Nul
Kunstig intelligens vil snart nok være en allestedsnærværende del af vores digitale liv, kraftoverførsel forbruger-og business-teknologi ens. På nuværende tidspunkt, men virksomheder er at navigere gennem stort set uudforsket område, som de forsøger at indgyde deres produkter med en AI, der kommer på tværs af en række af de udfordringer, som let løsninger, der endnu ikke eksisterer.
Trulia, fast ejendom på stedet, startede det rejse tidligt: Mere end fire år siden, begyndte det at bygge sin egen AI platform med det mål at skabe en mere personlig, intelligent oplevelse for sine brugere. Så langt, Trulia siger, at den indsats har båret frugt med en tocifret stigning i forbrugernes engagement.
Dybt Varma, Trulia VP of engineering, talte med ZDNet om platformen Trulia har bygget, hvorfor det blev bygget i huset, og hvordan det er kontaktet nogle fælles AI udfordringer. Her er en let redigeret version af, hvad han havde at sige:
En AI-platform baseret på tre søjler
Trulia besluttet at investere i AI til at fremme sin vigtigste mission, Varma sagde: at hjælpe forbrugerne med at “opdage et sted, de ville elske at leve.”
At fremme, at mission, Trulia i gang med at opbygge en AI-platform, der bygger på, hvad den kalder “personalisering stykke” –, hvad man ved om sine brugere, unikke præferencer. Det ved, for eksempel, når en bruger søger efter en tre-værelses hus med swimmingpool i et roligt kvarter.
På toppen af det fundament, Varma sagde, Trulia kom i gang med at bygge tre machine learning-baseret søjler: computer vision-værktøjer, et “recommender” system og en forbruger forudsigelse engagement model.
At investere stort i computer vision
Computer vision algoritmer indlysende nytte for et site som Trulia: “Vi har trænet disse edb-systemer, hvor de kan se på billeder og kan sige, ‘jeg kigger på et billede af et hjem, dette er den forhave, soveværelset, eller det er det badeværelse.'”
Men, “for os, der bare stoppe der ikke var løsningen,” Varma sagde. I betragtning af dets særlige behov som en fast ejendom til beboelse, hjemmeside, virksomheden har investeret mere i at opbygge sin object detection-system. “Vi kan se i et køkken, og sige, at dette er et køkken-et køkken med hvid granit. Eller vi kan se ind i stuen og siger, at det har trægulv.”
Trulia computer vision-teknologi, ser også for, hvad det kræver af de mest “attraktive” billeder. “Vi ved, med vores egne erfaringer med at købe hjem, når vi begynder at søge… og begynde at kigge på de billeder, hvis de ikke er engagerende, du vil gå til det næste billede, eller den næste liste,” Varma sagde.
Et foto ‘ s “tiltrækningskraft” er beregnet med tre variable: uanset om det er et passende billede, kvaliteten af billedet og relevans. Et billede af en baggård med en swimmingpool, som ville blive døbt “passende”, hvis, for eksempel, en bruger søger efter boliger med swimmingpools. Dog, det ville ikke være en “relevant” billedet, hvis det var simpelthen det billede, der anvendes på en fast ejendom agent, visitkort, for eksempel.
“Ved at investere i vores computer vision og have disse produkt oplevelser af visuelle browsing samt de mest attraktive billeder, så vi en tocifret stigning i undersøgelsen for vores lister,” Varma sagde.
Med anbefalinger og forudsige forbrugernes engagement
Sammen med disse forbedrede visuelle produkter, Trulia har investeret i et “recommender” system, der har til formål at introducere brugerne til egenskaber, der kan appellere til dem, selvom de falder uden for deres specifikke, erklærede præferencer. Dette system er baseret dels på en “collaborative filtering” – teknik.
“Hvis du kigger ind i et kvarter, og nogle forbrugere er også leder i samme kvarter, når de forbrugere, flytte til et andet kvarter eller en anden ejendom, vi bruger dette kollaborativ filtrering teknik til at anbefale, at forbrugerne… et bredere perspektiv,” Varma forklaret.
For at afrunde sin AI-drevne værktøjer, Trulia bygget en forbruger forudsigelse engagement model. “Når vi sender du indhold, vi ser på det indhold, du deltager med, og hvad du ikke er beskæftiget med,” Varma sagde, “og vi sender dig kun, hvad du ønsker i stedet for overvældende dig på denne rejse, og sende dig e-mails og push-meddelelser, der ikke er relevante.”
Udfordringerne i opbygning og implementering af ML-modeller
De tre søjler af Trulia AI platform er alle blevet bygget i-hus med dedikerede teams, der anvendes af forskere og machine learning ingeniører.
For computer vision, virksomheden har trænet modeller med open source frameworks som Caffe, mens du udforsker støtte til TensorFlow. På toppen af det, der er investeret i sine egne servere med Gpu ‘ er. De bruger sprog som Python til at skrive nogle machine learning modeller, mens Scala og Java bruges mest om det, der serverer side.
Trulia lærte tidligt på betydningen af kvaliteten af data, når træning modeller, Varma sagde. År siden, Trulia hold lærte denne lektie, når sin computer vision modeller var tilsyneladende i stand til korrekt at mærke billeder af windows. Men de var også misidentifying nogle billeder af spejle som windows, når det spejl, som afspejler et vindue.
“Det er sådan en lille datasæt kan stort set ødelægge machine learning modeller,” Varma sagde. Til at løse denne udfordring, Trulia fokuseret i de tidlige faser på at finde relevansen af billeder. Så det sprang til “relevans” og billedkvalitet, Varma forklaret.
I mellemtiden, på et tidligt tidspunkt, Trulia ville træne sine modeller, der hver seks uger og installere dem til hver fjerde uge. “Vi kunne se, at nøjagtigheden ved at gå ned,” Varma sagde. Nu, Trulia bruger modeller, der er uddannet og indsat i real tid til at holde op nøjagtighed.
At dyrke in-house talent
“Virkeligheden er over for OS, at finde stærke applied sciences og ML ingeniører bliver hårdere og hårdere,” Varma sagde.
At finde talent, Trulia er gået direkte til skoler, i nogle tilfælde, samarbejde med universiteter om AI forskning. I mellemtiden, selskabet investerer også i at fastholde talent, såvel som ansættelse. De fleste af anvendt forskere på Trulia har været der for mere end fire år, Varma sagde.
Trulia tænkte også på den måde sin AI hold der er struktureret, som adskiller machine learning gren fra applied sciences filial. Virksomheden har oprettet en gren af anvendt forskere — “forskere og opdagelsesrejsende,” Varma sagde — til at bygge modeller, mens ML ingeniører fokus på udrulning til produktion af systemer.
Hvad er det næste for Trulia
Trulia er nu aktivt at udforske kører modeller direkte på mobile enheder.
“Fra et operationelt synspunkt, er du med til at reducere overhead”, når du ikke har brug for at gå tilbage til en server “for at fortælle dig dette er et billede af et køkken,” Varma sagde.
executive-guide
Hvad er machine learning? Alt, hvad du behøver at vide
Her er, hvordan det er relateret til kunstig intelligens, hvordan det fungerer, og hvorfor det er vigtigt.
Læs Mere
Relaterede Emner:
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
Intelligente Byer
0