餐饮及外卖行业大数据应用框架在线视频

第二我们来看一下

大数据到AI的这么一个

行业应用框架

现在大家都说大数据和人工智能

那么在我们这边看起来的话

我们会觉得

之前传统的人工智能

更多的是基于浅层的这个表示

比如说SVM或者是概率图模型

那么这些年深度学习的模型

是逐步的增大

网络越来越深

需要的算例也越来越大

同时对数据的需求

也是逐步在增加

那所以大数据和深度学习

这两个因素结合起来

是我们今天做AI的一个

非常通用的一个模式

这个模式是不是有改进的空间

当然是有的

大家都不希望用这么多的数据

这么昂贵的机器

人显然是不需要这样的

那所以呢

其实肯定是有改进的空间

但是今天却是这样一个模式

那对AI这件事情

我们内部的看法是觉得

这个前景是非常广阔的

但是成熟仍需一段的时日

那从左边看

其实是有很多非常清楚的问题

或者是有一些

不是那么定义清楚的边界的问题

在我们右边是对 一些解决方案

那中间是什么呢 中间是表示

中间那个表示是说

我们怎么样把一个研究的问题

转化成我们可以去解的一个模型

然后再去真正的做求解的过程

怎么去解呢

最后是用数据和计算的方式

那这三步其实不是我说的

这个是康德在很早以前

就总结出来的

所以它并不光是适用于AI

或者是一些问题的解法

那其实非常通用的一个

一个问题的一个表示

用什么样的表示呢

我们刚才说到

深度学习其实是

AI问题的一种表示

那么再往前逻辑的方式

或者我们运用

规则专家系统的方式

也是一种对AI问题的表示

那不同的表示的方案

有优劣之分

带来的结果使我们最后能达到的

问题的求解的精确程度

也会有相当的差异

那无论是阿尔法狗

还是说 Waymo做的这个小车

或者是ALEX

ALEX就是现在Amazon上智能对话的助手

这几个方面其实

大家都认为是非常清晰的问题

但是想要解决的话

我们觉得还是会有比较大的

一段时间

比如说这个智能车

那要无人驾驶的话

大家也知道最近其实

特斯拉出了两个事故

其实提醒我们

这个事情并不像

之前很多激进的同学想得那样

会非常快的实现

所以这是我们对AI

这个整体的一个认识

那对于在餐饮和外卖行业来说

我们其实会把它从上到下

从左到右分为这么四层

然后有这么五个块

四层是最基础的这些算例 数据

然后再往上是机器学习

深度学习 增强学习

这个算法的框架

再往上哪些具体技术的方向

比如说我们可以去做视觉

我们可以去做匹配

可以去做决策

这对应到人来说

其实就是感知 理解

然后还有决策这么三方面

那再往上是一个更具体的技术

比如说人脸识别的技术

再比如说语音识别的技术

那对应者会有不同的行业

解决方案

在我们餐饮行业

那可能会有

我们去做一些新的菜品

那会做一些这种

商家的这个形态的感知

在商家里面用户吃他哪个菜

是比较满意 比较可口的

跟服务员会有什么样一个交互

哪些服务员他是比较满意的

这个我们认为都是

将来可以通过AI的方式

去取得解决的

那包括在用户怎么样

在去做线上 线下的一些

消费的决策

怎么样去帮助我们的配送员

去做交易之后的履约

去怎么样去做配送

这个都是可以直接去

做这个计算的

还有包括

人们现在其实有更多的一些需求

比如说对健康的需求

那我们可能

有可能有的人希望去

做一个健康管理

希望每顿吃得更自然 更健康

不需要吃太多的油

其实也是可以通过一个

小助手的方式

去帮助人们完成这样的愿望

那所以从这个角度看的话

我们其实可以有这么一个

四层的一个划分

然后左边这边有一些是画虚线的

画虚线的这个地方

可能需要稍微值得说一下

就是说我们传统会认为

视觉和听觉是人比较重要的

两个获知信息的渠道

但是对于餐饮行业来说

嗅觉和味觉其实是更为重要的

但是这方面呢

我觉得现在目前

大家研究可能做得还不是很多

我知道之前在浙大

在2010年左右

其实有这方面的一些研究

但是呢 我不知道

就是说清华的同学

有没有愿意从这方面研究的

如果感兴趣的话

其实可以考虑一下

那为什么这么说呢

因为其实从感知和分析

这个角度来说

无论是从原材料的制作

还是从加工过程

还是加工设备来说

其实都有很多AI和大数据

可以去施展的空间

那从原材料上

大家可能听说过

有人其实可以去在做这种水培

然后甚至是在空气之中

去种一些菜

甚至包括有一些合成的牛肉

肉类现在其实美国也有人在研究

所以从这个角度其实

完全是可以通过一些视觉的方法

通过一些管理的手段

就是自动化处理

自动化管理的手段

去提高这些菜的生长的效率

做出来更健康 更安全的蔬菜

甚至肉

那在中间呢

这个加工过程我们可以看到

这里边有一个叫

Cognitive Cooking

这个是IBM Waston

就是之前跟卡斯帕罗夫去下棋

然后后来去跟那个

在Jeopardy去跟人去竞争

去做QA的

那么一个人工智能系统

他们也做了一个很有趣的应用

就是让计算机去创建新的菜

做出来很多好玩的菜

其实看起来也是

确实可以用的

右边这个加工设备

当然现在也是非常普遍了

比如说 我是陕西人 那么就是

比如说对拉面或者是这种面食

那么其实在现在的西安的

大街小巷也有很多自助的这个

做面的这个地方

它其实并不需要人

你投个币然后很快呢

十几分钟就可以做出来一碗面

它只能做面对吧

但其实呢

如果能做一个通用的机器人

它并不一定是

有机器人的形象

或者是机器手

并不一定非常具像这种人的形象

但是它能够很方便的帮你把

你想要的这个菜做好

那其实是非常有价值的一件事情

那从右边再来说的话

人其实能识别的颜色的数量

只有一千万

但是对分辨的气味数

10的12次方是高了五个数量级

所以人并不是说狗的鼻子

是比人的鼻子要灵敏

很多很多倍的

所以我们用狗来

来帮我们去嗅一些这种

危险爆炸物

很有可能是人懒得去这么做

然后顺便就请狗帮帮忙

所以从这个角度来说

做嗅觉的研究

其实是非常重要一件事情

我不知道大家是不是文学青年

我早先在读书的时候

还是蛮像一个文青的

所以当时也有看一些文学作品

比如说像普鲁斯特

他写《追忆似水年华》

那他在开头其实说

他吃玛德莱娜蛋糕

然后这个香味能够非常持续的

能够引起他的回忆

那他忍不住就要把

这个美好的回忆留下来

从这个角度看

嗅觉对人的影响也还是非常大的

那如果我们想要让

每个人的口味做得更适合他自己

能够让机器更方便

更好的去帮人去做菜

那其实很重要的一点

就是要去了解人的味觉

嗅觉系统

包括做味道的检测

包括对菜品味道的检测

和加工过程中味道的控制

甚至是做到个性化的一些口味

其实都是蛮有价值的

包括对快餐

那我们都知道洋快餐

比如说像麦当劳 肯德基

他们的过程是非常标准化的

中式快餐现在当然也在做

但是想要做得更好

也还是需要再去在这方面

做更多的研究

所以这个呢

其实是一个偏向研究的课题

我们今天也在看

有没有机会去跟高校合作

从科幻拉回到现实

前面可能说得还是更偏向研究的

这个是说我们现在

今天在做这么一个

外卖的一个交易

和履约平台的时候

我们会碰到什么样技术性的问题

那这边概括的大概是有四个模块

左边是针对用户的

我们怎么样去识别用户的

购买的意图

怎么样去从他购买路径中

去找到他更容易转化

更容易接受的一种方式

包括有没有更好的一种方式

去跟他做交互

让他更自然的去了解到

我们这个平台都有哪些内容

然后包括右边这个路径的

中间的这个流量的转化

那这个是站在平台的角度

一方面让用户怎么样去转化

然后另外一方面

如果用户来了一次

能不能让他再来第二次

如何让用户在平台上留下来

更多的不断的返回来访问

然后同时用户和商家之间的

这个匹配

包括商家的这个生态

也是很重要的

这个是在流量方面

那上面这个图呢

这个模块是针对

履约 配送的环节

我会涉及到路径的规划

也会涉及到订单的分配和运力

就是更长期一些的规划

那在右边是关于对商家自己

商家也有可能会在平台上

希望去做一些营销

希望有一些菜品的管理

以及对产能的一些匹配

比如说他想预测他明天要

究竟备多少份食材

才能够应付明天的

堂食和外卖的需求

那从左边呢

我们希望解决用户的

行为意图分析

也希望他做个性化的

信息的展示以及智能交互

同时希望有一些

优惠的匹配和发放

对于平台我们流量这边

希望去做交易效率转化的提升

也会希望去做商家的一个

流量获取稳定性的研究

和菜品品牌 品类的分析

以及一些外卖

和配送满意度的一些提升

这个是我们

所面临的问题的一个全部