支付宝|AI决策进阶：深度学习迁移技术赋能决策( 二 )
算法迭代 ， AI决策“破圈”
数字经济时代 ， 产业创新迭代加快 ， 新消费、新制造、新金融等新商业形态层出不穷 ， 越来越多的新场景面临小数据、冷启动问题 ， 基于传统机器学习算法就难以为其提供AI决策智能方案 。 比如在网上新开一家店铺 ， 售卖的产品或服务在市场上较为少见 ， 由于缺乏数据 ， 就无法建立合适的模型 ， 对用户进行智能推荐 。
利用深度学习迁移技术 ， 能够在小数据的情况下实现模型的搭建 。 从迁移学习的价值角度来看 ， 主要体现在建模效率和模型优化上 。 一方面 ， 迁移学习能在源域或相似的知识基础上训练 ， 快速迁移至新的任务中 ， 无须再去耗费成本采集新的样本集;另一方面 ， 迁移学习基于数据相关性 ， 扩展了样本集 ， 实现模型的优化 。
国内一些AI技术供应商纷纷探索迁移学习的技术应用 ， 如萨摩耶云应用自动多样本混合器迁移学习 ， 用一个任务开发的模型作为另一个任务模型的起点 ， 从而有效优化AI模型 ， 并缓解模型训练样本不足带来的问题 ， 使目标任务达到较好的性能 。
在应用场景上 ， 深度学习迁移技术在金融、医疗、零售、智慧城市等场景中具备非常大的业务潜力 ， 尤其是一些新的商业场景 ， 迁移学习算法可以把已学到的知识分享给新的模型 。 产业数字化转型背景下 ， 人工智能技术从互联网、金融领域扩展到更丰富的业务场景 ， 这也为迁移学习带来机遇 。
目前 ， 机器学习技术已在大量的商业场景中落地应用 ， 帮助企业经营从经验决策到智能决策 ， 有效带动营销获客、风险管理、用户运营管理向智能化转型 。 拿萨摩耶云来讲 ， 其利用深度学习、迁移学习等AI技术 ， 自主研发了端到端云原生科技解决方案 ， 以SaaS的形式为合作伙伴输出基于云的智能决策服务 ， 帮助客户实现业务运营智能化 。
无论是算法的迭代还是模型的优化 ， 最终的目标都是基于应用场景实现决策智能 ， 把对场景的理解通过AI模型形成解决方案 。 伴随深度学习、迁移学习等算法的迭代创新 ， AI赋能产业的边界也会得到延伸 。
相关经验推荐
- iPhone|iphone真有那么好？人人当成宝
- 软件|10款职场宝藏APP，让你的工作效率提升至少10倍
- 软件|这些相亲软件也很宝藏！
- 充电宝|既是手机支架，又是无线快充充电宝：闪焰狐充电宝体验
- 英特尔|三星重回半导体龙头宝座？英特尔CEO承认：落后是因为太骄傲
- 海尔|iPhone13系列理想充电拍档—麦多多磁吸无线充电宝评测
- 充电宝|汤姆逊集团押宝洗地机入华，恐怕难偿所愿
- wi-fi|“彩电大王”风光不再，历经两次决策失误，如今为华为、小米代工
- 3070ti|又挖到宝了，看看我刚买了什么宝藏数据线
- 支付宝集五福|又一年支付宝集五福开始了，打算弃坑