バックエンド

アプリケーションに手間のかからないAI：SalesforceEinsteinに会う

AI革命はすでに消費者の世界を変えています。製品の推奨事項として、毎日行われることもあれば、すばらしいこともあります。完全に聴覚障害のある人に人工内耳を提供する人工内耳には、 AIを変更しました優れたエンドユーザーエクスペリエンスになります。

人工知能（AI）は、現代のテクノロジーの最後のステップです。

AI革命はよりスマートな世界をもたらしています。このよりスマートな世界は、過去20年間に私たち全員が目撃した、ウェブ、クラウド、ソーシャルメディア、モバイルデバイス、モノのインターネットなどのメガトレンドに基づいて構築されています（ IoT ）。

クラウドテクノロジーにより、開発者としてのコンピューティングとストレージの容量は事実上無制限になります。この革命を推進しているのは、膨大なデータと膨大なコンピューティング能力の組み合わせです。誰もが何らかの方法で相互に接続され、すべてに接続されたので、これらの接続はすべて、以前よりもはるかに多くのAIクラウドを処理するための桁違いのデータを生成しています。

消費者として毎日AIクラウドを体験してください。 Amazonでの製品の推奨、Netflixでの映画の推奨、またはFacebookフィードで自動的に識別されてタグ付けされた写真を見ると、人工知能の力を体験しています。

さて、Salesforceアプリであるかどうかに関係なく、作業中のアプリがこれらのよりスマートなAIを活用したエクスペリエンスを何らかの形で提供できるとしたら素晴らしいと思いませんか？たとえば、ビジネスと販売アプリケーションが連携して、どのリードが最もコンバージョンにつながる可能性が高いかを教えてくれる場合や、サービスアプリケーションが人工知能クラウドを使用してどのケースがエスカレートできるかを教えてくれるとしたらどうでしょうか。

残念ながら、多くのチームにとって、AIをアプリケーションビジネスプロセスに適用するには複雑すぎて費用がかかるように思われます。まず、データサイエンスから始まります。データサイエンスを行うには、必要なすべてのデータを収集して統合する必要があります。次に、データディスカッションを行い、データを変換して機械学習に使用できるようにする必要があります。そして、経験によっては、予測モデルを構築し、維持し、更新し、信頼性が高く、安全で、スケーラブルなインフラストラクチャを作成するために、データサイエンティストからの外部の支援が必要になる場合があります。次に、すべての作業が終わったら、これらの予測を取得して、ビジネスユーザーのコンテキストに配置する必要があります。

SalesforceEinsteinにサインインします

AIが手の届かないところにあることが多いことを知っていたため、Salesforceは、MetaMind（ディープラーニングスペシャリスト）、Implisit Insights（特に販売プロセスにAIを適用）、PredictionIO（機械学習とビッグデータ分析）などの企業を買収して、開発を支援しました。SalesforceEinstein。

SalesforceEinsteinはSalesforceのAIであり、プラットフォームに組み込まれています。アインシュタインのCEOとしてそれは言う、「世界一のCRMを採用し、世界で最もスマートなCRMにします。」 SalesforceのAI製品を使用すると、営業、サービス、マーケティング、ITのITプロフェッショナルが、各顧客とより速く、よりスマートに、そして予測するニーズとより適切にやり取りできるようになります。

ディープラーニング：アインシュタインのビジョンとアインシュタインの言語

Salesforce Einsteinは、AIクラウドを開発者の手の届くところに置く必要があります。おそらく。しかし、どこから始めるべきですか？最初に知っておくべきことは、AIには3つの主要なコンポーネントがあるということです。

データ
アルゴリズム
コンピューティング

ビッグデータ全体として、それは近年ホットな話題になっています。誰もが新しいデータソース、それを分析する新しい方法、そして新しい方法を持っていることに興奮していますそれを保存する。

これは、AIをビジネスに導入する方法の大きな部分を占めることになりますが、AIの開発努力の多くはアルゴリズム。これらは複雑なアルゴリズムであり、その上に構築され、拡張されており、実際にはprivate_and_publicセクターからの新しい研究があります。 AIクラウドアルゴリズムは革新的であり続け、アプリケーションとカスタマーエクスペリエンスの新機能を推進し続けることを確信できます。

最近聞いたことがあると思われるコンピューティングの側面：GPU、 TPU すべての最高のハードウェア企業からの新しい投資と新しい研究は、コンピューティングの力に向けられており、これらのアルゴリズムが革新的であり続け、データへの洞察を提供するために必要なインフラストラクチャを備えていることを保証します。

このテクノロジーを活用するものを開発する方法に入る前に、直面することの詳細を詳しく見ていきましょう。

現在まで

ここで考慮すべきデータには、構造化データと非構造化データの2つの形式があります。

構造化データと非構造化データ。

anglejsを使用してゼロからWebアプリを構築する

構造化データには、ERPデータと多くのCRMデータが含まれます。それは、デバイスから出てくるデータである可能性があります IoT 、例えば。このタイプのデータは、基本的なアルゴリズムを使用してすでに簡単に検索できます。

非構造化データには、画像データ、電子メール、PowerPointプレゼンテーション、Word文書などがあります。ここでディープラーニングと機械学習のアルゴリズムが役立ち、このタイプのデータの検索が大幅に簡素化されます。

アルゴリズム

ディープラーニングは複雑な用語です。多くのDevOps開発者やエンジニアはそれに圧倒されています。彼らは、ニューラルネットワークを実行するためのインフラストラクチャがないと考えています。彼らは、最先端のモデルを十分に理解するために博士号が必要であると信じています。博士号は、より管理しやすい思考プロセスに分解するために組み込まれます。幸いなことに、それを利用するのに十分な知識があると、見た目よりもはるかにアクセスしやすくなります。

入力レイヤーと出力レイヤーについて知っておく必要があります。本当に大変な作業はすべて、SalesforceのAIクラウドによって提供される隠れ層で行われます。

この方法で始めましょう：入力ファイルがあります。これは、画像、音声ファイル、またはテキストファイルである可能性があります。そして、あなたは明らかな結果を得たいと思っています。 Salesforce Einsteinには、このプロセスを本当にシームレスにするために使用できる一連のAPIがあります。プロセスの途中で何が起こるかについて何も知る必要はありません。

Salesforce Einsteinを使用すると、ディープラーニングをアプリケーションに簡単に統合できます。モデルをサービスとして管理する、適切にホストされたインフラストラクチャを提供するため、スケーラビリティの必要性に対応します。そのため、モデルメトリックのアップロード、トレーニング、および理解が容易になり、最終的には、事前に作成されたモデルまたは作成したカスタムモデルのリアルタイム予測を提供できます。

それでも奇妙に聞こえる場合は、次の例ですぐに理解できます。

コンピューティング：アインシュタインのビジョン

これは、SalesforceEinsteinが提供するディープラーニングサービスの1つです。すべての深層学習モデルまたはニューラルネットワークが同じであるとは限りません。特定の問題には特定のアーキテクチャが使用されます。また、コンピュータービジョンの場合、AIクラウドは、いわゆる「畳み込み」ニューラルネットワークを使用します。つまり、各段階は前の段階から学習します。そのため、このようなネットワークが画像データのトレーニングを受けると、画像を最初から再構築して、さまざまなコンポーネントを理解します。最初に画像の最小単位であるピクセルが表示され、次にエッジが理解され、次の段階でオブジェクトのパーツまたは要素が理解され、最後にオブジェクト全体に到達します。

そして、そのプロセス全体が解決されるので、プロセス自体ではなく、コンピュータービジョンクライアントのために解き放つことができるビジネス価値に集中することができます。

Vision Einsteinは、画像内のオブジェクトを認識するようにトレーニングできます。

ドローンを使用して道路を監視することで、運輸業界をどのように変革できるかを考えてみてください。清掃員を派遣する必要はありません。

または、CPG企業が、棚に製品を手動で登録するために個人を送る代わりに、写真を撮って自動的に分析させる方法。または、視覚的検索で消費者小売業に革命を起こす方法、保険会社が請求のトリアージを自動化する方法、または医療システムが画像処理を利用する方法。

これらのシナリオはすべて、EinsteinVisionの一部であるEinsteinImageClassificationでカバーできます。必要なのは、多かれ少なかれ分類ラベルのセットであるモデルだけです。

カスタムモデルを作成する

カスタムモデルは、既知の分類のデータを使用した一連のトレーニングデータに基づいて、新しいデータの分類を予測できます。

独自のカスタムモデルを作成して、Salesforceワークフローまたは外部アプリケーションのワークフローに統合できます。

独自のカスタムモデルを作成するには、次の3つの手順が必要です。

独自のデータセットを作成し、 カスタムモデルが実行する必要があることに基づいています。 3ドア冷蔵庫と2ドア冷蔵庫の違いを知りたいとします。 2つのドアの冷蔵庫の画像の束を収集して1つのフォルダーに配置し、次に3つのドアの冷蔵庫の画像の束を収集して別のフォルダーに配置する必要があります。
モデルをトレーニングします。 これで、前の手順で収集したデータセットが何であれ、それらをアップロードすると、AIクラウドがそのデータセットに基づいてモデルをトレーニングします。トレーニングに必要なのは、すでに画像を分離しているという事実だけです。新しいデータモデルがトレーニングされると、IDを受け取ります。
予測に使ってください！ これで、モデルがこれまでに見たことのない画像の予測を取得できます。新しいモデルIDを使用してAPI呼び出しを行うのと同じくらい簡単です。

微積分：アインシュタイン言語

画像が処理する必要のあるものでない場合は、おそらくテキストを使用してトレーニングしようとしています。このため、SalesforceAIクラウドにはEinsteinLanguageがあり、現在、EinsteinIntentとEinsteinSentimentの2つのサービスで構成されています。

アインシュタインの意図 自然言語処理タイプの一般的な分類子です（ NLP ）。独自のクラスを定義し、それらのクラスを表すデータをロードできます。
アインシュタインの感情 は、人間の言語を分析して、コンテンツの感情とその周囲のユーザーの声明を導き出し、それらをポジティブ、ネガティブ、ニュートラルのクラスに分類できる、事前に形成されたモデルです。

Einstein言語モデルを使用すると、APIを介してSalesforceEinsteinアプリケーションから自然言語AIクラウドのトレーニングと分類に簡単にアクセスできます。

アインシュタイン言語サービスは、画像分類の例と同じように機能します。ここでは、クラスも定義します。

上記の例では、目的はルーティングケースにあります。ケースが提示されるたびに、それを分析して正しい部門（出荷、請求、製品、販売など）に転送する必要があります。必要な数のクラスを定義できます。しかし、アインシュタインセンチメントの場合、クラスは固定されているため、ポジティブ、ネガティブ、またはニュートラルしかありません。

データをさまざまなクラスに分けたら、モデルをトレーニングできます。提供されているAPIを使用すると、モデルのトレーニングが非常に簡単になります。 Einstein Visionと同様に、モデルを有効にすると、モデルIDが取得され、予測を取得する準備が整います。