Amazon 通过推出一项新的生成式 AI 工具,致力于为用户打造更加个性化的购物体验。周三,Amazon 宣布推出名为 "Interests" 的新功能,旨在帮助用户在其平台上发现与个人爱好和偏好相匹配的商品。
据 Amazon 介绍,这款 AI 工具可以根据用户兴趣进行智能推荐。比如,为 NFL 球迷推荐最新的橄榄球运动服饰,为高尔夫爱好者推荐相关器材,或为摄影发烧友推荐摄影器材。
这款在后台持续运行的工具,旨在帮助消费者从海量商品中快速筛选出最适合他们的产品。用户可以使用自然语言进行交互,例如输入"咖啡爱好者的冲煮工具和配件",AI 就会在 Amazon 商城中搜索相关产品。该功能还能根据用户的预算范围生成定制化推荐。
目前,Amazon Interests 仅向少量美国用户开放,可在 Amazon 购物 App 和移动网站上使用,并计划在未来几个月内扩大访问范围。对于获得早期访问权限的用户,该功能将出现在 Amazon 购物 App 的 "Me" 标签下。
这是 Amazon 不断扩充的 AI 产品线中的最新升级,其他产品包括更具对话性的 Alexa、更多 AI 生成的评论摘要,以及对现有 AI 购物助手 Rufus 的增强。这一发布也恰逢科技公司正在探索如何让 AI 系统更像真正的助手,为用户提供有意义支持的时期。
不过,市场研究公司 Forrester 的分析师 Sucharita Kodali 表示,这款工具感觉像是对现有个性化系统的延伸,这类系统在零售领域已经使用多年。
Kodali 说道:"在我看来,这只是另一个带有偏好中心层的推荐引擎。也许它有更漂亮的用户界面来吸引人们,但在功能上与电商行业已有几十年的功能并没有太大区别。"
这一消息与 Amazon 本周的春季促销同时发布,用户可以在3月31日之前享受电子产品、家居用品和日常必需品等多个品类的优惠。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。