Noll
Artificiell intelligens kommer nog snart vara en allestädes närvarande del av våra digitala liv, som driver konsumenter och företag som har teknik som är likadana. Just nu dock, företag navigerar igenom i stort sett outforskade territorier som de försöker att ingjuta sina produkter med AI, kommer över en rad utmaningar som enkla lösningar som ännu inte finns.
Trulia, fastigheter webbplats, började resan tidigt: Mer än fyra år sedan, det började bygga sin egen AI plattform med målet att skapa en mer personlig, automatisk upplevelse för användarna. Så långt, Trulia säger arbete har lönat sig med en tvåsiffrig ökning i konsumenternas engagemang.
Djupt ömsesidiga pensionsförsäkringsbolaget Varma, Trulia VP of engineering, talade med ZDNet om plattformen Trulia har byggt, varför den byggdes i-huset, och hur det närmade sig några vanliga AI utmaningar. Här är en lätt redigerad version av vad han hade att säga:
En AI-plattform som bygger på tre pelare
Trulia beslutat att investera i AI för att vidareutveckla sin kärnverksamhet, ömsesidiga pensionsförsäkringsbolaget Varma sade: att hjälpa konsumenter att “upptäcka en plats som de skulle älska att leva.”
För att avancera som uppdrag, Trulia började bygga en AI-plattform som bygger på vad man kallar “anpassa bit” – vad det vet om sina användare unika preferenser. Den känner till, till exempel, när en användare söker efter en tre sovrum hus med en utomhuspool i ett lugnt område.
På toppen av grunden, ömsesidiga pensionsförsäkringsbolaget Varma sade, Trulia fick i gång med att bygga tre maskininlärning-baserade pelare: datorseende verktyg, en “recommender” system och en konsument prognos engagemang modell.
Att investera stort i datorseende
Computer vision algoritmer självklart verktyg för en webbplats som Trulia: “Vi har tränat i de datasystem där de kan titta på bilder och kan säga,” jag tittar på en bild av ett hem, det här är framsidan, sovrummet eller badrummet.'”
Dock, “för oss, att bara stoppa det var inte lösningen,” Varma sagt. Med tanke på de särskilda behov som en bostadsfastighet webbplats, företaget investerat mer i att bygga upp sin object detection system. “Vi kan titta in i ett kök och säga att detta är ett kök-kök med vit granit. Eller vi kan se in i vardagsrummet och säger att det har trägolv.”
Trulia datorseende tekniken ser också till vad man kallar den mest “attraktiva” foton. “Vi vet att med vår egna upplevelser av köp av hem, när vi börjar leta… och börja titta på bilder, om de inte engagerar sig, du kommer att gå till nästa bild, eller nästa lista,” Varma sagt.
Ett foto “attraktionskraft” är beräknad med tre variabler: om det är en lämplig bild, bildens kvalitet och relevans. En bild av en trädgård med en pool skulle vara döpt till “lämpliga” om till exempel en användare söker efter bostäder med pool. Det skulle dock inte vara en “relevant” bild om det bara var en bild som används på en fastighetsmäklare visitkort till exempel.
“Genom att investera i våra datorseende och med de produkt erfarenheter av visuell du surfar, liksom den mest attraktiva bilder, vi såg en tvåsiffrig ökning i efterfrågan på våra listor,” Varma sagt.
Erbjuder rekommendationer och förutsäga konsumenternas engagemang
Tillsammans med dessa förbättrade visuella produkter, Trulia har investerat i en “recommender” system som syftar till att introducera användarna till egenskaper som tilltalar dem, även om de faller utanför deras viss angiven preferenser. Det systemet är, delvis, baserat på en “collaborative filtering” teknik.
“Om du letar efter i en stadsdel och en del konsumenter har också letade i samma område, när de konsumenter flytta till ett annat område eller en annan fastighet, använder vi detta samarbete filtrering teknik att rekommendera att konsumenterna… en bredare syn,” Varma förklaras.
För att spetsa sina AI-drivna verktyg, Trulia byggt en konsument prognos engagemang modell. “När vi skickar du innehåll, tittar vi på vad du sysslar med och vad du inte arbetar med,” Varma sade, “vi kommer bara att skicka dig vad du vill ha snarare än att ge dig på den här resan och skicka e-post till dig och push-meddelanden som inte är relevanta.”
Utmaningarna med att bygga och driftsätta ML-modeller
De tre pelarna i Trulia AI plattform har skapats i huset med särskilda team för tillämpad forskare och maskininlärning ingenjörer.
För datorseende, företaget har utbildat modeller med open source ramverk som Caffe samtidigt utforska stöd för TensorFlow. På toppen av det, det är investerade i sina egna servrar med Grafikprocessorer. De använder språk som Python att skriva några modeller, medan Scala och Java används mest på den servande sidan.
Trulia lärde mig tidigt vikten av kvalitativ data när utbildning modeller, ömsesidiga pensionsförsäkringsbolaget Varma sagt. År sedan, den Trulia laget lärt sig denna läxa när datorn vision modeller var till synes kunna korrekt etikett bilder av windows. Men de var också misidentifying några bilder av speglar som windows, när spegeln reflekterar ett fönster.
“Det är så en liten datamängd kan i princip förstöra modeller,” Varma sagt. För att möta denna utmaning, Trulia fokuserade i början på att hitta relevansen av bilder. Då hoppade det till “lämpligt” och bildkvalitet, ömsesidiga pensionsförsäkringsbolaget Varma förklaras.
Under tiden, tidigt, Trulia skulle träna sina modeller var sex veckor och distribuera dem var fjärde vecka. “Vi kan se noggrannhet går ner,” Varma sagt. Nu, Trulia använder modeller som är utbildade och distribueras i realtid för att hålla upp noggrannhet.
Odla i huset talang
“Verkligheten är över OSS, hitta en stark tillämpad vetenskap och ML ingenjörer blir tuffare och tuffare,” Varma sagt.
För att hitta talanger, Trulia har gått direkt till skolor, i vissa fall samarbeta med universitet på AI-forskning. Samtidigt har bolaget investerar också i att behålla talang liksom att anställa. Majoriteten av tillämpade forskare vid Trulia har varit där i mer än fyra år, ömsesidiga pensionsförsäkringsbolaget Varma sagt.
Trulia tänkte också på det sätt AI lagen är strukturerad, separera maskininlärning gren från den tillämpade vetenskaper grenen. Företaget skapade en gren av tillämpad forskare – “forskare och upptäcktsresande,” Varma sagt — för att bygga modeller, medan ML ingenjörer fokus på utbyggnaden till produktion system.
Vad är nästa för Trulia
Trulia är nu aktivt för att utforska kör modeller direkt på mobila enheter.
“Från ett operativt perspektiv, du minska overhead” när du inte behöver gå tillbaka till en server “för att tala om för dig att detta är en bild av ett kök,” Varma sagt.
verkställande guide
Vad är lärande? Allt du behöver veta
Här är hur det är relaterat till artificiell intelligens, hur det fungerar och varför det är viktigt.
Läs Mer
Relaterade Ämnen:
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
Smarta Städer
0