Nul
Kunstmatige intelligentie zal snel genoeg een alomtegenwoordige deel van ons digitale leven, het voeden van de consument en business technology gelijk. Op het moment, echter, ondernemingen navigeren door grotendeels onontgonnen gebied als ze proberen te trekken met hun producten met AI, die over een reeks van uitdagingen voor dat eenvoudige oplossingen niet bestaan nog.
Trulia, de residential real estate-site, begon de reis vroeg: Meer dan vier jaar geleden begonnen met het bouwen van zijn eigen AI-platform met het doel van het creëren van een meer persoonlijke, voorspellende ervaring voor de gebruikers. Zo ver, Trulia, zegt de inspanning wordt beloond met een dubbelcijferige toename in de betrokkenheid van de consument.
Diep Varma, Trulia de vice-president van engineering, sprak met ZDNet over het platform Trulia gebouwd heeft, waarom het werd gebouwd in huis, en hoe hij naderde een aantal gemeenschappelijke AI uitdagingen. Hier is een licht bewerkte versie van wat hij te zeggen had:
Een AI-platform, gebaseerd op drie pijlers
Trulia besloten om te investeren in AI verder zijn belangrijkste missie, Varma zei: “om consumenten te helpen ontdekken een plek waar ze graag wonen.”
Om vanuit die missie, Trulia begonnen met de bouw van een AI-platform opgericht op wat zij noemt de “aanpassing stuk” — wat hij weet over haar gebruikers unieke voorkeuren. Hij weet, bijvoorbeeld, als een gebruiker op zoek is naar een drie-slaapkamer huis met een zwembad in een rustige buurt.
Op de top van die stichting, Varma zei, Trulia kreeg te werken aan drie ‘ machine learning-based pijlers: computer vision tools, een “niet beschikbaar” systeem en een consument voorspelling engagement model.
Investeren in grote computer vision
Computer vision-algoritmen voor de hand liggende utility voor een site als Trulia: “We hebben getraind die computer systemen waar ze kunnen kijken naar beelden en kan zeggen, ‘ik ben op zoek naar een afbeelding van een huis, de voortuin, de slaapkamer of de badkamer.'”
Echter, “het is voor ons gewoon stoppen was er niet de oplossing,” Varma zei. Gezien de specifieke behoeften als een residentieel onroerend goed site, het bedrijf meer geïnvesteerd in het opbouwen van haar object detectie systeem. “We kunnen kijken naar een keuken en zeggen, dit is een keuken — een witte keuken met graniet. Of we kunnen kijken in de woonkamer en zegt dat het is voorzien van hardhouten vloeren.”
Trulia het ‘computer vision’ technologie zoekt ook naar wat zij noemt de “aantrekkelijke” foto ‘ s. “We weten met onze eigen ervaringen van het huis te kopen, als we beginnen met het zoeken… en kijken naar de foto’ s, als die niet betrokken zijn, gaat u naar de volgende foto of het volgende notering,” Varma zei.
Een foto van de “aantrekkelijkheid” wordt berekend met drie variabelen: of het is een geschikte afbeelding, de kwaliteit van de afbeelding en de relevantie. Een afbeelding van een achtertuin met een zwembad zou worden genoemd “passend” zijn, bijvoorbeeld als een gebruiker op zoek was naar huizen met zwembaden. Echter, het zou niet een “relevante” beeld als het ware gewoon de afbeelding van een real estate agent, visitekaartje, bijvoorbeeld.
“Door te investeren in onze computer vision en het hebben van die product ervaringen van visueel bladeren als de meest aantrekkelijke foto’ s, zagen we een dubbelcijferige toename in onderzoek voor onze listings ‘ Varma zei.
Het aanbieden van aanbevelingen en het voorspellen van betrokkenheid van de consument
Samen met deze verbeterde visuele producten, Trulia heeft geïnvesteerd in een “niet beschikbaar” systeem dat is gericht op de introductie gebruikers op eigenschappen die een beroep op hen, zelfs als ze vallen buiten het kader van hun specifieke, aangegeven voorkeuren. Dat systeem is deels gebaseerd op een ‘collaborative filtering’ – techniek.
“Als u op zoek bent naar een buurt en sommige consumenten zijn ook op zoek naar dezelfde buurt, wanneer de consumenten die verhuizen naar een andere wijk of een andere eigenschap, die wij gebruiken deze collaboratieve filtering techniek aan te bevelen om de consument… een bredere visie” Varma uitgelegd.
Om de AI-aangedreven gereedschappen, Trulia gebouwd consument voorspelling engagement model. “Wanneer wij sturen u de inhoud, wij kijken naar wat de inhoud bezig zijn en wat u niet bezig met” Varma zei: “en we sturen u alleen wat u wilt in plaats van je te overdonderen in deze reis en het sturen van e-mails en berichten die niet relevant zijn.”
De uitdagingen van het bouwen en implementeren van modellen ML
De drie pijlers van Trulia AI platform is gebouwd in huis met toegewijde teams van de toegepaste wetenschappers en machine learning ingenieurs.
Voor computer vision, het bedrijf heeft getraind modellen met open source frameworks zoals Caffe tijdens het verkennen van ondersteuning voor TensorFlow. Op de top van dat, het is geïnvesteerd in zijn eigen servers met Gpu ‘ s. Ze zijn met behulp van talen als Python tot het schrijven van ‘machine learning’ – modellen, terwijl de Scala en Java zijn voornamelijk gebruikt voor het serveren van kant.
Trulia leerde al vroeg het belang van de kwaliteit van de gegevens bij het trainen van modellen, Varma zei. Jaren geleden, de Trulia team leerde deze les als de computer vision modellen waren schijnbaar in staat om correct label beelden van windows. Echter, ze waren ook onjuiste vereenzelviging enkele beelden van spiegels, zoals windows, wanneer de spiegel was het gevolg van een venster.
“Dat is hoe een kleine set gegevens kan in principe vernietigen ‘machine learning’ – modellen,” Varma zei. Om deze uitdaging aan te gaan, Trulia gericht in de vroege stadia op het vinden van de relevantie van de beelden. Dan sprong naar “geschiktheid” en beeldkwaliteit, Varma uitgelegd.
Ondertussen vroeg op, Trulia zou trainen van haar modellen om de zes weken en implementeren ze elke vierde week. “We konden zien juistheid naar beneden,” Varma zei. Nu, Trulia gebruik maakt van modellen die worden getraind en ingezet in real-time bij te houden nauwkeurigheid.
Het cultiveren van een in-house talent
“De realiteit is in de VS, het vinden van sterke toegepaste wetenschappen en ML technici wordt steeds harder en harder,” Varma zei.
Om talent te vinden, Trulia is gegaan rechtstreeks naar de scholen, in sommige gevallen samen te werken met universiteiten op het AI-onderzoek. Inmiddels is het bedrijf investeert ook in het behouden van talent alsmede het inhuren van. De meerderheid van de toegepaste wetenschappers van Trulia zijn er meer dan vier jaar, Varma zei.
Trulia ook nagedacht over de manier waarop de AI teams zijn gestructureerd, het scheiden van de machine learning tak van de toegepaste wetenschappen tak. Het bedrijf maakte een tak van de toegepaste wetenschappers — “de onderzoekers en de explorers,” Varma zei-modellen te bouwen, terwijl de ML-ingenieurs richten zich op de implementatie van productie-systemen.
Wat is de volgende stap voor Trulia
Trulia is nu actief verkennen van actieve modellen direct op mobiele apparaten.
“Vanuit een operationeel oogpunt, minder overhead” als u het niet nodig terug te gaan naar een server “om u te vertellen dit is een afbeelding van een keuken,” Varma zei.
executive gids
Wat is machine learning? Alles wat je moet weten
Hier is hoe het is met betrekking tot kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Lees Meer
Verwante Onderwerpen:
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
Smart Cities
0