バックエンド

アプリ向けの大騒ぎの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。

製品の推奨事項のような日常的な方法である場合もあれば、壮大な方法である場合もあります。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に切り替えました優れたエンドユーザーエクスペリエンスのために。

人工知能（AI）は、現代のテクノロジーにおける最新のマイルストーンです。

AI革命はよりスマートな世界につながり、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、モバイル、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）。

次のうち、デザインの原則に含まれないものはどれですか？

クラウドテクノロジーにより、私たちは開発者として事実上無制限のコンピューティングとストレージ容量を手に入れました。この革命をもたらしたのは、実際には大量のデータと大量のコンピューティングパワーの組み合わせです。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ため、これらの接続はすべて、AIクラウドが処理するデータをこれまでになく桁違いに生成しています。

あなたは消費者として毎日AIクラウドを体験します。 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、AIの力を体験しています。

作業中のアプリが、Salesforceアプリであるかどうかに関係なく、これらのよりスマートで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、ビジネスとセールスアプリが連携して、どのリードがコンバージョンにつながる可能性が高いかを通知したり、サービスアプリがAIクラウドを使用して、どのケースがエスカレートする可能性が高いかを通知したりできるとしたらどうでしょうか。

残念ながら、多くの人にとって Salesforce開発チーム、アプリのビジネスプロセスにAIを適用するには、複雑すぎて費用がかかるようです。まず、データサイエンスから始まり、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、データのラングリングを実行し、データを機械学習に使用できるように変換する必要があります。そして、専門知識によっては、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もあります。次に、そのすべての作業の後、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を入力してください

AIが手の届かない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、SalesforceEinsteinの構築を支援しました。

SalesforceEinsteinはSalesforceのAIであり、プラットフォームに直接組み込まれています。アインシュタインのGMとしてそれを置く、「世界一のCRMを採用し、世界で最もスマートなCRMになります。」 SalesforceのAIオファリングを使用すると、すべての顧客とのやり取りをより速く、よりスマートに、より予測的にすることで、企業の営業、サービス、マーケティング、ITの専門家が最高の状態になるように支援できます。

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持ってくる必要があります。多分。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
計算

ビッグデータ一般的に、過去数年間、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、人工知能を企業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開発の取り組みの多くはアルゴリズム側。これらは複雑なアルゴリズムであり、構築され、拡張されており、実際には両方のプライベートから新しい研究が行われています そして 公共部門。 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。

c法人s法人llc

最近聞いたことがあると思われる計算の側面：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すべてコンピューティング能力に向かっており、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できるように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を説明する前に、何を扱うかについてさらに詳しく見ていきましょう。

データ

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。

構造化データには、ERPデータとCRMデータの大部分が含まれます。たとえば、IoTデバイスから送信されるデータである可能性があります。このタイプのデータは、基本的なアルゴリズムで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、電子メールメッセージ、PowerPointプレゼンテーション、Word文書などがあります。ここで、深層学習および機械学習アルゴリズムが登場し、このタイプのデータの検索方法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。多くの開発者やDevOpsエンジニアはそれに圧倒されます。彼らは、ニューラルネットワークを処理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、それをより管理しやすい思考プロセスに分解するために、組み込まれる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考えています。幸いなことに、それを活用できるように十分に知っていると、それよりもはるかにアクセスしやすくなります。

入力層と出力層について知る必要があるだけです。本当に難しい作業はすべて、SalesforceAIクラウドによって処理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、そこから洞察に満ちた出力を導き出したいのです。 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。その間に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、アプリケーションにディープラーニングを簡単に組み込むことができます。モデルをサービスとして管理し、スケーラビリティのニーズに対応する、適切にホストされたインフラストラクチャを提供します。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、事前にトレーニングされたモデルまたは作成したカスタムモデルでリアルタイムに予測を提供できます。

初心者のためのC ++プログラミング

それでもあなたにとって異質に聞こえる場合は、次の例ですぐに理解を深めることができます。

計算：アインシュタインビジョン

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等しいわけではありません。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。これは、各レイヤーが前のレイヤーから学習することを意味します。したがって、このようなネットワークが画像データでトレーニングされると、さまざまなコンポーネントを理解するために画像をゼロから再構築します。最初に画像の最小単位であるピクセルを調べ、次にエッジを理解し、次に次のレイヤーがオブジェクトのパーツまたは要素を理解し、最終的にオブジェクト全体に到達します。

nodejs関数の戻り値

そして、そのプロセス全体が自動的に処理されるため、プロセス自体ではなく、コンピュータービジョンを使用してクライアントのためにロックを解除できるビジネス価値に集中できます。

Einstein Vision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高速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ください。クリーンアップクルーを派遣する必要はありません。

または、CPG企業が、棚に製品を手動で記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もあります。

または、視覚的検索で消費者向け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、または医療で画像処理を活用する方法。

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

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で作成されたトレーニングデータセットに基づいて、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、Salesforceワークフローであろうと外部アプリケーションであろうと、これらをワークフロー内に統合できます。

独自のカスタムモデルの構築には、次の3つのステップが含まれます。

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見分けたいとしましょう。 2ドア冷蔵庫の画像を集めてフォルダに入れてから、3ドア冷蔵庫の画像を集めて別のフォルダに入れる必要があります。
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クラウドは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、その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。

計算：アインシュタイン言語

画像が処理する必要のないものである場合は、テキストを使用してトレーニングしようとしている可能性があります。このため、SalesforceのAIクラウドにはEinstein言語があり、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（NLP）タイプの一般的な分類子です。独自のクラスを定義し、それらのクラスを表すデータをアップロードできます。
アインシュタインの感情 は事前にトレーニングされたモデルであり、人間の言語を分析してコンテンツや周囲のユーザーの発言の感情を導き出し、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することができます。

アインシュタイン言語

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。

プログラミング言語の書き方

上記の例では、意図はケースのルーティングに関するものです。ケースが発生するたびに、それを分析して適切な部門（配送、請求、製品、販売など）にルーティング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になります。

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の場合と同様に、モデルがトレーニングされると、モデルIDが取得され、予測を取得する準備が整います。

Salesforce Einstein：スマートスタートへ

これで、SalesforceEinsteinが手の届く範囲にもたらす可能性を味わうことができました。 Salesforce開発者、そしてクライアントや雇用主がAIクラウドを活用するのを支援するのはどれほど簡単か、始めるには単に必要ですアカウントの設定。 AIクラウドを使用して、独自のアプリに革命を起こす方法をお聞かせください。