從數(shù)據(jù)中心到物聯(lián)網(wǎng)設(shè)備，人工智能計(jì)算的持續(xù)發(fā)展（3）

我們有一些客戶希望將 AI 應(yīng)用于數(shù)字廣告。想象一下你自己走過(guò)一個(gè)電子廣告牌，而不是廣告商按路過(guò)的人數(shù)付費(fèi)，如果那個(gè)電子標(biāo)志能夠檢測(cè)到眼神接觸，如果你真的看過(guò)并注意到那個(gè)數(shù)字標(biāo)志，然后將其注冊(cè)為收入移動(dòng)活動(dòng)，你要收費(fèi)的東西，因?yàn)楝F(xiàn)在不是有人只是走過(guò)電子廣告牌，你實(shí)際上知道他們看過(guò)并注意到了廣告，這是一個(gè)應(yīng)用程序，當(dāng)然可能對(duì)那些在那個(gè)數(shù)字廣告業(yè)務(wù)中。

在我看來(lái)，這聽(tīng)起來(lái)像是廣告商試圖盡量減少支出，但我明白為什么它對(duì)廣告商還是有價(jià)值的。

你還提到了一個(gè)我認(rèn)為實(shí)際上更奇怪，也許更酷的東西。人工智能會(huì)觀察路過(guò)的人，并根據(jù)他們的穿著方式、他們?nèi)绾伪３肿约骸⑺麄兪欠駧е鴰讉€(gè)孩子來(lái)評(píng)估他們可能感興趣的東西。

不僅提出建議，而且提出建議。所以這里是用例：你在商場(chǎng)里，對(duì)吧?你穿梭進(jìn)出商店，走進(jìn)一家大型百貨公司，有東西在看著你。它可以從該圖像中獲得一大堆東西。顯然，它可以通過(guò)查看徽標(biāo)得出您的尺寸、尺寸、體重、風(fēng)格，也許您喜歡穿什么品牌。正如你所提到的，你會(huì)看看你是否是父母并且你是否有孩子。然后當(dāng)你走過(guò)那家商店時(shí)，廣告可以為你量身定做。你走過(guò)，它從你走進(jìn)商店的那一刻起就認(rèn)出了你，現(xiàn)在它開(kāi)始推薦你可能喜歡的款式或出售的衣服，這些衣服符合你走進(jìn)商店時(shí)的穿著風(fēng)格。

我在網(wǎng)絡(luò)上的經(jīng)驗(yàn)是，如果我看到某樣?xùn)|西，廣告就會(huì)跟著我到處走。對(duì)于我的業(yè)務(wù)，我可能會(huì)考慮使用白盒服務(wù)器。在接下來(lái)的三天里，我的 Facebook 訂閱源上只彈出服務(wù)器廣告，就好像我真的要為自己買一個(gè)一樣。但我可以看到將這種類型的活動(dòng)推向邏輯極端，你走進(jìn)一家商店，走進(jìn) Nordstroms，然后看看一雙鞋。然后當(dāng)你走進(jìn)梅西百貨并經(jīng)過(guò)鞋類部門時(shí)，梅西百貨正在向您展示與您所看到的 Nordstroms 相似的東西。我可以想象會(huì)發(fā)生這種情況。

從技術(shù)上講，這是可能的。梅西百貨希望共享 Nordstrom 數(shù)據(jù)的商業(yè)方面，反之亦然。關(guān)于他們是否愿意這樣做，這是一個(gè)不同的問(wèn)題。但從技術(shù)上講，你所描述的絕對(duì)是可能的。

同樣，可能是廣告商進(jìn)行調(diào)解，或廣告服務(wù)組織進(jìn)行調(diào)解。但是，是的。哇。我不知道我是否想要鞋子跟著我。但這只是我。

我們正在談?wù)撘恍?yīng)用程序。實(shí)現(xiàn)這一目標(biāo)有哪些挑戰(zhàn)?我想有——對(duì)于人工智能，我想我不知道——它的硬件方面。很明顯，其中很多是軟件。那么我們可以談?wù)劥嬖谀男┨魬?zhàn)嗎?或者也許是挑戰(zhàn)的類別?我知道它會(huì)因應(yīng)用程序而異。

當(dāng)然了。所以首先，正如你所說(shuō)，一些挑戰(zhàn)是直觀的，對(duì)吧?有很多數(shù)據(jù)，而且數(shù)據(jù)量在增加。例如，我們只是在談?wù)摽赡苷趻呙枞说囊曈X(jué)系統(tǒng)。因此，相機(jī)當(dāng)然是人工智能中使用的大型傳感器數(shù)據(jù)源之一。很多圖像識(shí)別，檢測(cè)都是用AI完成的。這些相機(jī)的分辨率越來(lái)越高。你知道，當(dāng)你從 1080p 遷移到 4K，現(xiàn)在是 8K 甚至更高時(shí)，文件大小和數(shù)據(jù)量是巨大的。因此，這是挑戰(zhàn)之一：數(shù)據(jù)集越大，神經(jīng)網(wǎng)絡(luò)就越大。當(dāng)然，你也開(kāi)始處理，如果你必須將數(shù)據(jù)從邊緣移動(dòng)到云端，或者以某種混合模式，其中一些數(shù)據(jù)是在邊緣使用人工智能處理的，而一些數(shù)據(jù)是在云中處理的，有很多數(shù)據(jù)需要移動(dòng)。它產(chǎn)生了我們之前談到的所有問(wèn)題，例如延遲和網(wǎng)絡(luò)帶寬以及隱私問(wèn)題。

因此，這顯然是問(wèn)題之一，也是挑戰(zhàn)之一。此外，正如我所提到的，與此相關(guān)的是，神經(jīng)網(wǎng)絡(luò)的大小，即圖本身，正變得越來(lái)越大。通常，神經(jīng)網(wǎng)絡(luò)的大小和準(zhǔn)確性之間存在權(quán)衡。因此，根據(jù)應(yīng)用程序，有一個(gè)理想的最佳點(diǎn)，即相對(duì)于多少數(shù)據(jù)以及您愿意讓網(wǎng)絡(luò)運(yùn)行的深度，您需要多少準(zhǔn)確度——這會(huì)影響你正在處理的數(shù)據(jù)的大小——你愿意走多少層才能獲得最高的準(zhǔn)確性。因此，您必須進(jìn)行權(quán)衡以達(dá)到應(yīng)用程序級(jí)別，您首先甚至可以確定該權(quán)衡是否會(huì)讓您使用處于邊緣的硬件和軟件來(lái)完成它。