關于組織推薦省級第十六批“一企一技術”研發中心的通知 山東省工業和信息化廳關于進一步推動大型工業企業研發機構建設 的實施意見 龔正到泰安市調研指導主題教育 堅定踐行初心使命 勇做新時代泰山“挑山工” 關于2019年度國家中小企業公共服務示范平臺名單的公示 前8月互聯網企業業務收入增20.9% 安筱鵬:數字化轉型的十個關鍵詞 我省啟動新型智慧城市試點示范建設工作 關于組織申報2019年度山東省數字經濟園區(試點)的通知 苗圩《人民日報》撰文:我國工業和信息化的輝煌成就與寶貴經驗 山東省工業和信息化廳關于公布2019年山東省工業企業“質量標桿”典型經驗的通知
當前位置:首頁 > 優秀案例 > 工業案例

人工智能如何落地到各種行業?

發布時間:2019-01-17 13:12:42 來源:管理員 作者:超級管理員

如今,人工智能如何落地到各種行業之中已經成為很多企業發展的困惑。


1人工智能行業落地方向探討與人工智能在服裝行業落地的機遇與挑戰


概念:最早是從15年,阿法狗獲得世界冠軍這樣的事件讓其回到人類的視野.從16年到現在,阿法狗也做了很多的改進,比如AlphaGo zero、Alpha zero, 整個改進的歷程和路徑其實和我們解決人工智能問題的方式其實是非常相似的。

最先是個強調監督學習的軟件;到AlphaGo zero強調的是訓練數據,通過自我博弈去生成訓練數據,或者其他的方式減少對訓練數據的依賴 ;再到Alpha zero能夠做到更通用。除了圍棋之外,人工智能已經落地到很多維度,如無人車。

簡單回顧一下人工智能發展的過程。其實并不是最近幾年才有的概念,在很早之前隨著計算機的誕生就已經開始了。人工智能在落地的過程中有兩個重要的點,一是對需求的把握;一是對技術邊界的把握。

人工智能現在涉及落地的領域。

在這么多領域當中可以發現沒有找到服裝行業有相關的科技巨頭,那么人工智能是否能輔助服裝行業或者落地到服裝行業呢?

這是某科技公司現在在做的事情。我相信任何相關從業人員解決的都是兩方面的問題,一是問題是否有價值,二是模型是否能創造價值所需要的精度。

如何把人工智能落地到行業中去?在這一點該科技公司是怎么做的呢?

首先尋找行業的痛點。主要有三大塊:做什么?怎么做?怎么賣?怎么賣:淘寶等平臺豐富;怎么做:智慧共產比較熱的話題,是否所有的車間都能實現無人化呢,在服裝行業還是比較難實現的。那么做什么就成了最大的問題,所有的服裝都是從設計開始。在我們充分的市場調研發現做什么十分重要,第一它直接決定了款式好不好,庫存怎么樣,賣得怎么樣,現在相對來講沒有很好的系統輔助,現在我們發現還是可以通過技術手段互聯網方式來解決。

設計師獲取靈感方式

設計師找素材其實非常不方便的,這是設計師現在很大的一個痛點,我們也主要是圍繞這個。我們需要去把不同的數據匯集起來,打通結構化和非結構化數據,從中分析出流行趨勢和變化規律以及好賣的款式,如何從海量的數據去獲取設計師需要關注的信息,AI就會從中做出分析,過濾無用信息或者讓有用的信息更凸顯,這就是該公司目前要解決的問題。


2

解決人工智能問題的思路與方法論


服裝設計的圖片是海量的,那么如何從海量的圖片中去尋找有用的圖片,這里可以理解為推薦,但是跟今日頭條和搜索的推薦不同,它們是文字,而服裝需要被推薦的東西是圖片,機器理解圖片更加復雜,怎么把數據源整理和整合起來并有針對性推送給客戶,這就是人工智能的技術應該去解決的問題。

我們希望去推薦好的時尚圖片,首先就要去分解問題,大問題化解為數個小問題,使得每個小問題都有解決的方案,該科技公司做的是圖片推薦,第一個做的就是對圖片的理解;第二個才是對圖片的推薦。把圖片變成一些特征的向量之后,把圖片之后的特征全部提取之后,之后就和經典的推薦差不多,在任何一個人工智能問題的解決中分解問題、轉化問題都非常重要。

當我要解決推薦問題的時候我也會看看在相似場景都適合怎么落地的,谷歌的推薦系統就很有借鑒的意義,這個時候就要判斷一下里面相似部分和不相似在哪里,針對不相似部分要如何處理,相似部分該怎么借鑒,這是推薦所有入門同學去處理問題的一個方式。

前面提到了很多應用,大部分都是利用深度學習來進行的,但深度學習不是萬能的,在有些領域也是不適用的。


3

訓練數據收集


大概流程如下:

多層復雜特征提取這一點多深度學習來說非常重要,這是深度學習能夠突破瓶頸的核心。

介紹一些該科技公司的經驗,主要分為兩個部分。數據收集對于最終的模型訓練非常重要,首先要對圖片去進行理解,打標簽,指定標簽,在落地過程中標簽體系的建立花費特別多的時間,這取決于模型的能力。

隨著業務需求的深入需要更細致的標簽 如何在最短的時間指定相對持久的標簽取決于三方面,首先要借鑒已有的如淘寶;第二點利用專業能力和理解力來判端并做出相匹配的標簽體系;最后是算法的能力。

標簽體系制定好之后就是如何去收集標簽。大部分機器學習模型比較依賴訓練數據的準確率,所以說一個很好的系統去輔助打標簽是非常重要的事情,知衣科技就研發了一個非常好的打標系統。盡可能地利用機器學習模型來得到結果,結合模型的輸出,給出候選答案,幫助去更好的收集數據。


4

模型調優方法論


首先要解決的問題是物體識別,哪些部分是服裝,這是經典的圖像識別問題。

然后要根據應用的情況選擇算法框架,對比三個主流的框架,在精度和速度方面我們選擇了yolo3.

選擇好基本框架之后我們就要考慮怎么去優化。不管怎樣調參,幾次之后還是會有問題的存在,在怎么去改進,比較主要的方法是做錯誤分析。比如在做錯誤分析的時候,發現對小物體的識別是比較困難的,發現這個問題之后就去找相應的實現方法,選擇適用于你的方法。


推薦

山西福利彩票快乐10分