Текст / Донни Йен, глава интеллектуального направления внешнего комитета экономики Али, глава интеллектуальной группы внешнего отдела D2C Департамента Дао.

Дао: Зачем нужен внешний интеллект?

Изначально направление front-end интеллекта было выдвинуто для того, чтобы внести изменения во front-end технологию.С помощью ИИ и возможностей машинного обучения расширить front-end, как у людей с телескопами мифическое ясновидение, а с ИИ фронт-энд, они также выиграют от собственных способностей.На основе более сильной «суперсилы».

Позже, при сохранении этой цели, выяснилось, что приземлиться было трудно. Размышляя о возможностях и характеристиках ИИ и текущем состоянии фронтенда, было решено реконструировать интеллектуальную стратегию и тактическую систему с отправной точки «решения проблем передового научно-исследовательского персонала и повышения счастья сотрудников». передовой персонал НИОКР».

Наконец, точка входа — это код, сгенерированный дизайном. Сегодня, когда система построения становится все более и более зрелой, а модульный метод разработки глубоко укоренился в сердцах людей, большое количество изменений спроса и сложная бизнес-среда не позволяют интерфейсу просто решить проблему. с идеей «повторного использования». Поэтому интерфейсный интеллект используется для выявления и понимания черновиков дизайна. Затем сгенерируйте код с помощью правил, Design to Code (D2C) вполне может решить проблему ежедневной разработки модулей.

Технологии: как сделать интерфейсную аналитику

Дао Шэнъи

D2C применяется на стороне C в электронной коммерции на основе Tao, поддерживает исследования и разработку модуля 0 места проведения двойного продвижения в сочетании с интеллектуальным пользовательским интерфейсом и интеллектуальными местами на основе ограничений планирования мест, шаблонов мест и оперативной доставки. Конфигурация, интеллектуальное создание мест и таргетинг на разные круги.Пользователи уровня предоставляют различные пользовательский интерфейс и методы взаимодействия, в сочетании с интеллектуальной вставкой смарт-карты, сохранением всплывающих окон с интеллектуальными правами и другими возможностями, многосторонний подход, действительно позволяющий интеллектуальным технологиям переднего плана расширить возможности бизнеса на основе повышения эффективности НИОКР, создать ценность для пользователя и ценность для бизнеса.

жизнь вторая

Дизайн+ в код (D+2C)

Основываясь на идентификации и понимании исходного проекта проекта, описание данных, функций и взаимодействий в проекте проекта в PD (каркас исходного PD и интерактивный проект и т. д.) интегрируется для дальнейшего улучшения ввода модели, тем самым генерируя больше логических кодов, чтобы иметь дело с более сложными бизнес-сценариями.

Pipcook

Он используется для решения проблемы стоимости использования машинного обучения во внешнем интерфейсе, а нулевая стоимость помогает интерфейсу быстро освоить и использовать возможности алгоритма машинного обучения OTA. В то же время команды, которые помогают бизнес-посадке, обучают свои собственные модели, чтобы гарантировать, что модели могут повторяться и быть более точными в их собственных бизнес-сценариях.

от двух до трех

Сделайте хорошую работу по продвижению:

Поскольку все незнакомы с ИИ, у них есть опасения и сомнения по поводу внешнего интеллекта, который трудно продвигать в больших масштабах. Соберите и упорядочите практический опыт и кейсы из бизнеса Taobao, аукционов, здоровья, муравьев, Alipay, спорта, CBU и т. д., чтобы сформировать простую для понимания серию статей, которые помогут вам понять ИИ и внешний интеллект. Дальнейшее продвижение, чтобы интерфейсный интеллект мог стать инклюзивной технологией в области переднего плана, чтобы передовой персонал, занимающийся исследованиями и разработками, мог обрести чувство счастья.

Сделать заявку:

Имитация — это эффективный способ обучения, а машинное обучение, по сути, имитирует человеческий опыт. Практика в большем количестве областей и создание большего количества типовых проектов являются ключевыми моментами для хорошего приложения. Необходимо иметь четкую и четкую схему бизнес-домена, схему технического домена и схему инженерной области, а также постепенно расширять поле приложения в макете, раскрашивая. Способ расширения также должен измениться: от того, чтобы нас использовали все, к тому, чтобы мы были образцом, и все подражали и получали больше прекрасных примеров применения. В то же время укрепите связь между полем приложения и основным полем, полностью верните идеи приложения, методы приложения и возможности приложения ... для обратной связи с основными полями и используйте объективные потребности из реальных сценариев приложения для управлять бережливой итерацией основных областей.

Хорошо справляйтесь с техникой:

Интеллектуальная технологическая система продолжала быть глубокой, является одним из фонов в будущем. Сегодняшняя интеллектуальная технологическая система по-прежнему имеет много проблем, слишком быстро, чтобы решить проблему, много сцепления между приложениями и прогонкой основной технологией, отсутствием технологии и способность открывать много возможностей настройки, много теорий. неплотным, много техностроительных технологий не идеальна. Кроме того, под «Man-Machine сотрудничество по программированию», общим направлением, как генерировать ссылки стандартизации, данные и автоматики с PD, дизайн, операция, пользователь? Действительно понимать и поддерживать архитектуру приложений, чтобы уменьшить стоимость использования технологий, к: требованиям СКОРДА-КОДА Требования к консулью продукции и онлайн-совместной работы, тем самым дальше, вся ссылка, конец для окончания возможностей для улучшения доставки услуг.

Три живых существа

Обновление системы передних технологий:

Технологическая система D2C модернизирована, введена возможность S2C и сформирована сквозная платформа доставки бизнеса P2C: на основе простого кода пользовательского интерфейса без сохранения состояния и генерации кода простой внешней бизнес-логики она модернизирована до сложной Генерация кода пользовательского интерфейса и сложной бизнес-логики.В то же время генерируется сложный код пользовательского интерфейса.Определение и обработка состояния в коде, генерация кода логики пользовательского интерфейса с изменениями состояния, вызов кода связующего слоя бизнес-логики JSBridge, данных и службы интерфейс на конечной стороне и вызовите код связующего слоя бизнес-логики данных и интерфейса службы на стороне сервера.

Интеллектуальная технологическая система пользовательского интерфейса обновлена, а возможности снижены при поддержке интеллектуальной персонализации пользовательского интерфейса канала бизнеса.Технология ограничена, а частичная бизнес-часть передана сквозной системе доставки бизнеса P2C.Техническое обслуживание. Трехкомпонентный подход гарантирует, что интеллектуальная технологическая система пользовательского интерфейса является универсальной, целостной и управляемой, так что анализ атрибуции может повторяться на основе данных в широком диапазоне бизнес-сценариев.

Интерфейсная система разработки интеллектуальных алгоритмов обновлена, а введение собственных облачных возможностей позволяет платформе интеллектуальных алгоритмов Pipcook поддерживать облачные технологии со стороны данных, модели, обучения и развертывания и может быть более легко интегрирован в облачная собственная система, гарантирующая, что пользователи могут выходить в Интернет напрямую. Алгоритм модели поддерживает бизнес и открывает все связи бизнеса.

Модернизация бизнес-модели НИОКР:

Создайте бизнес-платформу исследований и разработок P2C: новую бизнес-модель исследований и разработок спроса и кода, спроса и производства, а также онлайн-сотрудничества. Откройте всю связь спроса, проектирования, исследований и разработок, обеспечьте целостность, гибкость и согласованность потока информации, обеспечьте согласованность структурированной информации между конечными результатами и требованиями, а также итерацию спроса на основе данных.

Понижение дизайна и асинхронность, от предыдущего дизайна для нужд до дизайна для бизнеса, с трех точек зрения тенденций дизайна, социального развития и технического прогресса, на основе языка дизайна, с системами дизайна в качестве спецификаций, чтобы обеспечить парадигмы дизайна, Модель автоматически разрабатывается и создается в соответствии с парадигмой дизайна, N схем пользовательского интерфейса являются производными от одной схемы пользовательского интерфейса, а N элементов являются производными от одного элемента.

Сторона сервера принимает, абстрагирует и атомизирует, предоставляет стандартные и атомарные возможности домена и понимается системой S2C и логикой вызова: код связующего слоя генерируется с учетом ограничений требований.

Обновление модели возможностей внешнего интерфейса

Обновление мышления программирования

• уверенность

Во-первых, процесс разумного мышления для решения проблем очень прост, и простой процесс представляет уверенность: должен быть ответ. На самом деле это как путаница жизни.У каждого свои ответы.Даже если мы скажем модели так называемый правильный ответ,модель может не дать нам ожидаемого ответа на неизвестный вопрос после обучения,но модель даст обязательно ответим..

Во-вторых, с точки зрения опыта, если это хорошо решенная проблема в отрасли, она также должна быть хорошо решена в своей области. Например, используя модель классификации изображений, люди в ходе тщательных экспериментов подтвердили, что пока на изображении есть кошки или собаки, модель классификации изображений может точно их идентифицировать. Если я помечу фотографии кошек и собак, которые я делаю, и скормлю их модели, модель сможет распознавать фотографии кошек и собак, сделанные другими после обучения, Это другой уровень уверенности.

Наконец, возьмем реальный пример. Например, когда вы приходите в новую команду, вы не можете сопоставить все лица и имена. Через некоторое время вы каждый день общаетесь, едите, пьете и играете вместе, и в конце концов вы можете помнишь всех.Вживую,увидишь,каждый из них может назвать свое имя. То же самое верно и для модели. Сначала модель не могла запоминать лица разных людей. Однако после маркировки каждого человека, каждого угла и каждого условия освещения именем каждого человека модель можно правильно обучить. Выкрикивать имя каждого, как мы, это уверенность.

• прочность

Прежде всего, метод интеллектуального мышления для решения проблемы очень прост.После того, как модель сообщает правильный ответ, модель обучает параметры и веса модели в выборочных данных и сама резюмирует размышления, лежащие в основе ответа, что очень прочно. Возвращаясь к проблеме, с которой «Да Винчи» столкнулся при работе с OpenCV: ошибка порога, трудно обобщить и извлечь характеристики изображения, текста и контроллера в изображение, текст и контроллер во всех случаях. имеет достаточно большой масштаб. Правильный ответ для выборки данных модель может извлечь достаточно надежный ответ.

Во-вторых, студенты, интересующиеся алгоритмами, могут погуглить генетический алгоритм и алгоритм колонии муравьев. алгоритмы.Однако это не мешает нам писать генетические алгоритмы и алгоритмы муравьиной колонии для обучения этих надежных моделей и алгоритмов в смоделированных или реальных средах.Этот метод написания программ по своей природе надежный. Вспомните, что раньше, когда мы писали код, мы всегда думали ясно, а затем писали его. Сегодня, когда мы используем интеллектуальное мышление для решения проблем, мы можем писать код, не думая ясно. Разве этот метод разработки программного обеспечения недостаточно надежен?

• эволюция

Сегодня, столкнувшись с проблемой высокой доступности на стороне сервера, я обсуждал проблему "самовосстановления" системы с коллегами как минимум 10 летней давности. Спустя 10 лет действительно мало компаний, близких к этому Однако, сегодня Вы можете сделать это с умным мышлением! Я начну с эволюции разумного мышления и, наконец, поделюсь некоторыми своими исследованиями и мыслями о «самовосстановлении» системы.

Эволюция интеллектуального мышления отражается в том, как мы решаем проблемы. В прошлом идеи решения проблем определялись до разработки, а идеи решения проблем реализовывались в процессе разработки. Грубо говоря, это Hardcode. . Когда мы сталкиваемся с проблемами, выходящим за рамки гибкого дизайна, нам все равно приходится писать новый код и продолжать исправлять наши так называемые «идеи решения проблем». При использовании интеллектуального мышления для решения проблем мы не даем идей решения проблем. Модель извлекает идеи решения проблем из правильных ответов. Как только мы сталкиваемся с новыми ситуациями, мы можем передать эти ситуации как новые ответы модели, и Модель может саморазвиваться, а затем, сталкиваясь с подобными проблемами и решая их самостоятельно, этот процесс реализует самоэволюцию, единственное, что нам нужно сделать, это сформировать замкнутый цикл этой эволюции: оценка ответов модели, генерация положительных и отрицательные образцы для новых ответов и построение путей онлайн-обучения.

Обновление возможностей машинного обучения

Фреймворки, библиотеки, пакеты, связанные с машинным обучением, которые могут использовать экосистему технологий Pipcook или Python...

Он способен собирать данные, обрабатывать данные, настраивать модель, обучать модель, проверять модель, развертывать модель и возвращать данные с обратной связью, а также может использовать Pipcook для настройки Pipline для потоковых вычислений и обработки больших объемов данных.

Будет отлаживать модель, знать, как оценить модель, найти проблему модели, настроить модель, сжать обрезку и дистилляцию знаний, чтобы уменьшить сложность алгоритма модели и улучшить производительность модели.

Интеллектуальные ключевые индикаторы

Выбор модели индикаторов функции модели: бизнес используется для обслуживания пользователей, и понимание пользователей может помочь нам проверить правильность понимания бизнеса. Поняв пользователя, можно определить задачу пользователя; поняв задачу пользователя, можно определить задачу модели; поняв задачу модели, можно определить функцию модели. Только когда функция модели определена, модель может быть выбрана правильно. Отсортировав индикаторы функций модели, можно отслеживать эти индикаторы в будущем, чтобы определить правильность выбора модели.

Точность модели для понимания модели: понять, что должна делать модель? Только с помощью данных, возвращаемых моделью в бизнесе, можно установить индикаторы оценки. По показателям и показателям деятельности существующего бизнеса, аналогичного бизнеса и нового бизнеса можно судить о точности модели в решении известных проблем, аналогичных проблем и новых проблем соответственно, а точность аналогичных проблем и новых проблем является обобщением способности модели. Благодаря данным о точности самой модели в сочетании с показателями оценки данных обратной связи с бизнесом можно более всесторонне оценить показатели точности модели.

Способность модели к обобщению понимания уровня точности: уровень точности решения аналогичных проблем и новых проблем - это способность модели к обобщению. Подобные вопросы легче понять, так как они буквально «однотипные» и «похожие». Степень точности совершенно новых проблем следует понимать как: неоткрытые, неинтуитивные и трудные для понимания, но за ними стоят общие проблемы. Ее не следует понимать как проблему, созданную произвольно и не имеющую ничего общего с опытом. Потому что сегодняшнее машинное обучение — это все еще слабый искусственный интеллект, лишенный способности воспринимать, понимать и создавать неизвестные области. При использовании показателей точности и обобщения необходимо четко определить границы каждого показателя. Индекс точности используется для оценки способности модели обнаруживать (отзыв) и решать проблемы (дедуктивная способность модели), а индекс способности к обобщению используется для оценки способности модели решать не обучающие наборы задач (способность модели обобщать). и обобщить).

Направление фронтенд-разведки еще стремительно развивается, и мы еще в пути. Мы продолжим изучать использование интеллектуальных возможностей для решения проблем передового научно-исследовательского персонала и повышения удовлетворенности передового научно-исследовательского персонала Мы полны уверенности.