新冠肺炎疫情为餐饮和快餐行业带来了巨大压力。据美国国家餐馆协会(National Restaurant Association)的一项研究显示,在疫情发生后的一个月内,有3%的餐厅永久关闭,另有11%的餐厅预计将在接下来的一个月内关闭。在高档、中档和休闲餐饮机构受到了主要冲击的同时,快餐行业也未能幸免。Datassential的一项调查发现,在疫情爆发的前几周,快餐公司的销售额下跌42%。
随着越来越多的顾客开始依赖外卖和汽车穿梭餐厅点餐,而非在室内用餐,汉堡王等快餐零售商进而寻求人工智能和机器学习的帮助来解决问题。基于此,汉堡王与英特尔合作,开发出了一款人工智能系统——当顾客需要点餐时,该系统可以通过菜单屏幕为他们推荐食物。这个系统还可以推测顾客想要点热饮还是冷饮、轻食还是大餐,从而节省时间并提升顾客体验。
汉堡王和英特尔透露,这一解决方案目前已经在超过1000家汉堡王门店进行了试用。
然而汉堡王并不是第一家尝试在客户服务中使用人工智能的快餐连锁店。自2019年收购科技公司Dynamic Yield以来,麦当劳一直在其汽车穿梭餐厅中采用人工智能技术。甜甜圈连锁品牌唐恩都乐(Dunkin’ Donuts)也正在对汽车穿梭餐厅进行测试,当顾客减速停下时就能够识别出其是否为忠实会员。一些Sonic汽车影院近期也安装了人工智能菜单信息亭。Chick-fil-A正在利用人工智能从社交媒体上的帖子中识别食源性疾病的迹象。
汉堡王全球数据平台开发和机器学习总监王路洋向VentureBeat介绍道,与电子商务等行业相比,快餐推荐有自己独特的挑战。没有什么简单的方法可以识别客户并检索到他们的档案,因为所有食物推荐都是在线下完成的。此外,在把位置、上下文特征加载到模型之前,必须对它们进行预处理。
为了应对这些挑战,Transformer Cross Transformer (TxT)人工智能推荐系统应运而生。该系统采用了所谓的“双”Transformer架构,既能够学习实时订单序列数据,也能够学习位置、天气和订单行为等特征。TxT可以利用餐馆中所有可用的数据点,而无需在接单流程开始之前识别顾客。例如,如果顾客在其购物车内加入的第一款商品是奶昔,那么这将影响TxT的推荐,这些推荐基于顾客过去购买的商品、当下购买的商品以及商店售卖的商品。
TxT在Analytics Zoo (这是由英特尔开发并开源的大数据分析+AI平台)上开发。其中,英特尔和汉堡王合作创建了一个端到端推荐流水线,包括分布式Apache Spark数据处理和在英特尔至强集群上进行的Apache MXNet训练;TxT还借助Analytics Zoo平台的RayOnSpark库进行部署,让企业能够直接在现有集群上运行程序。
王路洋表示,TxT已经带来了一些令人惊讶的销售洞察,发现汉堡王的顾客在任何天气都会点奶昔——即使天气很冷。而当人们把高热量食物而非低热量食物加入购物车时,他们更愿意再点一份甜点。
王路洋说:“汉堡王一直致力于改善顾客体验。TxT人工智能推荐系统可以让汉堡王更深入地了解顾客习惯,并从根本上更充分地与顾客进行沟通。”
好文章,需要你的鼓励
谷歌正式发布JAX-Privacy 1.0,这是基于高性能计算库JAX构建的差分隐私机器学习工具包。该库集成了最新研究成果,采用模块化设计,使研究人员和开发者能够更轻松地构建差分隐私训练管道。JAX-Privacy提供梯度裁剪、噪声生成、批量选择等核心组件,支持大规模分布式训练,已成功应用于VaultGemma等先进模型的训练中。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
谷歌量子AI团队发布新理论成果,展示大规模量子计算机可解决传统计算机无法处理的优化问题。研究团队开发出解码量子干涉算法,利用量子力学波动性质创建干涉模式,找到经典计算机难以发现的近似最优解。该算法将优化问题转换为解码问题,配合先进解码算法实现量子加速。研究成果为量子计算应用提供新工具包。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。