京东智联云开发者

从开发平台到智能供应链,AI技术如何推动企业智能化升级?

对于京东来说,落子“新基建”以及今年 3 月整合原有京东云、京东人工智能、京东物联升级为全新“京东智联云”品牌,它正在向“以供应链为基础的技术与服务企业”不断前进。对于帮助企业利用云与 AI 进行智能化升级的话题上,京东智联云有它的话语权。4 月 24 日京东智联云开发者线上技术沙龙,一起来看技术大咖们为我们解读了哪些技术亮点。

4 月 20 日,国家发改委首次明确“新基建”主要涵盖领域后,“新基建”再次被送上热搜。

事实上,从中央深改委会议审议通过《关于推动基础设施高质量发展的意见》,到中央政治局常委会会议提出“加快5G网络、数据中心等新型基础设施建设进度”,顶层设计为新型基础设施建设按下“加速键”。

对于京东来说,落子“新基建”以及今年 3 月整合原有京东云、京东人工智能京东物联升级为全新“京东智联云”品牌,它正在向“以供应链为基础的技术与服务企业”不断前进。对于帮助企业利用云与 AI 进行智能化升级的话题上,京东智联云有它的话语权。4 月 24 日京东智联云开发者线上技术沙龙,一起来看技术大咖们为我们解读了哪些技术亮点。

38b857d7dd8ceaef80e0ce473bfa4579.jpg

京东利用平台优势帮助企业实现新旧动能转换

eb6419a549e7a3ae32191c666f32b1e8.jpg京东云与AI 解决方案架构师京东云与 AI 解决方案中心解决方案架构师明笛认为,“新基建”的“新”主要体现在两方面:

一是,从建设内容上,在传统的公路、桥梁建设外,还囊括 5G 基建、工业互联网、人工智能、大数据中心建设等新内容。 

二是,从服务和受益的人群看,随着基础设施的完善,越来越多的一般消费者将因此受益,也给中小传统产业的数字化、信息化改造提供机遇。

具体来说,京东智联云如何帮助企业做智能化升级呢?

聚焦于“新基建”中人工智能这个领域,京东智联云构建了一个人工智能公共服务平台作为 AI 基础设施,整体架构包括底层基础支撑、技术中台、解决方案中台、产品形态、应用场景几个部分。

5ecb1f98f55dfef29dcc0c6fff684639.jpg技术中台,包括了京东物联网、人工智能、大数据、区块链、AR、VR,还有移动开发等方面的基础能力,作为技术赋能的平台。在技术中台之上有着针对产业生产的全链条流程,在明笛看来,在生产各个环节,京东智联云都能利用平台优势,帮助企业实现新旧动能转换。

具体来说,在概念设计环节,假如企业想开发新产品,对于它关注的用户、市场、使用场景、竞争优势、投入产出比等问题,京东智联云都可以为企业的商业分析提供参考。

在开发和测试环节,京东人工智能公共服务平台提供开发测试模块。针对传统产品,京东智联云还提供工业设计软件,帮用户在概念设计后,进行产品设计。

面向软件企业,会提供基于研发测试流水线的产品,以及京东自研的中间件产品,帮助软件企业开发做云架构迁移,提供集成部署和发布环境,加快开发进度。针对硬件企业,提供物联网平台,帮助企业实现设备集成做好智能家居、智能物联网的开发。

产品生产完之后在流通销售环节,可以依托京东智能供应链对流通领域进行赋能,帮助企业做精准用户触达和营销,提高产品最终转化率。

在现场,明笛还分享了京东智联云帮助水果机器人判断鲜橙新鲜程度的案例。利用京东 AI 图象识别能力,帮助合作企业解决了判断鲜橙新鲜度——“新鲜度不高的先榨汁,更新鲜的后榨汁”的核心诉求。

NeuFoundry,帮助企业快速打造智能中台

fd202b84f886a6b0ed8ce6071c23bfbb.jpg京东云与AI人工智能平台部架构师什么是 NeuFoundry?它是京东智联云基于京东丰富的业务场景,以国家级的智能供应链平台为背书,为企业定制的智能中台。NeuFoundry 覆盖从数据标注-模型开发-模型训练-服务发布-生态市场的人工智能开发全生命周期,并预置高净值的脱敏数据、经实战验证的成熟模型以及典型项目场景,同时提供多种安全、灵活可定制的部署及交付方案。

对企业的赋能,离不开被称作“企业私有化 AI 能力铸造厂”的 NeuFoundry,它主要包括:数据管理功能、AI 能力定制化功能、AI 服务支撑三大板块功能。

c01a36415c4c0450e2dff04accfa58c3.jpg

在现场,京东云与 AI 人工智能平台部架构师朱二涛介绍了常见的机器学习预测算法原理。

首先,他提到了机器学习深度学习的两点区别:

  • >特征提取上,机器学习主要靠手动完成,深度学习由多个层完成,通过训练大量数据自动得出模型。

  • >数据量和计算性能要求上,机器学习执行时间远少于深度学习深度学习需要大量训练数据集和算力。

机器学习可分类为监督学习和无监督学习监督学习又可分为:分类任务(如逻辑回归、朴素贝叶斯、决策树算法等)以及回归任务(如线性回归随机森林算法等),而无监督学习,则是以聚类任务为代表。

那么,NeuFoundry 中自动化机器学习使用的是什么架构?

传统机器学习项目全流程,需要经历数据收集、数据清洗、特征工程、模型训练、模型发布以及模型预测等全生命周期。

朱二涛重点介绍了一下特征工程,在机器学习领域有这样一句话“数据和特征决定了机器学习的上限,模型和算法是逼近这个上限“,因为大家都知道,模型和算法是不可能 100%准确,只是我们看到的误差最小而已。在原始数据的隐含业务特征不是很清楚时,特征工程的作用就得到了很大的凸显。

原始的特征工程,可能更多依靠算法工程师对业务的理解以及历史经验。而除此之外,还有自动特征工程,自动特征工程进行了自动化的特征交叉和特征选择,能够构造出一些仅凭算法工程师经验无法构造的隐晦特征,然后拿新特征去做模型训练,从而得到更精准的结果。

在 NeuFoundry 中,就用到了自动特征工程,如手工构造直观新特征,包括经典通用特征、机器学习比赛 top 选手的特征工程方案、京东商城里在零售库存物流方面的业务经验,也会被囊括进来。

另外,NeuFoundry 的自动特征工程,还会利用机器学习平台计算力的优势,大量枚举候选有效特征,使用简单模型进行有效性验证来自动生成隐晦特征。

在后续的模型训练环节,通过 Auto-Sklearn 自动进行模型选择参数调整,可以最短的时间消耗下找到适合的模型和参数,以一定的计算代价,代替算法工程师的工作时间,训练生成一套模型组成的服务,进行评估模型效果。

想要上手 NeuFoundry,创建一个自动化机器学习分类的训练任务?赶快关注京东人工智能开放平台,以及通过文末链接回看分享视频吧。

传统客服向智能客服升级转型,是大势所趋

d7bcbc3aef0f446a9e97122b85488865.jpg京东云与AI自然语言部架构师疫情期间,京东智联云的疫情机器人走进了更多人的视野。除了提供科普知识、热门问题、定点医院信息、在线药房链接等,机器人还能通过 AI 对疑似病患提问进行分析判断。实际上,京东很久以前就开始在智能客服机器人领域布局,京小智在两年前就已诞生。售前导购机器人,是这个布局中的重要一环。

提到智能客服,很多人都会想到售后处理机器人。京东自然语言部架构师陈蒙介绍到,售前导购机器人更像是个性化的售前助手,可以解决关于产品的疑问,同时也可以提供购买建议。

以京小智为例,它通过智能应答系统,能够回答用户提的各种问题。当它觉得足够自信时,会直接回复。即:机器优先模式。同时,京小智还有一种模式,即:辅助人工模式,也叫“人机协作模式”。具体来说,当客服在线时,可以选用人机协作模式,它会提供答案供工作人员参考,加快客服人员回复效率。

00a7e43ee0808294b4a2b7687a8d5334.jpg

依靠这种模式,在 618 这种大的节日导致咨询排队、客服紧缺的情况下,会尽可能先让机器答,机器处理不了的问题,再让人工回答,这样就可以大大减轻客服工作负担。

此外,在智能营销上,京小智也能给提供建议。卖完东西后,它还可以做决策分析、为商家提供更多数据支持。

那么在这样产品背后,会遇到哪些技术挑战,又需要什么样的技术支撑呢?

售前咨询对话这个问题与其他的自然语言处理任务相比不一样,需要让机器考虑上下文,涉及到上下文建模的问题;以及任务型对话,如:需要系统做查询才能给出答案的场景;还需要考虑到用户情绪进行智能回复,以及对问题时效性的保证。

65d3bcd027e5fae1494c3e224aa2a4b9.jpg

目前京小智在技术上的路线,主要分成两大部分,第一是应答,第二是转化。

应答指的就是“回答用户问题”。陈蒙提到,对于应答,就是要组建一个强大互补的应答者联盟。面对用户千奇百怪的问题,应对技术也必须要有不同的技术方案,比如对应分类器、检索式对话、生成式对话、知识图谱、推荐机器人、阅读理解机器人等等。

举例来说,分类器主要适用于高频的或者答案相对固定的问题,优点是对头部问题的覆盖非常直接,缺点是在分类错误的情况下,更新不是特别灵活。检索式对话则提供灵活的个性化解决方案,适用于商家自定义的长尾问题,优点是问法和答案都可定制,非常灵活,缺点是泛化能力有限。

e6d3b382d46eef8371f084316d79aef3.jpg

对于转化,机器其实需要像人一样学习,学习一些精准的智能营销导购技能。比如有用户在咨询完后,说“考虑一下”,这时,机器就需要判断:“该用户到底有没有购买意愿?他的购买意愿有多强?如果购买意愿很强,是不是可以在五分钟后,给对方主动发消息问他考虑情况或者发券,智能的催拍催付”,这样其实是非常直接促成转化的手段。

1d67c19aab49cf8eac8b13bd68e60dcf.jpg

售前导购咨询的前景如何?消费者期望智能客服是客服、更是行业专家。陈蒙也给出了自己的看法:

  • >传统客服向智能客服升级转型,是大势所趋,“新基建”是最佳契机;

  • >智能客服的下一个大市场是——智能营销;

  • >最高效的产品形态是人机融合,而不是完全取代;

  • >具备复杂对话能力的语音外呼机器人大有可为。

C2B 反向定制驱动智能供应链变革

ae5b607b6485b6b8feefd5c3466e48ff.jpg京东云与AI人工智能平台部高级产品经理什么是 C2B?许俊恺认为,从消费侧数据入手,进行相应分析,反哺供应侧,在通过细分人群的划分,用数据驱动零售侧进行精准的触达,构建以消费者为中心的供应链结构。

对于 C2B 的具体阐释,就是在供应侧,对人货场消费大数据进行解析,解决“为谁做”的问题;在零售端,通过用户洞察和市场洞察,提供相应的决策建议和精准营销,增强精准触达能力,在合适时间、以合适方式触达消费者促进消费者真正完成对商品转换的提升,形成有效率的营销。从供给侧到零售端,通过用户分析的一以贯之,保证实现“为谁做的产品就卖给谁“的效果。

885972f6ac876b37e6be18559ae8fc4e.jpg京东的智能供应链就是以人工智能算法为核心,通过在生产、流通、消费的全环节的智能化能力的输出,全链条提升人货匹配效率。京东的供应链平台,在应用服务层,提供应急管理、产业创新、KA 企业方面的赋能;在平台产品层,提供智能供应链管理平台、智能C2B平台以及供应链企业信息管理平台等等相关平台化产品,在能力层,则有大数据分析能力、AI 能力、云计算来提供相应的技术支撑。

f201fc3a84f5b8efb224cf31485fe79b.jpg

总的来说,智能 C2B平台由市场洞察、用户洞察、品牌营销和反向定制 4 个核心模块组成。通过市场洞察和用户洞察相应的消费数据分析,反哺到生产和消费侧,提供反向定制、精准营销等等定制化产品服务,切实提升商品竞争力和销售表现。

在用户洞察方面,其实是对用户搜索,App 浏览和使用习惯等行为数据,评论、问答等评价数据以及用户画像进行综合研判,来推断用户动机,再通过 AI 算法模型,具体分析出用户最终对产品的购买意向和程度。在市场洞察方面,则对整体市场、细分市场以及竞品进行相关的分析,帮助客户了解目前市场上商品分布,品牌分布等等情况。

在通过整体数据分析后,得到的数据结论,往上游会支撑到生产端,往下游支撑到消费端。生产端这一边,我们就把它叫做反向定制。

反向定制,一方面,通过核心指标选定,对商品属性本身的市场,和市场上相关表现指标,进行对应,输入到模型,找到在市场上表现会比较优异的商品属性的复合组合。另一方面,也会针对用户在商场里发生的行为,包括评论、问答,搜索,挖掘用户隐性痛点,帮助用户去找到他们真正想要的东西,提供给品牌商,定制爆款产品。

京东的 C2B 反向定制总结一下可以解决以下问题。

  • >基于京东海量用户和商品数据,从消费者需求出发,多维度深度挖掘消费者潜在需求,定制爆款;

  • >支持基于 UV 转化率的定制,提升新品转化、实现老品升级;

  • >支持基于评论等文本数据,进一步挖掘用户痛点和产品卖点,辅助品牌商进行亮点打造。

426a3fa0527feae539ec248e40a8c07d.jpg许俊恺最后列举了一些大型品牌商的具体案例,基于消费者需求洞察的新品反向定制,京东提供的全链路支持,使得品牌商精准匹配消费者需求以及达到成本的降低和利润率的提高。

技术的核心在于落地实施和价值创造,而京东智联云依托智能供应链完善的平台架构和服务体系,正是推动企业数字化、网络化、智能化升级的有力推手。

京东智联云开发者
京东智联云开发者

京东智联云开发者(JD Cloud & AI Developer)是京东集团旗下为AI、云计算、IoT等相关领域开发者提供技术分享交流的平台。平台将发布产品技术信息、行业技术内容、技术活动及大赛等资讯。拥抱技术,与开发者携手预见未来!

产业智能客服智能供应链
相关数据
区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

逻辑回归技术

逻辑回归(英语:Logistic regression 或logit regression),即逻辑模型(英语:Logit model,也译作“评定模型”、“分类评定模型”)是离散选择法模型之一,属于多重变量分析范畴,是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

随机森林技术

在机器学习中,随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。而"Random Forests"是他们的商标。这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林(random decision forests)而来的。这个方法则是结合Breimans的"Bootstrap aggregating"想法和Ho的"random subspace method" 以建造决策树的集合。

线性回归技术

在现实世界中,存在着大量这样的情况:两个变量例如X和Y有一些依赖关系。由X可以部分地决定Y的值,但这种决定往往不很确切。常常用来说明这种依赖关系的最简单、直观的例子是体重与身高,用Y表示他的体重。众所周知,一般说来,当X大时,Y也倾向于大,但由X不能严格地决定Y。又如,城市生活用电量Y与气温X有很大的关系。在夏天气温很高或冬天气温很低时,由于室内空调、冰箱等家用电器的使用,可能用电就高,相反,在春秋季节气温不高也不低,用电量就可能少。但我们不能由气温X准确地决定用电量Y。类似的例子还很多,变量之间的这种关系称为“相关关系”,回归模型就是研究相关关系的一个有力工具。

特征工程技术

特征工程是利用数据所在领域的相关知识来构建特征,使得机器学习算法发挥其最佳的过程。它是机器学习中的一个基本应用,实现难度大且代价高。采用自动特征工程方法可以省去采用人工特征工程的需求。Andrew Ng 说“挖掘特征是困难、费时且需要专业知识的事,应用机器学习其实基本上是在做特征工程。”

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

朴素贝叶斯技术

朴素贝叶斯是一种构建分类器的简单方法。该分类器模型会给问题实例分配用特征值表示的类标签,类标签取自有限集合。它不是训练这种分类器的单一算法,而是一系列基于相同原理的算法:所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子,如果一种水果其具有红,圆,直径大概3英寸等特征,该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定,然而朴素贝叶斯分类器认为这些属性在判定该水果是否为苹果的概率分布上独立的。

监督学习技术

监督式学习(Supervised learning),是机器学习中的一个方法,可以由标记好的训练集中学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。训练集是由一系列的训练范例组成,每个训练范例则由输入对象(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

特征选择技术

在机器学习和统计学中,特征选择(英语:feature selection)也被称为变量选择、属性选择或变量子集选择。 它是指:为了构建模型而选择相关特征(即属性、指标)子集的过程。

模型选择技术

模型选择是从给定数据的一组候选模型中选择统计模型的任务。对于具有类似预测或解释力的候选模型,最简单的模型最有可能是最佳选择(奥卡姆剃刀)。

自动化机器学习技术

机器学习最近在许多应用领域取得了长足的进步,这促成了对机器学习系统的不断增长的需求,并希望机器学习系统可以被新手快速地熟悉并使用。相应地,越来越多的商业企业推出产品旨在满足这种需求。这些服务需要解决的核心问题是:在给定数据集上使用哪种机器学习算法、是否以及如何预处理其特征以及如何设置所有超参数。这即是自动化学习(AutoML)企图解决的问题。

京东机构

京东(股票代码:JD),中国自营式电商企业,创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东商城、京东金融、拍拍网、京东智能、O2O及海外事业部等。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作,1号店并入京东。

聚类技术

将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。“物以类聚,人以群分”,在自然科学和社会科学中,存在着大量的分类问题。聚类分析又称群分析,它是研究(样品或指标)分类问题的一种统计分析方法。聚类分析起源于分类学,但是聚类不等于分类。聚类与分类的不同在于,聚类所要求划分的类是未知的。聚类分析内容非常丰富,有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

用户画像技术

用户画像(persona)的概念最早由交互设计之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表,是建立在一系列属性数据之上的目标用户模型。

推荐文章
暂无评论
暂无评论~