推荐。
例如,有一个新的页面级优化功能,让电子商务网站可以动态决定为每个用户显示哪些产品推荐面板。Google表示,这最大限度地减少了密集测试用户体验的需要,并且可以提高用户参与度和转化率。
Recommendations AI还具有收入优化功能,通过结合商品类别、商品价格、顾客点击和转化来增加“每个用户会话的收入”,在顾客的长期满意度和零售商的收入提升之间找到适当的平衡点。最后,还有一种新的再次购买模式,可以查看顾客的购物历史,提供推荐的重复购买列表。
Google表示,在零售商的测试中,Recommendations AI在转化率和点击率方面表现出了两位数的增长,目前这一新工具已经可以在全球范围内使用。
Google Cloud零售和消费者副总裁Carrie Tharp表示:“过去几年的动荡重塑了零售格局,零售商需要的工具要更高效,对顾客更具吸引力,减少未来冲击的风险。尽管存在不确定性,但零售业仍有巨大的机遇。未来的领导者将是那些使用人工智能和机器学习等最新技术工具应对当今最紧迫的店内挑战和在线挑战的领导者。”
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。