市北·GMIS 2019 | 码隆科技联合创始人&首席技术官Matt Scott :AI在零售领域的发展
7 月 20 日下午,码隆科技联合创始人、首席技术官 Matt Scott 在「市北·GMIS 2019 全球数据智能峰会」上介绍了人工智能技术近期在零售领域的发展:「我们现在处于零售的重生阶段,而不是零售的启示录阶段。零售业公司不会全部变成电商,但过程中必然会有一个转型,这就是我们需要 AI 零售的地方。」Scott 认为,我们谈论的首先是数据,其次是算法,我们需要无监督学习/弱监督学习处理大量数据。
对于零售商来说,他们需要可扩展的、有真实效益的解决。零售在真实世界中总会遇到各种各样的问题,AI 必须解决这些问题,否则无法实际部署。另一方面,零售行业的利润率非常低,在成本效益上,新的方法必须达到很好的效益,我们不能为高科技付出太多的成本,我们不能放太多的摄像头,有太多的设备要求,这是无法扩展的。比如自动化的购物体验,这个还有很长的路要走,在大店模式上难以实现,目前只适用于小店。零售也比我们想象的发展更慢,我们需要更有耐心。比如自动结账系统,这个系统早在 90 年代就已经出现在西方国家了,但近一两年来才在中国开始大规模出现。在超市自主称重的地方,我们现在可能需要翻好几页选择正确的种类才能算钱,如果我们为系统加入一个摄像头,使用 AI 自动识别商品,问题就能很快解决了。使用码隆科技的技术,即使被装在袋中的水果,摄像头之后的算法也能识别,准确率超过 99%。
在这背后的算法也很重要,码隆科技立足于科技领先的研究。「大多数人都关注于 AI 的架构和数据。码隆科技则关注损失函数和学习策略,我们发现这可以极大提升算法的识别效果。」Scott 表示。码隆科技推出了弱监督学习算法 CurriculumNet,在一些任务中实现了业内最佳的效果。论文已经被 ECCV2018 大会收录。这种方法在高达 1000 种品类的识别任务中,需要训练的图像数量会随着品类的增加不断减少。比较损失函数也是一件困难的是,码隆科技也在寻找更高一级的研究。在 GPW Framework 中,我们现在已经可以对比所有损失函数的优缺点了,新的研究已在 CVPR 2019 大会上出现。