数据分析与挖掘|打造“AI+”生态圈,专注技术内功( 二 )


数据分析与挖掘|打造“AI+”生态圈,专注技术内功
文章图片
在实际环境中 , 这一速度提升将使系统能够以小时为单位(而非以天为单位)计算新数据 。 这样一来 , 奢侈品时尚行业的用户就能随时获取及时准确的分析结果 , 为其做出决策提供支持 。
如此以来 , 认清时代转型的必然趋势 , 加之技术利刃 , 精心设计的机器学习机制会产生相应的数据和值 , 在高维虚拟图像中反映受监控的行业 。 通过将这个全球最大规模的行业之一分解为极小的绝对可量化单位进行分析 , 开启了高度智能化数据处理的新时代 。
距离盈利只差一通电话 , 软硬结合满足可扩展的对话式AI解决方案需求
客户服务产业所涉及的范围更广泛 , 很多企业都配有客服中心 , 客服质量也与盈利能力直接挂钩 。 企业影响客户体验的主要渠道就是客户与公司客服中心的互动 , 也就是:打电话 。
与奢侈品时尚行业略有不同 , 由于智能语音热潮来袭 , 这一领域的转型之路更加清晰 , 适配的热门技术就摆在眼前:客服中心可以采用对话式解决方案 , 例如基于人工智能的虚拟语音助理和语音分析 , 改善客户体验 。
数据分析与挖掘|打造“AI+”生态圈,专注技术内功
文章图片
改变未来的客服中心
但这对AI技术提出了较高的要求:成功部署对话式人工智能解决方案需要高性能且可扩展的平台 , 才能快速高效地处理大量并发来电 。
在过去 , 企业通常对这些海量录制音频进行离线语音分析来深入了解客户的请求、问题和互动 。 这种分析的处理时间从30分钟到三天不等 , 然后参考分析得出的洞察来设计或修改客服中心的客户互动脚本 , 供真人坐席或助理机器人回复来电者 。
要想实现快速准确地推理、实时数据分析并借助大量语音机器人实例处理大量来电 , 客服中心解决方案平台必须具备出色的性能、准确性和可扩展性 。
例如 , 虚拟语音助理架构是一种复杂的技术集成 , 要想缩短整个过程中的延迟 , 就会对算力提出严苛的要求 。 但是 , 如果仅使用一项技术(例如使用GPU的DNN内核)加速整个解决方案的某一方面并不能完全解决整体吞吐量 。
数据分析与挖掘|打造“AI+”生态圈,专注技术内功
文章图片
英特尔至强可扩展处理器家族专为要求苛刻的工作负载设计 , 可以为语音分析等人工智能解决方案提供高性能推理和可扩展性优势 , 其中包括深度学习加速指令技术 , 可提升推理速度 。
除硬件设备外 , 英特尔的人工智能软件产品组合可为各类人工智能实施提高性能 , 其中包括诸如自动语音识别、自然语言处理、机器翻译、文字转语音和语音生物识别等语音分析算法 。 这些优化有助于在整个对话式人工智能管道中提供实时性能 。
除加速外 , 能够灵活部署是对AI技术的另一考验 。
客服中心有着严格的数据隐私合规要求 。 因此 , 虚拟语音助理应用必须能够跨各类基础设施配置无缝执行 , 包括本地企业数据中心、专属数据中心或云数据中心 , 不受平台组件详细配置的影响 。 平台架构需要能够满足各类部署方案的性能、功率和外形要求 。
数据分析与挖掘|打造“AI+”生态圈,专注技术内功
文章图片
英特尔至强可扩展处理器建立在整个产品SKU范围内通用微架构和指令集架构(ISA)之上 。 针对ISA开发的软件可在各类模型中一致地运行 , 从而在无需额外修改代码的情况下 , 在本地、边缘和云部署虚拟语音助理软件 。 此外 , 得益于出色的硬件兼容性 , 用于优化语音分析工作负载的英特尔软件库和工具能够在各类部署场景中灵活部署 。
以上两大案例皆源于英特尔AIbuilders计划 , 除上述领域外 , 还有金融、医疗、公共服务、能源等多个行业的公司参与了AIbuilders 。


推荐阅读