AI-Info-Micron-Insight:在线购物算法的核心是强大的 DRAM
ylbtech-AI-Info-Micron-Insight:在线购物算法的核心是强大的 DRAM |
1.返回顶部 |
在线购物算法的核心是强大的 DRAM
网购已成为标准程序。你滚动浏览各种服装页面,眼睛盯着图案和颜色五花八门的T恤,直到找到与已放入购物车中的鞋子完美搭配的蓝色T恤。碰巧的是,该网站在“结账”按钮下方还给出了搭配的牛仔裤和尺寸合适的腰带,这一天你买到了从头到脚焕然一新的装束。你终于可以扔掉那件破背心了。
这个过程很简单,很轻松,而且相对不费力。在某些情况下,尤其是当你网购或这或那的产品时,它甚至可能很平常。
但在过去,网购是一件大事!1995 年,亚马逊开始在网上销售书籍,仅仅时隔 6 年之后,即到了 2001 年,第一家在线零售商——Zappos便出现在万维网上。但是当 2003 年到来时,美国的在线销售额达到了惊人的 500 亿美元。根据 Statistica 的统计,截至 2017 年,40% 的美国家庭每月在线购物数次,而 20% 的家庭每周在线购物。
这就是说,网购最近才火爆,成为几乎每个现代家庭的日常必做之事。虽然它看起来很平常,但它背后蕴藏着强大的 DRAM 和人工智能,它们为在线购物过程的每一步提供动力。当你收集大量数据(包括个人信息、浏览历史记录等)时,使用一个搭载寻常 DRAM 的简单硬盘并不会削弱这个过程。但是,如果你使用美光某款功能强大的 SSD 及不断创新的 DRAM,每次用户浏览在线购物平台时,几乎可以即时对这些数据进行分类。
早在你考虑购买之前
在你做出购买之前,在您开始浏览之前,甚至在你考虑某种产品之前,就有些人或有些事正在对你接下来需要的物品进行计算演绎。很怪异是吧?它可能看起来很奇怪,有点冒昧,或者完全错误,但是这种人工智能实例确实可以提供格外有用的帮助,而且它可以为你节省一些时间。
这时候,你或许还没丢掉你的破背心。在平日工作完后,你刚刚进行了许久的网上冲浪。你观看了有关时尚和款式的视频博客,滚动浏览详细介绍面料选择和色彩搭配的博客。
广告商花费大量时间、金钱和资源来瞄准正确的受众,他们已经这样做了几十年。现在,由于这些程序背后有强大的 DRAM——用于处理用户日常收集的大量个人数据,广告商正在使用人工智能和神经网络来识别受众,并在适当的时机向适当的受众提供适当的广告。网购看起来如此平常和平凡,皆因为它背后的强大内存。如果没有快速 DRAM,购物建议加载速度会很慢,而且你的用户偏好几乎不会影响你的体验。所有这些算法决策,例如加载相关项目、比较价格、筛选浏览历史记录以找到与您一直在搜索的 YouTube 视频相关的项目,这些在慢速硬盘上不复存在。在这种情况下,它或许看似平常,因为它只是发挥作用而已。如果一种技术实施得当,那这种技术应当不为用户所见。当然,你知道自己网购时在使用技术;但是,你可能没有意识到强大的人工智能算法在处理和提供有用的建议或选项,而你无需为找到最适合自己的物品而对页面排序分类。
美光英睿达品牌营销和商务总监 Fred Waddel 对于在线商务以及人工智能在其中的重要作用有着亲身体会。美光与其他大型零售商合作,向不同的人群和潜在的新客户推销他们的产品,而这正是这些预购 AI 发挥魔力之处——其中的“魔力”指的就是由高级内存驱动的计算。
“零售商可以查看其网站访客,从而更全面地了解他们可能感兴趣的信息。”Waddel 说,“有人购买笔记本电脑时也可能会购买固态硬盘,这是一种很典型的想法。但是,人工智能编程可以识别出其他一些看似荒谬的联系。购买某些笔记本电脑的人可能也需要尿布!”由于数据异常庞大,人工智能和快速内存必须悉数挖掘这些数据,才能找出所有有价值的见解并建立正确的联系。
还记得因病在家没上学时观看日间电视上播出的《The Price Is Right》节目吗?还记得每个商业广告如何宣传阿司匹林或 Clapper 灯开关吗?那是因为在那个时刻观看《The Price Is Right》的观众主要是退休人员。他们的广告针对的是那些观众,而不是针对生病时躺在沙发上的孩子!
在线零售商做的是同样的事;他们花了很多时间和金钱来确定目标受众。他们收集在您的搜索模式、社交媒体帖子和浏览历史记录中发现的数据并加以分类。你是否曾在搜索引擎上搜索过某个产品,却在社交媒体源中看到了这种产品?
在你决定购物之前,人工智能程序(存在由内存驱动的计算需求)会提供它们知道你已感兴趣的商品!
你准备购买了。接下来做什么?
你刚刚丢掉了那件背心。你已迟迟没有添置新衣物了,最后还是到了要打破这一切,为你的衣柜添置一些新装的时刻,但你不确定从何处入手。
为了限制退货并避免不必要的开支,一些在线零售商已经开始实施密集的人工智能程序,包括图像识别软件,来帮助客户确定特定的衣物是否合身。不妨设想一下利用这种技术购买新衬衫!你可以确切地知道它的合身度,假如你摸索着选择自己在百货商店通常选取的尺寸,你就不必因为衣物尺寸太大或太小而将它退回去。
像这样的程序需要异常强大的内存。与任何图像识别程序一样,这样的程序必须获取和处理大量数据点,以便程序得出尺寸估计值,或提供由计算机生成的新衬衫完美贴合你的肩膀和腰部的图片。快速有效地实现这一目标的唯一方法(对于客户而言,没有什么比加载速度缓慢的网站更令人沮丧的了)就是配备可靠的内存。
但如果没有这些较密集程序看似无意识和简单的代码串和一些算法,在线购物体验将变得有些枯燥无味。这些代码行中的每一行都会传达网站上的各个触摸点。无论是搜索框、“相关商品”滑块还是评论部分,每项功能都离不开一定程度的人工智能。
客户希望立即获得这些信息,为了汇聚所有这些信息,为客户量身定制,并以一种不妨碍客户体验的愉悦方式呈现,这些零售商不能运行过时而又欠佳的硬件。为妥善做到这一点并拥有丰富、直接和大用户数据池所赋予的用户体验,配备美光 SSD 和 DRAM 对于在系统内快速移动数据至关重要。
你的包裹在运送途中
现在你已订购了鞋子、短裤、腰带和非常合身的蓝色衬衫,你所要做的就是等待几天,然后就会获得期待已久的包裹。对于大多数人来说,等待时间可能长达两到五个工作日。对于有些人来说,等待时间可能会长达数周!在这段处理时间内发生了许多事情,包括在仓库中搜索相关物品。
根据 Waddel 的说法,为了缩短这段等待时间,许多在线零售商都实现了仓库自动化,其中的物品按照有效的算法进行存储。如果你在购买 SSD,不久后或许就会购买 DRAM。如果你在购买手套,那么可能很快就会购买围巾。但在某些情况下,物品的储存方式与我们最初的想法有所不同,这都要归功于强大的人工智能计算。
“如果你进入一个完全自动化的单独分销点,你会有四种无任何关系的不同产品。它或许是一块 DRAM dimm,或许是一些帮宝适。又或许是六袋可乐。”Waddel 说,“对于自动化而言,这丝毫不要紧。它不需要像人一样思考;它只需要知道物品的位置。你只管去取就是了。”
在这些自动化仓库、机器人或其他自主技术中,可以比人工更快地识别你想购买的产品,在累积如山的各种产品中找到它,然后准备好这些物品进行发运。
一旦找到这些物品,就可以发货了。一些零售商提供快如闪电的发货:免费两天送达。但对于中国庞大的网购行业来说,等待产品还需很长的时间。Waddel 表示,美国买家即将接受自动送货车等理念。在购买衣服后,只需短短一小时就有自动化的机器人式飞行器送货到你手上,你能设想这种情景吗?与无人机送货相比,免费两天送达不值一提。
“在未来的某个时候,这些大型零售商将开始自行送货,而不是依靠邮局送货。”Waddel 表示,“无论是通过你所耳闻的无人机送货还是依靠即日送达服务,人工智能最终都会接近理想的速度,因为还有如此之多的功能有待实现。这太了不起了。”
电子商务的未来
最后,网购不仅仅是点击“添加到购物车”、支付总金额,然后等待包裹送达这么简单。其中有许多错综复杂的因素使整个过程流畅、高效和有益,所有这些都由人工智能和内存提供动力。而且,随着这个过程的进展和日渐复杂,美光将凭借强大的内存引领业界。
“我们都习惯拿起手机就能立即得到我们需要的东西。”Waddel 说道,“要做到这一点,数据 IO(输入/输出)必须非常高速,而这正是固态硬盘比传统硬盘型号具有巨大优势的地方,也是 DRAM 真正为整个过程提供动力的地方。”
2.返回顶部 |
3.返回顶部 |
4.返回顶部 |
5.返回顶部 |
6.返回顶部 |
作者:ylbtech 出处:http://ylbtech.cnblogs.com/ 本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。 |
AI-Info-Micron-Insight:在线购物算法的核心是强大的 DRAM的更多相关文章
- 有两个序列A和B,A=(a1,a2,...,ak),B=(b1,b2,...,bk),A和B都按升序排列。对于1<=i,j<=k,求k个最小的(ai+bj)。要求算法尽量高效。
有两个序列A和B,A=(a1,a2,...,ak),B=(b1,b2,...,bk),A和B都按升序排列.对于1<=i,j<=k,求k个最小的(ai+bj).要求算法尽量高效. int * ...
- diff算法(核心)
ps:大致转载知乎文章 vue和react的虚拟dom都采用类似的diff算法,核心大概可以归为两点 1,两个相同的组件产生类似的DOM结构,不同的组件产生不同的DOM结构: 2,同一层级的一组节点, ...
- EGADS介绍(二)--时序模型和异常检测模型算法的核心思想
EDADS系统包含了众多的时序模型和异常检测模型,这些模型的处理会输入很多参数,若仅使用默认的参数,那么时序模型预测的准确率将无法提高,异常检测模型的误报率也无法降低,甚至针对某些时间序列这些模型将无 ...
- AI学习---回归和聚类算法
其他 资料链接:https://pan.baidu.com/s/1ofN2QFxpzC-OtmTFE2fHfw 提取码:o4c2
- 在PHP中使用加密技术
Gpg4win 是一款基于 GPG 的非对称加密软件.非对称加密方式,简单理解就是用公钥加密文件,用私钥解密文件.如果你需要发送加密信息,首先获取接收者的公钥,然后利用该公钥加密后传递,对方利用对应的 ...
- GPG加密windows中使用
在Windows系统使用Gpg4win进行加密解密 2015-06-15 by u014076884 GPG,又称为GnuPG,全称是Gnu Private Guard,即GNU隐私卫士.GPG是以P ...
- 在Windows系统使用Gpg4win进行加密解密
GPG,又称为GnuPG,全称是Gnu Private Guard,即GNU隐私卫士.GPG是以PGP算法为核心的强大的加密软件.但GPG项目是一套命令行程序,而且是为 Linux 等开源操作系统设计 ...
- 浅析初等贪吃蛇AI算法
作为小学期程序设计训练大作业的一部分,也是自己之前思考过的一个问题,终于利用小学期完成了贪吃蛇AI的一次尝试,下作一总结. 背景介绍: 首先,我针对贪吃蛇AI这一关键词在百度和google上尽心了检索 ...
- 卡尔曼滤波算法--核心公式推导导论 - ZZ
卡尔曼滤波算法--核心公式推导导论 10 个月前 写在最前面:这是我第一篇专栏文章,感谢知乎提供这么一个平台,让自己能和大家分享知识.本人会不定期的开始更新文章,文章的内容应该集中在汽车动力学控制,整 ...
随机推荐
- nginx - KeepAlive详细解释
最近工作中遇到一个问题,想把它记录下来,场景是这样的: 从上图可以看出,用户通过Client访问的是LVS的VIP, VIP后端挂载的RealServer是Nginx服务器. Client可以是浏览器 ...
- C#的类型列表
以下是 C# 内建类型的列表: 类型 字节 描述 unsigned byte signed byte signed short unsigned short signed integer unsign ...
- 如何在IntelliJ IDEA在线查看源码的API文档
https://blog.csdn.net/IFollowRivers/article/details/81604463
- 苹果开发之COCOA编程(第三版)上半部分
第一章:什么是Cocoa 1.1 历史简介 1.2 开发工具:Xcode.Interface Builder(一个GUI构建工具).在它们内部,使用gcc为编译器来编译代码,并使用gdb来查找错误 1 ...
- Android Apk包下查看 sha1
用keytool工具查看sha1,格式如下:keytool -printcert -file Urovo.RSA文件路径(APK解压后在Meta-INF文件夹下)
- 关于mongodb创建索引的一些经验总结(转)
查看语句执行计划: explain() 在mongodb3+版本后输出格式发生改变: 详情参见:https://docs.mongodb.com/v3.0/reference/method/curso ...
- AWS:3. S3
主要内容 1.S3入门 2.S3安全性 对象 权限 访问策略 3.S3实战--BAAS 应用与定价 S3入门 S3概念 S3是simple storge server简单存储服务 相当于网盘,例如百度 ...
- php计算数组的维数
function array_dim($arr){ if(!is_array($arr)) return 0; else{ $max1 = 0; foreach($arr as $item1){ $t ...
- 【题解】CF24D Broken Robots(收敛性)
[题解]CF24D Broken Robots http://codeforces.com/problemset/problem/24/D 解1(不会写,口胡的) 获得一个比较显然的转移式子 \(dp ...
- imagecopyresampled()改变图片大小后质量要比imagecopyresized()高。
php程序中改变图片大小的函数大多数人都想到用imagecopyresized(),不过经过测试比较发现,使用imagecopyresampled()改变的图片质量更高. 下面我们来看看两者的比较结果 ...