美國(guó)亞馬遜公司Amazon Go 人工智能便利店自2016年開設(shè)以來(lái),使用AI2.0技術(shù)平臺(tái)的系統(tǒng)歷經(jīng)近一年多的時(shí)間閉門設(shè)置基礎(chǔ)的標(biāo)本數(shù)據(jù)后,于2018年1月22日正式對(duì)外開放營(yíng)業(yè)。
經(jīng)過(guò)實(shí)際市場(chǎng)的考驗(yàn),最近獲得了不錯(cuò)的成績(jī)單:坪效已經(jīng)超過(guò)傳統(tǒng)便利店之王7-11,月銷額也遠(yuǎn)遠(yuǎn)超過(guò)標(biāo)準(zhǔn)7-11單店的60多元萬(wàn)人民幣,信心滿滿的亞馬遜總裁貝索斯決定全部AI技術(shù)自用絕不向外泄露絲毫并在2年內(nèi)快速開設(shè)3000間店面,除目前美國(guó)開出的10間外,最近還在英國(guó)倫敦選擇開始Amazon Go人工智能便利店的第十一間分店。
屆時(shí)3000間新便利店店開始營(yíng)業(yè)后,將為亞馬遜公司帶來(lái)300多億元人民幣的新一條現(xiàn)金牛外,還有源源不斷的大數(shù)據(jù)流入亞馬遜公司。但是,其Amazon Go人工智能便利店的單店投入/平方比過(guò)高也給競(jìng)爭(zhēng)對(duì)手留出了一線機(jī)會(huì),對(duì)競(jìng)爭(zhēng)者來(lái)說(shuō)用更新更強(qiáng)的AI技術(shù)來(lái)跨越亞馬遜的護(hù)城河是唯一的選擇,下面就讓我們來(lái)逐條梳理一下,看如何超越Amazon Go人工智能便利店:
這里先上2張分析圖,就是Amazon Go人工智能便利店回歸到商業(yè)本質(zhì)的核心,應(yīng)用先進(jìn)AI系統(tǒng)來(lái)盡可能地提高商品流轉(zhuǎn)率 -
反觀國(guó)內(nèi)公司就存在明顯的缺陷,就是無(wú)法平衡高額的單店設(shè)備成本的投入與服務(wù)品質(zhì)(含商品流轉(zhuǎn)率、日常維護(hù)的便捷性和最終客戶流暢的購(gòu)物體驗(yàn)等)之間的平衡,首先會(huì)導(dǎo)致核心商業(yè)價(jià)值鏈的斷裂而導(dǎo)致新便利店無(wú)法造血。
未完待續(xù)。。。
附件下載區(qū): 鼠標(biāo)左鍵單擊文件進(jìn)行下載
附件: |
Q:什么是AI2.0?
A:AI2.0是2019年圖靈獎(jiǎng)得主Hinton教授提出并催生了兩萬(wàn)億級(jí)(以特斯拉的自動(dòng)駕駛和亞馬遜的AmazonGo人工智能便利店為代表)世界市場(chǎng)的基石。在AI2.0獲得世人承認(rèn)的同時(shí)也遭到了來(lái)自人工智能業(yè)界的反對(duì)之聲,主要集中在商業(yè)落地成本和工程效率兩點(diǎn),這里轉(zhuǎn)載的這篇特稿是以AI2.0不是實(shí)現(xiàn)類人智能為基調(diào)展開的-
這是PNAS的一篇特稿,描述了深度學(xué)習(xí)的多種局限,包括易受對(duì)抗攻擊、應(yīng)用不穩(wěn)定、缺乏可解釋性等。最終結(jié)論是,深度學(xué)習(xí)不是實(shí)現(xiàn)類人智能的途徑。
“對(duì)抗攻擊”(adversarial attack)的例子是由Google Brain的深度學(xué)習(xí)研究人員發(fā)現(xiàn)的。(視頻鏈接)
AI能將一根香蕉照片識(shí)別成一臺(tái)烤面包機(jī),盡管AI在訓(xùn)練階段可能被展示了數(shù)千張香蕉、蛞蝓、蝸牛以及其他類似物體的照片,就像抽認(rèn)卡一般,讓AI反復(fù)練習(xí),直到完全掌握分類為止。
但是,即便是成千上萬(wàn)次訓(xùn)練,這個(gè)先進(jìn)的系統(tǒng)也很容易被搞糊涂——只需要將一張小小的貼紙放到圖像的某個(gè)角落,就會(huì)改變識(shí)別結(jié)果。
缺乏可解釋性是另一個(gè)突出的問(wèn)題,一旦深度學(xué)習(xí)系統(tǒng)被訓(xùn)練完,它是如何做出決定的就不總是那么清楚了。MIT- IBM 沃森人工智能實(shí)驗(yàn)室負(fù)責(zé)人、計(jì)算神經(jīng)學(xué)家David Cox說(shuō):“在很多情況下,不透明問(wèn)題是不可接受的,即使它得到了正確的答案。”
假設(shè)一家銀行使用AI來(lái)評(píng)估你的信用等級(jí),然后拒絕給你貸款,并且說(shuō)不清楚拒絕的原因,你會(huì)覺(jué)得合理嗎?
AI的這些弱點(diǎn)越來(lái)越多地引起人們的擔(dān)憂,尤其是自動(dòng)駕駛方面。自動(dòng)駕駛汽車使用類似的深度學(xué)習(xí)系統(tǒng)進(jìn)行導(dǎo)航,已經(jīng)出現(xiàn)了幾起廣為人知的死亡事故。
聯(lián)結(jié)主義人工智能(connectionist AI),即今天的深度學(xué)習(xí)系統(tǒng)的前身。
這類系統(tǒng)的想法是通過(guò)一個(gè)模擬節(jié)點(diǎn)的網(wǎng)絡(luò)來(lái)處理信號(hào),這個(gè)網(wǎng)絡(luò)類似于人類大腦中的神經(jīng)元。信號(hào)通過(guò)連接或鏈路從一個(gè)節(jié)點(diǎn)傳遞到另一個(gè)節(jié)點(diǎn):類似于神經(jīng)元之間的突觸連接。而學(xué)習(xí),就像在真實(shí)的大腦中一樣,是一個(gè)調(diào)整“權(quán)重”問(wèn)題,這個(gè)“權(quán)重”會(huì)放大或減弱每個(gè)連接所攜帶的信號(hào)。
在實(shí)踐中,大多數(shù)網(wǎng)絡(luò)將節(jié)點(diǎn)排列成一系列的層,大致類似于大腦皮層中的不同處理中心。因此,比如說(shuō),一個(gè)專門用于圖像識(shí)別的網(wǎng)絡(luò)會(huì)有一個(gè)輸入節(jié)點(diǎn)的層,它對(duì)單個(gè)像素做出響應(yīng),就像桿狀細(xì)胞和錐體細(xì)胞對(duì)照進(jìn)視網(wǎng)膜的光線做出響應(yīng)一樣。一旦被激活,這些節(jié)點(diǎn)通過(guò)加權(quán)連接將其激活級(jí)別傳播到下一級(jí)別的其他節(jié)點(diǎn),這些節(jié)點(diǎn)組合輸入信號(hào)并依次激活(或不激活)。
個(gè)過(guò)程一直持續(xù)到信號(hào)到達(dá)節(jié)點(diǎn)的輸出層,其中的激活模式提供一個(gè)答案——一個(gè)斷言,例如輸入圖像是數(shù)字“9”。如果答案錯(cuò)誤了——假設(shè)輸入的圖像是“0”——那么“反向傳播”算法就會(huì)沿著層反向運(yùn)行,調(diào)整權(quán)重,以便下次得到更好的結(jié)果。
直到2000年,隨著計(jì)算能力以數(shù)量級(jí)增大的計(jì)算機(jī)的出現(xiàn),以及社交媒體網(wǎng)站提供大量圖像、聲音和其他訓(xùn)練數(shù)據(jù),這種理解才開始得到發(fā)展。
首先抓住這波機(jī)會(huì)的是Hinton,他是反向傳播算法的提出者之一,也是20世紀(jì)80年代聯(lián)結(jié)主義的主導(dǎo)者。到2005年左右,他和他的學(xué)生們訓(xùn)練的網(wǎng)絡(luò)不僅比以前的要大得多,而且深得多,層數(shù)從一層或兩層增加到了大約六層。(如今的商業(yè)網(wǎng)絡(luò)經(jīng)常多達(dá)100層以上)
強(qiáng)化學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)的首次成功實(shí)現(xiàn)是在2015年,當(dāng)時(shí)DeepMind的一個(gè)團(tuán)隊(duì)訓(xùn)練了一個(gè)網(wǎng)絡(luò)玩經(jīng)典雅達(dá)利2600街機(jī)游戲。
網(wǎng)絡(luò)在游戲過(guò)程中接收屏幕圖像作為輸入,在輸出端是制定操作指令的層,比如如何移動(dòng)操作桿。在這個(gè)游戲中,神經(jīng)網(wǎng)絡(luò)的表現(xiàn)與人類玩家相當(dāng),或超過(guò)了人類玩家。
然后在2016年,DeepMind的研究人員在AlphaGo中應(yīng)用了同樣方法的更精細(xì)版本,掌握了復(fù)雜的圍棋游戲,并打敗了人類圍棋世界冠軍李世石。