Tekoälyn vallankumous on jo muuttamassa kuluttajamaailmaa.

Joskus se tapahtuu jokapäiväisillä tavoilla, kuten tuotesuositukset, ja toisinaan upeilla tavoilla: Cochlear-implantit, jotka tarjoavat keinotekoisen kuulon täysin kuuroille syntyneille, ovat vaihdettu tekoälyyn paremmasta loppukäyttäjäkokemuksesta.

Tekoälyn vallankumous johtaa älykkäämpään maailmaan, ja tämä älykkäämpi maailma on rakennettu megatrendeihin, joita olemme kaikki nähneet viimeisten 20 vuoden aikana: verkko, pilvi, sosiaalinen, mobiili ja esineiden internet ( IoT).

Pilvitekniikan avulla kehittäjinä meillä on käytännössä rajattomasti laskenta- ja tallennuskapasiteettia, ja juuri tämä yhdistelmä massiivista dataa ja massiivista laskentatehoa johtaa tähän vallankumoukseen. Nyt kun kaikki ovat yhteydessä toisiinsa ja kaikkeen jollain tavalla tai toisella, kaikki nämä yhteydet tuottavat suuruusluokkaa enemmän tietoa tekoälyn pilven prosessoitavaksi kuin koskaan ennen.

Koet tekoälyn pilven joka päivä kuluttajana. Kun näet tuotesuosituksen Amazonissa, elokuvasuosituksen Netflixissä tai valokuvan, joka tunnistetaan ja tunnistetaan automaattisesti Facebook-syötteesi, koet tekoälyn voiman.

Eikö olisi hienoa, jos työskentelemäsi sovellus - olipa kyseessä Salesforce-sovellus vai ei - voisi jotenkin tarjota myös näitä älykkäämpiä, tekoälypohjaisia ​​kokemuksia? Esimerkiksi, jos yrityksemme ja myyntisovelluksemme voisivat yhdessä kertoa meille, mitkä liidit todennäköisimmin muuntuvat, tai palvelusovelluksemme voisi käyttää tekoälypilviä kertoakseen meille, mitkä tapaukset todennäköisesti kärjistyvät?

Valitettavasti monille Salesforce-kehitystiimit , vaikuttaa liian monimutkaiselta ja kalliilta soveltaa tekoälyä sovelluksensa liiketoimintaprosessiin. Ensinnäkin se alkaa datatieteestä, ja datatieteen tekemiseksi sinun on kerättävä ja integroitava kaikki tarvittavat tiedot. Ja sitten sinun on ryhdyttävä tietojen muokkaamiseen muuntamalla tiedot siten, että voit käyttää niitä koneoppimiseen. Ja sitten, asiantuntemuksestasi riippuen, saatat tarvita jopa datatieteilijöiden ulkopuolista apua ennakoivien mallien rakentamiseen, ylläpitoon, päivittämiseen ja luotettavan, turvallisen ja skaalattavan infrastruktuurin luomiseen. Sitten kaiken tämän työn jälkeen sinun on otettava nämä ennusteet ja asetettava ne yrityskäyttäjän kontekstiin.

Anna Salesforce Einstein

Tietäen, että tekoäly on usein ulottumattomissa, Salesforce osti yritykset, kuten MetaMind (syvällisen oppimisen asiantuntijat), Implisit Insights (tekoälyn soveltaminen erityisesti myyntiprosessiin) ja PredictionIO (koneoppiminen ja big data -analytiikka) auttaakseen heitä rakentamaan Salesforce Einsteinia.

Salesforce Einstein on Salesforcen tekoäly, ja se on rakennettu suoraan alustalle. Kuten Einsteinin GM laita se 'Se vaatii maailman johtavan CRM: n ja tekee siitä maailman älykkäimmän CRM: n.' Salesforcen tekoälytuotteiden avulla voit nyt antaa yrityksen myynti-, palvelu-, markkinointi- ja IT-ammattilaisille mahdollisuuden olla parhaita tekemällä jokaisesta asiakasyhteydestä nopeampi, älykkäämpi ja ennakoivampi.

Syvä oppiminen: Einstein-visio ja Einstein-kieli

Salesforce Einsteinin pitäisi tuoda tekoälypilvi kehittäjien ulottuville. Voi olla. Mutta mistä sinun pitäisi aloittaa? Ensimmäinen asia on tietää, että tekoälyllä on kolme pääkomponenttia:

• Tiedot
• Algoritmit
• Laskenta

Suuri data yleensä on ollut kuuma aihe parin viime vuoden aikana. Kaikki ovat innoissaan siitä, että heillä on uusia tietolähteitä, uusia tapoja analysoida niitä ja uusia tapoja sen säilyttäminen .

Tämä tulee olemaan iso osa siitä, miten tuomme tekoälyä yritykseen, mutta suuri osa tekoälyn kehittämisestä on ollut algoritmi puolella. Nämä ovat monimutkaisia ​​algoritmeja, joita rakennetaan, laajennetaan ja joilla on tosiasiallisesti uutta tutkimusta sekä yksityiseltä ja julkisella sektorilla. Voit olla varma, että tekoälyn pilvialgoritmit jatkavat innovatiivisuutta ja ajavat edelleen uusia ominaisuuksia sovelluksillesi ja asiakaskokemuksillesi.

Laskentakysymys, josta olet todennäköisesti kuullut viime aikoina: GPU: t, TPU: t , uudet investoinnit ja kaikkien parhaiden laitteistoyritysten uudet tutkimukset ovat menossa kohti laskentatehoa varmistaen, että näillä algoritmeilla on tarvittava infrastruktuuri, jotta he voivat edelleen olla innovatiivisia ja pystyä tarjoamaan tietoa tiedoistasi.

Ennen kuin perehdymme siihen, miten voit kehittää jotain, joka hyödyntää tätä tekniikkaa, tutkitaan tarkemmin yksityiskohtia siitä, mitä sinulla on tekemisissä.

Tiedot

Tässä on otettava huomioon kaksi tietomuotoa: jäsennelty ja strukturoimaton.

Strukturoidut tiedot sisältävät ERP-tiedot ja suurimman osan CRM-tiedoista. se voi olla esimerkiksi IoT-laitteista tulevaa dataa. Tämän tyyppiset tiedot ovat jo helposti haettavissa perusalgoritmeilla.

Strukturoimattomat tiedot voivat olla kuvadataa, sähköpostiviestejä, PowerPoint-esityksiä, Word-asiakirjoja jne. Täältä tulevat syvälliset oppimis- ja koneoppimisalgoritmit, jotka yksinkertaistavat huomattavasti tämän tyyppisten tietojen hakua.

Algoritmi

Syvä oppiminen on monimutkainen termi: monet kehittäjät ja DevOps-insinöörit hukuttavat sen. He luulevat, ettei heillä ole infrastruktuuria hermoverkkojen käsittelemiseen. He ajattelevat tarvitsevansa tohtorin tutkinnon ymmärtääkseen riittävän hyvin modernin mallin, jotta se voidaan jakaa hallittavampaan ajatteluprosessiin. Onneksi tietäen siitä tarpeeksi sen hyödyntämiseksi on paljon helpompaa kuin se.

Aloitetaan tällä tavalla: Sinulla on syötetiedosto. Tämä voi olla kuva, äänitiedosto tai tekstitiedosto. Ja haluat saada siitä oivaltavan tuotoksen. Salesforce Einsteinilla on joukko sovellusliittymiä, joiden avulla voit tehdä prosessista todella saumattoman: Sinun ei tarvitse tietää mitään siitä, mitä tapahtuu välillä.

Salesforce Einsteinin avulla on helppo upottaa syvällinen oppiminen sovelluksiisi. Se tarjoaa sinulle hyvin isännöidyn infrastruktuurin, joka hallinnoi mallejasi palveluna ja huolehtii siten kaikista skaalautuvuustarpeista. Joten sen avulla on helppo ladata, kouluttaa ja ymmärtää mallimittareitasi ja lopulta antaa ennusteita reaaliajassa ennalta koulutetusta mallista tai luomastasi mukautetusta mallista.

Jos edes tämä kuulostaa sinulle vieraalta, seuraavat esimerkit vievät sinut nopeasti vauhtiin.

Laskenta: Einstein Vision

Tämä on yksi Salesforce Einsteinin tarjoamista syvähankintapalveluista. Kaikki syvällisen oppimisen mallit tai hermoverkot eivät ole samanarvoisia: Erityisarkkitehtuureja käytetään tiettyihin ongelmiin. Tietokonenäön tapauksessa tekoälypilvessä käytetään konvoluutiohermoverkkoa, mikä tarkoittaa, että jokainen kerros oppii edellisestä. Joten kun tällainen verkko koulutetaan kuvadataan, se rakentaa kuvan uudelleen alusta alkaen ymmärtääkseen sen eri komponentit. Se tarkastelee ensin kuvan pienintä yksikköä, pikseliä, ja ymmärtää sitten reunat, ja sitten seuraava kerros ymmärtää kohteen osat tai elementit ja lopulta pääsee kokonaisiin kohteisiin.

Ja koko prosessi hoidetaan puolestasi, joten voit keskittyä liiketoiminnan arvoon, jonka voit avata asiakkaillesi tietokonenäön avulla, eikä itse prosessiin.

Ajattele, kuinka kuljetusalaa voitaisiin muuttaa käyttämällä droneja moottoriteiden tarkkailuun - kenenkään ei tarvitse lähettää siivoojaa.

Tai kuinka CPG-yritykset voisivat vain ottaa kuvan ja analysoida sen sijaan, että lähettäisivät ihmisiä tallentamaan tuotteita manuaalisesti hyllylle.

Tai kuinka kuluttajien vähittäiskauppa voidaan mullistaa visuaalisen haun avulla, tai kuinka vakuutusyhtiöt voivat automatisoida korvausten luokittelun tai miten terveydenhoito voi hyödyntää kuvankäsittelyä.

Kaikki tällaiset skenaariot voidaan kattaa Einstein-kuvaluokituksella, joka on osa Einstein Vision -ohjelmaa. Tarvitset vain mallin, joka on enemmän tai vähemmän vain joukko luokittelutarroja.

Rakenna oma malli

Voit rakentaa omia mukautettuja mallejasi ja integroida ne sitten työnkulkuihisi, olipa kyse sitten Salesforce-työnkulusta tai ulkoisesta sovelluksesta.

Oman mukautetun mallin rakentaminen edellyttää vain kolmea vaihetta:

1. Luo oma tietojoukko, sen perusteella, mitä mukautetun mallisi on tehtävä. Oletetaan, että haluat pystyä erottamaan kolmiosaiset jääkaapit ja kaksioviset jääkaapit. Sinun on kerättävä joukko kuvia kaksiovisista jääkaapeista ja laitettava ne kansioon, ja sitten joukko kuvia kolmiovisista jääkaapeista ja laitettava ne toiseen kansioon.
2. Harjoittele malliasi. Minkä tahansa edellisessä vaiheessa keräämäsi tietojoukot lähetätkin, ja tekoälypilvi kouluttaa mallia kyseisen tietojoukon perusteella. Harjoitteluun tarvitaan kaikki se, että olet jo erottanut kuvat. Kun uusi tietomalli on koulutettu, saat sen tunnuksen.
3. Käytä sitä ennustamiseen! Voit nyt saada ennusteita kuvista, joita malli ei ole koskaan ennen nähnyt. Se on yhtä helppoa kuin API-puhelun soittaminen uuden mallitunnuksen avulla.

Laskenta: Einstein-kieli

Jos kuvia ei tarvitse käsitellä, on todennäköistä, että haluat harjoitella tekstin avulla. Tätä varten Salesforcen tekoälypilvessä on Einstein Language, joka koostuu tällä hetkellä kahdesta palvelusta: Einstein Intent ja Einstein Sentiment.

• Einsteinin tarkoitus on luonnollinen kielenkäsittelytyyppi (NLP). Sen avulla voit määrittää omat luokat ja ladata tietoja, jotka edustavat kyseisiä luokkia.
• Einstein Sentiment on ennalta koulutettu malli, joka pystyy analysoimaan ihmiskielen saadakseen sisällön ja ympäröivien käyttäjien lausuntojen tunteet ja luokittelemalla ne positiivisiin, negatiivisiin ja neutraaleihin luokkiin.

Einstein-kielipalvelut toimivat aivan kuten kuvaluokitusesimerkkimme. Tässä määritellään myös luokat.

Yllä olevassa esimerkissä tarkoitus on tapausten reitittäminen. Joka kerta, kun tapaus tulee esiin, haluamme analysoida sen ja ohjata sen oikeaan osastoon: Toimitus, laskutus, tuote, myynti ... voimme määrittää niin monta luokkaa kuin tarvitsemme. Mutta Einstein Sentimentin tapauksessa luokat ovat kiinteät, joten meillä on vain positiivisia, negatiivisia tai neutraaleja.

Kun olet jakanut tiedot eri luokkiin, voit kouluttaa mallejasi. Mallin kouluttaminen on erittäin helppoa toimitetun sovellusliittymän avulla. Aivan kuten Einstein Visionin kanssa, kun malli on koulutettu, sinulla on mallin tunnus ja olet valmis saamaan ennusteita.

Salesforce Einstein: pois älykkäästä alusta

Nyt kun olet maistanut mahdollisuuksia, jotka Salesforce Einstein tuo sinulle ulottuvillesi Salesforce-kehittäjä , ja kuinka helppoa olisi auttaa asiakkaitasi tai työnantajaasi hyödyntämään tekoälypilviä, aloittaminen vaatii vain tilin perustaminen . Odotamme innolla kuulevamme kuinka käytät tekoälypilviä mullistamaan oman sovelluksesi!

Perustietojen ymmärtäminen

Tarvitsetko datatietettä tai big data -taitoja käyttääksesi tekoälyä sovelluksessasi?

Ei. Nämä vaatimukset on tiivistetty hallituiksi pilvipalveluiksi. Kehittäjät voivat hyödyntää tekoälypilviä vain muutamalla yksinkertaisella asetusvaiheella ja suoraviivaisen Salesforce Einstein -sovellusliittymän avulla.

Millaisia ​​tietoja Salesforce Einstein voi käsitellä?

Kehittäjänä käsittelet strukturoitua dataa koko ajan. Salesforce Einstein auttaa sinua käsittelemään strukturoimattomia tietoja, kuten kuvia tai tekstiosia, entistä älykkäämmin.