零售在生成人工智能的時代

生成的人工智能是什麼?

等大型語言模型(llm) ChatGPT最近引起了大量的關注以及生成人工智能這一更廣泛的主題。生成的能力似乎深思熟慮,消息靈通的,甚至人類反應用戶提示真的是很神奇的。許多組織承認這是一個改變遊戲規則的技術和組織像OpenAI(精心製作ChatGPT)使用buzz驅動收入。

要理解這新一波的人工智能,我們先來定義它。生成的人工智能隨著這些技術將被能產生新的和看似原始的創意作品無論是書麵文本、圖像或音樂。這些AIs不隻是重複做什麼了。相反,這些模型在大量訓練的例子,從這些學習人類飛船背後的基本模式等內容,到達從未見過或觀察構造之前我們會理解為人類創造性的表達。但與過去的簡單的人工智能,可以確定哪些詞是未來或程式化的濾波器應用到一個圖像,這些AI有能力理解身體的大背景下產生的工作,這樣的內容形成更連貫和有說服力的人工翻譯。

ChatGPT已成為世界上發展最快的應用通過記錄1億用戶在兩個月內首次推出以來,進入了一個新時代。但許多llm ChatGPT隻是其中之一,我們看到微軟和穀歌等公司(詩人)生成人工智能的迅速跟進。我們甚至宣傳我們自己的實驗多莉inexpensive-to-build LLM,展品的驚人instruction-following ChatGPT所展現出來的能力,我們最近發布的開源社區。

黃金時間是生成AI準備好了嗎?

生成AI非常有前途,企業應該駕駛它。它有能力檢索的一般知識,發展自己的觀點,分析某些類型的信息等等。但是生成模型有一些弱點之前,我們需要解決他們可行的商業用途。

• 他們權威的聲音,即使他們不準確。如果你問一個LLM提供對比意見相同的話題,它會這樣做和自信的聲音。雖然llm可以生成一致的文本,他們仍然抗爭占了更廣泛的理解和生成文本上下文理解。基於llm隻能生成反應的信息一直在訓練,這會導致有限的知識或理解他們的訓練數據以外的話題。
• 知識產權。在許多情況下,llm訓練文本數據,是由個人或組織數據的合法權益。這些數據所有者可能有專利或版權利益數據和可能要求他們的權利被尊重當數據用於大型語言模型訓練。和所有權的內容是由生殖AI模型是不確定的。最近美國最高法院統治人工智能生成圖像沒有知識產權的保護。
• 成本和能源消耗:最大的局限性之一llm的成本(主要是計算機)來訓練模型。為每個訓練數百萬美元。許多公司不僅在經濟上不可行,在規模,它將創建一個主要對經濟的負麵影響。(這是我們建造的主要原因之一多莉!)
• 他們可以加強偏見。llm已經知道複製訓練數據中出現的偏差。這可能導致偏見基於偏差輸入語言生成或決策。

未來的應用生成人工智能在零售

盡管存在這些挑戰,我們預測未來一個強大的生殖AI和正在與客戶今天在一係列飛行員。beplay体育app下载地址

我們預測生成的人工智能將是受歡迎的用途嗎?ChatGPT知識庫一樣沒完沒了的列表,但這裏有一些關鍵類別我們聽到或期望零售商投資生成人工智能:

1. 個性化營銷:每一位客戶都是獨一無二的。生成人工智能可以用來改善客戶體驗,並提供一個個性化的信息對消費者與產品相關的電子郵件或在線購物者。
2. 虛擬試衣間。生成人工智能可以用於生成自定義的圖像匹配與可用產品消費者利益。購物者可以生成模型渲染可用的產品目錄上的照片。
3. 聊天機器人/自動化客戶服務。記錄從呼叫中心交互,產品信息,以及實時訂單信息可以用來優化llm減少負載呼叫中心代理。
4. 安排客戶交貨和安裝。訂購一個新的家庭影院,需要交付和安裝嗎?llm可以與移動應用程序集成,網站甚至店內亭方便零售商與客戶協調交付和安裝選項。beplay体育app下载地址他們可以訪問配置要求,需要部分,資源需求,更以確保交付和安裝成功完成在一個訪問。
5. 安全威脅和帳戶收購企圖。生成人工智能可以用來分析客戶信息或其他通信欺詐活動的跡象,如網絡釣魚或社會工程。
6. 在商店助理。作為家居裝飾店參觀的人都可以作證,問“什麼通道是X產品,”經常被錯誤的答案。llm可以集成與網絡和移動應用程序,利用存儲的數據布局,混合著當前的庫存信息,更準確地響應這些請求。
7. 庫存和需求計劃:作為零售商最大的難點之一,有巨大的潛力來優化需求預測和庫存計劃與生成人工智能——幫助零售商避免存貨過多或存貨不足。生成人工智能可以分析銷售數據和提出建議的庫存水平應該儲存在這故事,幫助零售商預測趨勢通過分析曆史數據,消費者信心和競爭力的數據。
8. 產品開發:為了創建獨特和創新的產品,突出在飽和的市場中,零售商可以利用生成人工智能創造新產品設計根據客戶的偏好,市場趨勢和其他數據。我們希望看到文檔評審中扮演著重要的角色,利用產品評論,記錄發現,合同評審,等等,來驅動prodcut路線圖和發展。
9. 生成可執行的見解。零售商不再需要依賴於員工的能力來解釋報告。可以訓練llm解釋信息以結構化的形式,分析它,並返回相關見解平實的語言。通過連接一個LLM預測模型,它可以開始自動化庫存位置的分析,勞動人員,客戶互動或任意數量的其他情況。
10. 代碼開發。生成人工智能可以用來開發代碼!開發人員可以使用生成模型來開發一個基本的代碼,他們提高,大大提高他們的生產率。

這些隻是一個開始。llm結合等技術langchain,他們可以作為一個用戶友好的方式來調用更複雜的人工智能模型。LLM可以觸發一個客戶流失模型,生成並返回一個分析,然後提供一個書麵的解釋數據模型。總的來說,生殖AI有可能幫助零售商提高客戶互動,增加銷售,和優化操作,成為一個有價值的工具。

如何把磚放在生成人工智能嗎?

多莉的目的是展示生成人工智能的可接近性,任何人都可以采取開源大語言模型(LLM)和給它ChatGPT-like指令後功能使用高質量的訓練數據。

多利,我們能夠證明一個免費,開源LLM已經存在了幾年可以訓練在一個相對較小的(當然也可訪問)的數據量在一個相當小的磚集群。這個演示的重點是表明組織都有一個選擇在對待這項技術,他們不需要受製於外部團體為了獲得此功能。

我們在早期人工智能的民主化的企業,和許多工作有待完成,但我們相信技術的底層多莉是一個令人興奮的新機會廉價零售商希望建立自己的instruction-following模型和利用生成人工智能業務。

你如何準備利用這種新技術?

llm和生成人工智能技術有可能徹底改變企業的運作方式和創造價值。但是還有長的路要走。零售商的關鍵是為這新一波的技術準備他們的業務。零售商可以通過:

1. 開發一種人工智能策略——有一個清晰的人工智能策略,服從你的總體商業將至關重要。零售商應該如何使用AI輪廓增強客戶體驗,提高供應鏈和庫存管理,推動產品創新和探索新的用例自動化和決策。
2. 在數據基礎設施投資——未來的任何使用生成的人工智能將需要大量的數據來訓練模型來有效地進行操作。零售商應該投資於構建一個數據lakehouse能夠收集、存儲和管理所有類型的數據(結構化、半結構化、非結構化)和支持BI和人工智能技術將利用用例。
3. 在你的Lakehouse捕獲數據。生成的人工智能模型是通用的。什麼會使他們強大的特定於公司及相關數據。企業應該投資於捕捉和注釋數據預計這些生成模型。
4. 飛行員。而生成AI可能不是今天準備商業用途,他們足夠好支持實驗。駕駛這些工具現在將確保你已經準備好采取他們當他們成熟。

學習更多的什麼?訪問我們的網站了解Lakehouse零售或學習如何利用llm自己在我們的網絡研討會:構建自己的落葉鬆語言模型像多莉。