AI-revolusjonen transformerer allerede forbrukerverdenen. Noen ganger gjøres det på daglig basis, som produktanbefalinger, og noen ganger er det flott: Cochleaimplantater, som gir kunstig hørsel til mennesker som er født helt døve, har endret AI gjør det til en overlegen sluttbrukeropplevelse.

AI-revolusjonen fører til en smartere verden, og denne smartere verdenen har blitt bygget på megatrendene vi alle har vært vitne til de siste 20 årene: Internett, skyen, sosiale medier, mobile enheter og tingenes internett ( IoT ).

Med skyteknologi har vi praktisk talt ubegrenset databehandling og lagringskapasitet som utviklere, og det er virkelig den kombinasjonen av enorme data og massiv datakraft som driver denne revolusjonen. Nå som alle er koblet til hverandre og til alt på en eller annen måte, genererer alle disse tilkoblingene størrelsesordener og mer data for AI-skyen som skal behandles, mye mer enn før.

Opplev AI-skyen hver dag som forbruker. Når du ser en produktanbefaling på Amazon, en filmanbefaling på Netflix eller et bilde som automatisk blir identifisert og merket i Facebook-feeden din, opplever du kraften til kunstig intelligens.

Nå, ville det ikke vært bra om appen du jobber med - enten det er en Salesforce-app eller ikke - på en eller annen måte også kunne gi disse smartere AI-drevne opplevelsene? Hva om for eksempel vår virksomhet og salgsapplikasjonen vår kan samarbeide for å fortelle oss hvilke potensielle kunder som mest sannsynlig konverterer, eller om tjenesteapplikasjonen vår kan bruke den kunstige intelligensskyen til å fortelle oss hvilke saker som kan eskalere?

Dessverre, for mange team, virker det for komplisert og dyrt å bruke AI i søknadsprosessen. Først begynner det med datavitenskap, og for å gjøre datavitenskap må du samle og integrere alle nødvendige data. Og så må du gjøre datadiskusjoner, transformere dataene slik at du kan bruke dem til maskinlæring. Og avhengig av din erfaring kan det hende du trenger hjelp fra dataforskere til å bygge prediktive modeller, vedlikeholde dem, oppdatere dem og skape en pålitelig, sikker og skalerbar infrastruktur. Så etter alt dette arbeidet, må du ta disse spådommene og sette dem i sammenheng med forretningsbrukeren.

Logg på Salesforce Einstein

Vel vitende om at AI ofte var utenfor rekkevidde, kjøpte Salesforce selskaper som MetaMind (dyp læringsspesialister), Implisit Insights (brukte AI spesifikt i salgsprosessen) og PredictionIO (maskinlæring og big data-analyse) for å hjelpe dem med å utvikle seg. Salesforce Einstein.

Salesforce Einstein er AI for Salesforce og er innebygd i plattformen. Som konsernsjef for Einstein det står , 'Ta verdens ledende CRM og gjør den til verdens smarteste CRM.' Med Salesforces AI-tilbud kan du nå gi IT-fagpersoner innen salg, service, markedsføring og IT mulighet til å samhandle bedre med hver kunde raskere, smartere og forutse behov.

Deep Learning: Einstein Vision and Einstein Language

Salesforce Einstein må plassere AI-skyen innen rekkevidde for utviklere. Kanskje. Men hvor skal du begynne? Det første du bør vite er at AI har tre hovedkomponenter:

• Data
• Algoritmer
• databehandling

Stor Data Alt i alt har det vært et hett tema de siste årene. Alle er glade for å ha nye datakilder, nye måter å analysere det på og nye måter å gjøre det på lagre den .

Dette kommer til å være en stor del av hvordan vi bringer AI inn i virksomheten, men mye av AI-utviklingsarbeidet har vært på siden av algoritme . Dette er komplekse algoritmer som bygger på, utvides og faktisk har ny forskning fra private og offentlige sektorer. Du kan være sikker på at AI-skyalgoritmer vil fortsette å være innovative og vil fortsette å drive nye funksjoner for applikasjonene dine og for kundeopplevelser.

Dataspekteret du sannsynligvis har hørt om, i det siste også: GPU, TPU Som, nye investeringer og ny forskning fra alle de beste maskinvareselskapene er rettet mot datakraften, og sørger for at disse algoritmene har den infrastrukturen de trenger for å forbli innovative og gi innsikt i dataene dine.

Før vi går inn på hvordan du kan utvikle noe som utnytter denne teknologien, la oss dykke dypere ned i noen detaljer om hva du vil møte.

Til dags dato

Det er to former for data å vurdere her: strukturert og ustrukturert.

Strukturerte data inkluderer ERP-data og mye av CRM-dataene dine; Det kan være data som kommer ut av enheter fra IoT , for eksempel. Denne typen data kan allerede enkelt søkes ved hjelp av grunnleggende algoritmer.

De ustrukturerte dataene kan være bildedata, e-post, PowerPoint-presentasjoner, Word-dokumenter osv. Det er her dyp læring og maskinlæringsalgoritmer spiller inn, noe som i stor grad forenkler søket etter denne typen data.

Algoritmen

Dyp læring er et komplisert begrep - mange DevOps-utviklere og ingeniører er overveldet av det. De tror de ikke har infrastruktur for å drive nevrale nettverk. De tror de trenger en doktorgrad for å ha tilstrekkelig forståelse av den nyeste modellen, som vil bli innlemmet for å bryte den ned i en mer håndterbar tankeprosess. Heldigvis er det mye mer tilgjengelig å vite nok til å dra nytte av det enn det virker.

La oss starte på denne måten: du har en inndatafil. Dette kan være et bilde, en lydfil eller en tekstfil. Og du vil få et avslørende resultat. Salesforce Einstein har et sett med APIer som du kan bruke til å gjøre denne prosessen virkelig sømløs - du trenger ikke å vite noe om hva som skjer midt i prosessen.

Med Salesforce Einstein er det enkelt å integrere dyp læring i applikasjonene dine. Det gir en godt vert infrastruktur som administrerer modellene dine som en tjeneste, og ivaretar derfor ethvert behov for skalerbarhet. Så det gjør det enkelt for deg å laste opp, trene og forstå modellberegningene dine, og til slutt gi spådommer i sanntid på en forhåndsdefinert modell eller en tilpasset modell du har opprettet.

Hvis selv det høres rart ut for deg, vil følgende eksempler få deg raskt i fart.

Databehandling: Einsteins visjon

Dette er en av de dype læringstjenestene som Salesforce Einstein tilbyr. Ikke alle modeller for dyplæring eller nevrale nettverk er de samme: spesifikke arkitekturer brukes til spesifikke problemer. Og når det gjelder datasyn, bruker AI-skyen det som kalles et 'konvolusjonelt' nevrale nettverk, noe som betyr at hvert trinn lærer av det forrige. Så når et slikt nettverk er opplært i bildedata, bygger det opp bildet fra bunnen av for å forstå dets forskjellige komponenter. Først vil du se den minste enheten i bildet, pikselet, og så vil du forstå kantene, og neste trinn vil forstå delene eller elementene i objektet og til slutt nå hele objekter.

Og hele prosessen er løst for deg, slik at du kan fokusere på forretningsverdien du kan låse opp for datamaskinsynklientene dine i stedet for selve prosessen.

Tenk på hvordan transportindustrien kunne forvandles ved å bruke droner til å overvåke veier - ingen trenger å sende et rengjøringsmannskap.

Eller hvordan CPG-selskaper, i stedet for å sende enkeltpersoner til å registrere produkter manuelt på en hylle, kunne ta et bilde og få det automatisk analysert. Eller hvordan du kan revolusjonere forbrukerhandelen med visuelt søk, eller hvordan forsikringsselskaper kan automatisere skadetriering, eller hvordan helsevesenet kan dra nytte av bildebehandling.

Alle disse scenariene kan dekkes av Einstein Image Classification, som er en del av Einstein Vision. Alt du trenger er en modell, som er mer eller mindre et sett med klassifiseringsetiketter.

Bygg en tilpasset modell

Du kan lage dine egne tilpassede modeller og deretter integrere dem i arbeidsflytene dine, det være seg en Salesforce-arbeidsflyt eller en ekstern applikasjon.

Å lage din egen tilpassede modell innebærer bare tre trinn:

1. Lag ditt eget datasett, basert på hva din tilpassede modell trenger å gjøre. Anta at du vil vite forskjellen mellom tre dørs kjøleskap og to dørs kjøleskap. Du må samle en haug med to dørs kjøleskapbilder og legge dem i en mappe, og deretter en haug med tre dørs kjøleskapbilder og legge dem i en annen mappe.

2. Tren modellen din. Nå, uansett datasett du samlet inn i forrige trinn, last opp dem, og AI-skyen vil trene modellen basert på det datasettet. Det at du allerede har skilt bildene er alt som trengs for opplæringen. Når den nye datamodellen er trent, vil du motta ID-en din.

3. Bruk den for å forutsi! Nå kan du få spådommer på bilder som modellen aldri har sett før. Det er like enkelt som å ringe et API ved hjelp av den nye modell-ID-en.

Calculus: Einstein Language

Hvis bilder ikke er det du trenger å behandle, prøver du sannsynligvis å trene med tekst. For dette har Salesforce AI-skyen Einstein Language, som for tiden består av to tjenester: Einstein Intent og Einstein Sentiment.

• Einstein intensjon er en generell klassifisering av typen naturlig språkbehandling ( NLP ). Det lar deg definere dine egne klasser og laste inn data som representerer disse klassene.

• Einstein-følelse er en forhåndsdannet modell som kan analysere menneskelig språk for å utlede følelsene til innholdet og uttalelsene fra brukerne rundt det og klassifisere dem i positive, negative og nøytrale klasser.

Einstein Language-tjenestene fungerer på samme måte som vårt eksempel på bildeklassifisering. Her vil vi også definere klasser.

I eksemplet ovenfor er hensikten å dirigere saker. Hver gang en sak presenteres, vil vi analysere den og rette den til riktig avdeling: frakt, fakturering, produkt, salg ... vi kan definere så mange klasser vi trenger. Men i tilfelle Einstein Sentiment er klassene faste, så vi har bare positive, negative eller nøytrale.

Når du har delt dataene i forskjellige klasser, kan du trene modellene dine. Modellopplæring er veldig enkelt med den medfølgende API-en. Som med Einstein Vision, når modellen er aktivert, vil du ha modell-ID-en din og er klar til å få spådommer.

Salesforce Einstein: Klar for en smart start

Nå som du har smak på mulighetene som Salesforce Einstein legger til rette for deg som Salesforce-utvikler , og hvor enkelt det ville være å hjelpe dine klienter eller sjefen til å dra nytte av AI-skyen, det tar bare opprette en konto .

Vi ser frem til å høre hvordan du bruker AI-skyen til å revolusjonere din egen applikasjon!