Maison  >  Article  >  Périphériques technologiques  >  Résoudre le goulot d'étranglement de l'intelligence artificielle et promouvoir le développement de l'industrie de la livraison de nourriture

Résoudre le goulot d'étranglement de l'intelligence artificielle et promouvoir le développement de l'industrie de la livraison de nourriture

WBOY
WBOYavant
2023-04-09 14:51:07903parcourir

Ces dernières années, à mesure que l'Internet grand public s'est développé en profondeur, l'Internet industriel est devenu de mieux en mieux et la transformation numérique de tous les horizons bat son plein. Face à un environnement de plus en plus complexe, les technologies numériques et intelligentes ayant une forte pénétration du marché travailleront ensemble et joueront un rôle majeur dans la promotion du développement économique, l'autonomisation des petites et micro-entreprises et la garantie des moyens de subsistance des populations. Dans le camp des technologies émergentes, les dividendes générés par l’intelligence artificielle améliorent la vie des gens.

Résoudre le goulot d'étranglement de l'intelligence artificielle et promouvoir le développement de l'industrie de la livraison de nourriture

Prenons l'exemple des « commandes à emporter » quotidiennes. Les passagers, les utilisateurs et les commerçants constituent respectivement l'exemple de l'emploi, des moyens de subsistance et de l'économie. Si l'intelligence artificielle peut responsabiliser ces trois groupes, elle peut répondre aux besoins de différents scénarios. Les besoins en matière de livraison doivent améliorer l'efficacité de la livraison et l'expérience utilisateur, afin de concrétiser la vision de « laisser la livraison de nourriture atteindre tous les coins du monde ». La raison pour laquelle l’intelligence artificielle peut jouer son rôle est indissociable de la mise à niveau de l’infrastructure des TIC et du saut dans le cadre de l’apprentissage profond.

Le pouvoir de la technologie a changé l'écosystème des plats à emporter

Un plat à emporter livré en 30 minutes est devenu une norme quotidienne. Cependant, ce n’est pas simple à réaliser : par exemple, si un coursier livre 5 commandes, il ciblera 5 commerçants et utilisateurs différents, et il y aura des dizaines de milliers de combinaisons d’itinéraires de livraison. Sur les plateformes de livraison de nourriture populaires, le volume de commandes quotidien pendant les périodes de pointe est énorme, impliquant un grand nombre de passagers. Pour atteindre l'objectif d'une livraison en 30 minutes, le nombre de combinaisons d'itinéraires est astronomique. Dans le même temps, pour les personnes âgées et les enfants, la possibilité d'effectuer l'ensemble du processus de commande de plats à emporter par commande vocale sans aucune barrière met en évidence la conception humanisée.

Selon Meituan, l'une des tâches importantes du projet « Technology Assists Life » de l'entreprise est de trouver la solution optimale pour la planification des passagers. Alors que plus de 10 000 ingénieurs utilisent la technologie de l’intelligence artificielle pour améliorer l’efficacité, ils travaillent également régulièrement en tant que coureurs pour découvrir les problèmes du processus de livraison de nourriture et optimiser en permanence les solutions. De plus, le moteur de services de l'entreprise, combiné à la technologie « d'interaction intelligente », possède des capacités vocales, permettant aux personnes âgées et aux enfants d'obtenir des services de manière pratique. Surtout lorsque les besoins de l'utilisateur sont transmis au « Super Brain System » de l'entreprise, ce système de répartition de distribution intelligent en temps réel à grande échelle et très complexe, multi-personnes et multipoints, effectuera des calculs rapides, permettant aux utilisateurs d'obtenir une expérience de service inattendue. . Depuis 2016, Meituan s'appuie sur des technologies plus intelligentes pour développer des livraisons sans pilote dans des scénarios spécifiques, qui ont été testées et ont progressé pendant la période de prévention et de contrôle de l'épidémie.

Dans l'ensemble de l'écosystème de la livraison de nourriture, les groupes de commerçants constituent un autre domaine essentiel d'autonomisation pour Meituan. Il est rapporté que dans le « Meituan Merchant Brain », il existe une analyse massive des évaluations des utilisateurs et une corrélation des connaissances. Les commerçants n'ont besoin que d'une version professionnelle du système de caisse SaaS pour obtenir régulièrement les changements de courbe émotionnelle, les niveaux de consommation, les préférences environnementales et les commerçants similaires. , etc. Dans le même temps, grâce à une analyse intelligente, les commerçants peuvent également obtenir des informations sur l'état des services, la compétitivité, les quartiers d'affaires, etc., fournissant ainsi une référence pour la prise de décision depuis l'ouverture du magasin jusqu'à la gestion de son fonctionnement.

Fournir des solutions à des problèmes difficiles

Selon les rapports, la livraison de nourriture n'est qu'une partie du tableau écologique global des services de vie des bâtiments de Meituan, et les scénarios compliqués impliqués dans l'autonomisation technologique sont bien plus que cela. Ces dernières années, Meituan a mis en place une solide équipe technologique d'intelligence artificielle pour fournir un solide support de capacités d'IA pour un système de services complet tel que la sélection de l'emplacement des commerçants, le détournement du trafic, la livraison à emporter, la gestion des opérations, le financement de la chaîne d'approvisionnement et la promotion marketing. Cependant, avec la croissance rapide du nombre d'utilisateurs, la mise à niveau continue des services intelligents et l'augmentation continue de l'échelle et de la complexité des modèles d'IA, les systèmes d'entreprise de l'entreprise sont confrontés à des défis de performances de plus en plus graves. Comment résoudre les défis du point de vue de l'infrastructure. la reconstruction et l'optimisation des logiciels sont des problèmes auxquels elle doit faire face.

Prenons l'exemple de l'application du framework d'apprentissage profond open source TensorFlow : Meituan a apporté des améliorations en profondeur dans plusieurs dimensions basées sur les processeurs évolutifs d'Intel et a adopté les solutions d'optimisation technique recommandées par l'entreprise. Afin de renforcer davantage les applications telles que les systèmes de recommandation grâce à l'IA, Meituan utilise TensorFlow pour la formation de modèles et adopte des méthodes informatiques distribuées pour résoudre le problème du calcul de modèle et de la mise à jour des paramètres massifs. Cependant, avec le développement rapide des affaires, l’ampleur et la complexité des modèles de systèmes de recommandation n’ont pas seulement augmenté. Une série de problèmes seront également exposés. L’émergence de goulots d’étranglement en matière de performances entraînera une montée en flèche du coût total de possession, ce qui pourrait avoir un impact négatif sur les entreprises de niveau supérieur.

Afin de résoudre le problème des goulots d'étranglement des performances, vous avez le choix entre deux voies : l'une consiste à étendre rapidement l'échelle de la construction d'infrastructures, mais cela augmentera la pression sur les coûts et la complexité globale du système ; l'autre consiste à optimiser ; des niveaux du système et du logiciel, il a une efficacité économique et une faisabilité plus élevées. Après avoir analysé et positionné le framework et l'activité TensorFlow, Meituan a découvert que l'équilibrage de charge du cluster TensorFlow et le mécanisme de communication, la latence et les performances d'instance unique du cluster distribué dans l'entreprise sont tous des domaines qui doivent être optimisés de toute urgence. travaille avec Intel pour explorer la seconde voie. La voie est impérative. Après avoir clarifié l'orientation, Meituan a construit le système TensorFlow sur un cluster de serveurs basé sur des processeurs évolutifs Intel et a utilisé le processeur pour la formation du modèle TensorFlow. Il a également utilisé le mode de formation asynchrone TensorFlow PS dans le scénario du système de recommandation pour répondre aux besoins de formation distribuée de l'entreprise. .

Il est entendu que Meituan a mis en œuvre des pratiques complètes sous plusieurs aspects tels que les performances d'une instance unique et l'optimisation du calcul distribué. En termes de capacités de support, le nouveau système peut réaliser des centaines de milliards de modèles de paramètres, une accélération quasi linéaire de la formation distribuée de milliers de travailleurs, une formation complète d'une année complète d'échantillons en une journée et prendre en charge diverses capacités d'apprentissage profond en ligne ; les architectures et les interfaces ont également été mises à jour Conviviales et reconnues par le service commercial de Meituan.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Cet article est reproduit dans:. en cas de violation, veuillez contacter admin@php.cn Supprimer