Can you Crowdsource a Better AI?

당신은 더 나은 인공 지능을 crowdsource 수 있습니까? 거의 확실합니다 두 가지 프로젝트를 언급 할 것입니다

하나는 Kaggle에서 끝났습니다 Kaggle은 최근 Google에서 구매했습니다 Kaggle은 경품은 현금 보상을 통해 알고리즘을 개선하기 위해 게시됩니다 그만큼 TSA는 수하물에 무기를두기 위해 노력할 사람이있다 150 만 달러 총 상금

또 다른 이니셔티브는 General AI Challenge입니다이 AI Challenge는 5 백만 달러 트란스에서 제공되는 총상금은 우리가 인공 지능 실용적입니까? 거의 확실합니다 페드로 도밍고스, 그는 "마스터 알고리즘 (Master Algorithm) : 더 나은 일반 알고리즘을 찾기위한 시도" 인공 지능은 여전히 ​​재능있는 재택 근무 공간입니다 실무자는 여전히 과학의 진보에 대한 기본적이고 큰 공헌을 할 수 있습니다

인공 지능에 관심이 있다면 GigaOMcom을 방문하거나 새로운 책을 확인하십시오 "제 4 시대 : 똑똑한 로봇, 의식있는 컴퓨터 및 인류의 미래"

Vingroup thành lập Viện AI, mời 'bộ óc Google' về làm viện trưởng

인공 지능 연구소는 이미지, 비디오 및 언어 처리 및 이해와 같은 다양한 분야에서 주로 기계 학습, 심화 학습 및 응용 알고리즘 인 인공 지능의 기초 과학 문제를 연구합니다 , 음성, 사용자 상호 작용

특히, 연구소는 베트남에 대해 중요한 관심사 또는 문제 인 세계 문제에 우선 순위를 부여합니다 이 연구소의 목적은 특히 Vingroup과 베트남의 AI 전문가를 이끌어내는 핵심 인력을 구축하는 것입니다 특히 중요한 과제는 향후 베트남의 AI 인재를 육성하고 기술 지식을 협의하여 그룹 또는 파트너에게 전달하는 것입니다

인공 지능 연구소 소장은 Bui Hai Hung 박사입니다 Hung 박사는 Google DeepMind에서 Vingroup에 입사 한 후 이전에 수석 연구 직책을 맡았습니다 Hung 박사는 Google의 인공 지능 발명가로 간주됩니다 그는 전문 저널에 거의 100 건의 과학 연구를 발표했으며 미국에서는 10 건 이상의 기술 특허가 평가됩니다 그는 CALO 프로젝트의 인간 행동 및 프로젝트 인식 기술을 개발하는 데있어 세계 유수의 많은 대학 (스탠포드, MIT, 버클리)의 연구원 팀을 이끌었습니다

이 시점에서 가장 큰 AI이자이 프로젝트로도 알려져있는 Siri는 Apple iPhone에 가상 비서 기술을 처음으로 선보였습니다 그는 또한 Adobe Research 및 Nuance의 자연 언어 연구 부서에서 근무했습니다 그는 인공 지능 편집위원회 멤버입니다 VinAI Institute는 세계적인 수준의 서비스 인 기술 – 산업 그룹이되기위한 방향으로 Vingroup의 다음 단계입니다 이전에 Vingroup은 VinTech 기술 개발 회사, Big Data 연구소, Vingroup Innovation Fund

설립했습니다 배치에 관해서는 Vu Ha Van 교수가 주도한 대용량 데이터 연구소 Science Director는 베트남 게놈을 해독하는 프로젝트 구현을 발표했습니다 VinTech은 최근에 전세계 VinTech 네트워크 및 한국 최초의 본사 건설을 발표했습니다

1973 년에 태어난 훙 박사는 하노이 대학교에서 수학했으며, 수학 수학 올림피아드 (Nu Bao Chau) 교수와 함께 1989 년 국제 수학 올림피아드 (International Mathematical Olympiad)에 참석하여 은메달을 획득했습니다 Hung 박사는 호주 Curtin University에서 컴퓨터 과학을 전공 한 그는 25 세 때인 1998 년 학사 학위와 박사 학위를 취득했습니다 그는 원래 DH Curtin School (2000-2003)의 강사였으며 Monash University의 교수로 초대되었습니다 Bui Hai Hung 박사는 2003 년부터 2012 년까지 미국 스탠포드 대학 연구소 (AI-Center)의 연구원으로 재직했습니다 그는 2014 년부터 2017 년까지 Adobe Research에서 기계 전문가로서의 업무를 계속했습니다

2018 년 초 AI 기술 분야의 세계적인 리더 인 Google DeepMind에서 일하기 시작했습니다

Biggest wins for AI will be in health care: Former Google CEO

일을보다 적게 할 수 있습니다 마리아 : 나는이 같은 생각이 듭니다

정말로 사람들을 보아라 너처럼 많이 먹어라 사람이 줄 수있는 사람, 그 리더십, 그리고 그 인구 구성 대표자 아이디어가가는 길 너는 그걸 알아야 해 힘을, 그러나 모두를 따르지 말라 사람의 결정 많은 사람들이 있기 때문에 그것은 또는 질문 QUESTION 너무 많아요

큰 결정을 Google에서 관리가 이루어졌습니다 사람들이 무서워했기 때문에 펜톤 (PENTAGON)에 관한 것 계약 또는 AI, 윤리적 단위는 너무 큽니까? >> GOOGLE CONTEXT ONE 우리의 가치는이 종류의 내부 회신 빌이 나에게 미안하다고 말하는 곳 가치에 아주 많이 찔림 원하는만큼 초점을 맞춘 것 비즈니스는 현실입니다 이 경영은있다 경성 및 경성 및 경성 사회 미디어와 그 때문에 너는 들으려고했다 더욱 조심스럽게 당신에게 직원

하지만 오늘이 끝날 무렵에는 이전 재생 목록 지도력, 코칭, 입문 신생아 인 사람들과 관련성 높은 경험 목표를 달성 할 수있는 가능성 그것이 무엇인지, 그것은 우리는 UNIVERSAL HUMAN VALUE입니다 책에서의 논증은 이들은 현재 적용 가능합니다 이 미래는 UNIVERSAL입니다 관리의 가치 지도 >> 일부 포인트 리더십 알았어

나는 너를 듣는다 그러나 나는 무엇을해야 하는가? 우리가 무엇을 위해 서있는 지 에 대한 >> 그것은 가치입니다 >> 책을 많이 읽으세요 경구 포함 교시 사람들은 청구서를 작성하는 신뢰를 받았다

사랑에 기반한 작업장, 무엇 그 말이 맞습니까? 나에게 실용적인 아이디어가 주어진다 ON LOVE >> 당신은 사랑을 보여줍니다 매니저, 코치 쇼 너의 백성, 숨 쉬다 그들에 대한 확신, 언제 시간이 점점 늘었습니다

>> 또한 차기를 의미합니다 빌이 그걸 좋아할 것 같아 이사회 회의 >> 중순에 좋은 이유가없는 마리아, 나는 너의 쇼를 사랑한다, [CLAPPING], 좋은 느낌 >> 회의에서, 오디오로 당신이 무엇을 알기를 힘들게해라

대단한 일을했다 >> 환상적 >> THE MOMENTUM THEWALL 결정 >> 모든 물건을 구매합니다 >> 네가 토요일에 말 안했어? 회의 AIRFARE 종류의 유급 괜찮아

그것도 가고 싶어 게임에서이기는 것 >> 기쁜 약간의 일 큰 차이를 만들자 AI GOOGLE에 관해서 물어보기 상원 의원 사이에 인위적으로 일하고있다 우리가 가진 정보 여기에서도 잘 보입니다

IT가 어디에나 있습니다 더 큰 것을 얻으려고 예방 조치 >> 많은 즐거움을 얻으세요 영리에 대한 운동가들 가장 큰 건강을 얻는다고 생각하십시오 내가 생각하기에 이것은 아주 이상하다고 생각한다

보고 된 것 >> 당신은 오랜 시간을 보냈습니다 >> 나는 여기에 이유가있다 우리가 생각하는 것만 큼 개인으로서의 자질 생물학적으로 우리는 ~와 비슷하다 다른 모든 컴퓨터는 시계를 사용할 수 있습니다

지금 무슨 일이 일어 났습니까? 알고리즘은 언제부터 좋은가요? 우리는 병원에 가면된다 대단히, 당신은 우리에게 당신의 것을 주셨습니다 허가 정보 이것은 지금 병원이 아닙니다 GOOGLE, THE HOSPITAL CAN SAY, 이봐, 우리는 다음이라고 생각한다 앞으로 나아갈 방향 HAPPEN, 그것이 얼마나 좋은가? 알고리즘은 정밀의 전체 1 년 의학 능력 직접 간호사가 지시 한 약 직접 회신 알고리즘, 진단 컴퓨터 만들기 권장 사항 의사의 얼음보다

>> A BABE DEBATE in A 조건에 대한 많은 심의 취업 일부 일자리가 생깁니다 래리 페이지에 가보시다 그들은 이론의 이론이다 ORELONLON이 될 수있는 곳 파괴성을 발휘할 수 있습니까? 인디언의 인공 지능 너무 익숙하지 않은 윤리적 인 방법 많은 사람 >> 윤리적 인 방법으로 절대적으로 전체 산업에 집중 내가 거기에있는 것으로 확신했다 그는 거대한 작업이 될거야

내가 말한 것만 큼 짧다 직업을 채우기에 풍성한 사람 이 때문에 열려 있습니다 그리고 이유는, 인공 지능 시스템이 그 일을 만듭니다 훨씬 더 효율적인 우리가 일상적으로 얻은 경제적 성장 더 많은 사람들이 필요하다 더 많은 교육,이 내용을 채우기 위해 욥은 질문이 없다

그 끔찍한 그 떠돌이 그럴 수있는 그 중재 그게 변한거야 방해하는 >> 우리는 때때로 학습 된 핵 기술 결코 누크가 아니 었습니까? 핵폭탄 붕괴 핵이 가능하다 우리가하는 모든 것을 더 많이 만들어라 효율적이고, 명확하며, 더 좋음 GRIMZ 더 생산적으로 DID와 동일한 개인 CPR 방법 이건 우리가해야할 일이야

산업계의 산업 학습, 비즈니스 개선 너가 달리고 있으면 알고리즘 AI를 사용하지 않는 사업 기계 학습 COMPETITOR는 당신을이기 수 있습니다 – >> 나는 그것이 그 것에 동의한다 우리가보고있는 곳 모든 단일 산업 데이터에 대한 정확한 진술 데이터, 삽입 된 컴퓨터로 컴퓨터 만들기 똑똑해 >> 오늘, 시스템은있다 언제나 전적으로 의존한다 큰 데이터 원본 가장 많은 데이터를 보유한 회사 지도 업무 또는 당신이 전형적으로 무엇을했는지 승리

미래에 우리는 생각한다 KRRZ를 위해 실제로 가능하다 그들의 개인 훈련을 생성하십시오 데이터 그래서 거기에 큰 새로운 들판 나가기 훨씬 더 효율적입니다 >> 빌 캠벨 씨가 말할까요? >> 그게 당신만큼 비열한거야

CHEER] 누르기] >> 대단히 감사합니다

Customer Stories: Transforming Businesses with Cloud AI Solutions (Cloud Next '19)

[음악 재생] LUKMAN RAMSEY : 와줘서 고마워 MLAI223입니다

고객 사례 – 변화하는 비즈니스 클라우드 AI 솔루션 그래서 오늘 우리는 몇 가지 소식을들을 것입니다 셋, 사실 – 자체 스토리에 대한 Google 클라우드 고객의 변화 Google 클라우드에서 AI 및 ML 기술을 사용하는 비즈니스 오늘 화자가 올 것입니다 세 명의 다른 고객으로부터 우리는 미노리 (Minori)의 말을 듣고 시작할 것입니다 Nissen의 Matsuda

그 다음 Chevron의 Laura Bandura에서 소식을 들려 드리겠습니다 마지막으로 히타치 컨설팅의 저스틴 홉슨 (Justin Hopson) 그리고 세션이 끝나면 거기에 희망적으로 Q & A를위한 약간의 시간이되어야합니다 이 세션에는 도리가 있습니다 다른 많은 탈주가 있었기 때문에 이 링크를 클릭하면 우리가 할 수있는 발표자에게 질문 할 수 있어야합니다

만일 우리가 당회의 마지막에 도착하지 않는다면, 우리는 도리에서 그들을 반드시 대답 할 것입니다 회의가 끝날 때까지 그래서 몇 분만 반복해서 보냅니다 들었던 것들 중 일부 오늘 아침 Rajen Sheth, PM의 기조 연설에서 클라우드 AI 솔루션에 대한 클라우드 AI 우리는 몇 가지 새로운 클라우드 AI 솔루션을 발표했습니다 여기에 다음 이 솔루션의 배경은 Google AI 전문 지식과 제품을 결합하는 방법 이미 생태계에 익숙하다는 것, 파트너 서비스 및 파트너 기술 서비스, 엔드 투 엔드 AI 솔루션의 배포를 데이터를 활용할 수 있지만 기존 데이터에 연결할 수 있습니다

기술과 워크 플로우는 끝을 해결합니다 비즈니스 문제를 끝내기 그럼 조금 더 자세히 살펴 봅시다 다시 말하면, 이러한 솔루션은 목표로 삼고 있습니다 여기서 볼 수있는 모든 업종에 대해 소매 및 제조, 건강 관리, 미디어 및 엔터테인먼트, 등등

그리고 초점은 단지 기계 학습을 구축하는 것이 아니라 특정 유즈 케이스에 대한 예측을 수행하는 모델, 오히려 엔드 투 엔드 솔루션을 구축하는 것이 데이터를 수신하고, 데이터를 사전 처리하며, 모델을 통해 실행 한 다음 그 결과를 제공합니다 팀이 통합 할 최종 애플리케이션, 다시 한 번 실제 비즈니스 문제를 해결하십시오 따라서 주요 새로운 발표 중 하나 우리는 Cloud AI 솔루션을 위해 다음에 만들었습니다 AI를 이해하는 새로운 문서입니다 다시 말하지만, 문서를 대상으로하는 포괄적 인 솔루션 다양한 종류의 문서를 이해할 수 있습니다

이 문서에서 통찰력을 추출 할 수 있으며, 기본적으로 핵심 빌딩 블록입니다 솔루션의 종단점이 될 수있는 것 문서 관리, 문서 제어, 등등 우리는 또한 Next, Recommendations AI, 최첨단 AI 서비스입니다 이를 통해 소매 고객은 권장 사항에 전력을 공급할 수 있습니다 그것은 완전히 관리되는 서비스입니다 이 서비스에 데이터를 업로드하는 것은 매우 쉽습니다

통합을 수행합니다 그런 다음 권장 사항을 제공 할 수 있습니다 모든 엔드 포인트로 따라서 기존 웹 사이트와 통합 할 수 있습니다 예를 들면

초기 배포로 인해 극적인 결과가 나타났습니다 지난 1 년 또는 1 년 반 동안 소매 공간에서 여러 고객과 함께, 클릭 수 90 % 증가와 같은 눈이 떨어지는 수치 포함 전환율 40 % 상승, 경우에 따라서는 수입도 크게 늘었습니다 마지막으로 Contact Center AI에 대해 말씀 드리고자합니다 이것은 실제로 마지막에 발표되었습니다 다음, 그러나 우리는 계속해서이 솔루션을 확장하고 구축했습니다 그리고 이것은 일련의 기술들 중 좋은 예입니다

그것은 모두 특정 비즈니스를 해결하기위한 것입니다 문제, 즉 AI 전원 콘택트 센터 활성화 기존의 컨택 센터를 이용하거나 AI 기능을 주입합니다 다시 한번 이것은 매우 포괄적 인 세트의 일부입니다 우리가 지금 가지고있는 도구와 빌딩 블록들 Cloud AI에서 우리가 발표 한 다른 많은 발표를 포함하여 AutoML 테이블과 같은 것을 포함하여 여기에있는 Next에서, 내가 무척 흥분되는 무언가 그리고 실제로 이것은 AI 플랫폼입니다

나는 회의가 열리기 직전에 그 이름이 바뀌 었다고 생각한다 모든 하드웨어 가속 및 프레임 워크 우리가 지원합니다 TensorFlow는 분명히하지만 다른 일반적인 프레임 워크 scikit-learn, Spark, 및 PyTorch Machine Learning 파트너의 성장 생태계뿐만 아니라 솔루션을 구축하는 데 도움이 될 수 있습니다 Google과 협력하여 솔루션을 배포 할 수 있습니다

또는 대부분의 경우 Google과 파트너 및 함께 해결책을 만들 것입니다 그리고 다시, 우리는 매우 커지고 성장하는 세트를 가지고 있습니다 이 여행에서 당신을 도울 수있는 솔루션 파트너가 필요합니다 괜찮아 이를 통해 첫 고객을 소개하겠습니다

스피커 Nissen의 데이터 과학자 인 Minori Matsuda입니다 미노리, 무대에 오신 것을 환영합니다 미노리 마츠다 : 대단히 감사합니다 오늘은 추천 시스템에 대해 이야기합니다

GCP에 내장되어 있습니다 우선, 나는 Minori와 7 & i Holdings의 데이터 과학자입니다 그리고 주로, 저는 기계 학습을하고 있습니다 그리고 우리 회사와 우리 그룹을 소개하겠습니다 우리 그룹은 일본에서 가장 큰 소매점 중 하나이며, 원래 메일 마케팅을 기반으로합니다

우리는 일본의 대부분의 가구 데이터를 다루고 있습니다 일본의 30 개가 넘는 평균 가구 데이터 그리고 우리는 주로 유행 아이템을 소매하고 있습니다 이것은 우리 회사입니다 그리고 우리의 데이터는 총 처리 중입니다

자연 언어 및 제품 이미지 고객 속성 데이터 및 고객 행동 제품 설명과 같은 로그 고객 라벨, 자연어 처리, 이들은 주로 일본어입니다 1 백만 플러스 이미지와 3 천만 가구 이상에서, 내가 말했듯이 그리고 물론 우리는 문자 그대로 웹 사이트에 있습니다 그래서 우리는 많은 트랜잭션 데이터를 찾을 수있는 웹 사이트 카탈로그를 가지고 있습니다 승인

그리고 이제 우리에게는 세 가지 도전이 있습니다 Google Cloud를 사용하기 전에 우리가 가지고 있었던 하나는 처음부터 모델을 생성해야한다는 것입니다 따라서 우리는 많은 데이터를 가지고 있으므로 고유 한 제품 기능에 레이블을 붙입니다 데이터베이스에서 두 번째는 민첩하고 모델링 속도입니다

그리고 우리는 매년 5 번 종이 카탈로그를 발행했습니다 그래서 우리는 200 가지가 넘는 다양한 모델링과 모델 제작을합니다 그러나 웹 사이트 비즈니스 속도에 적응하는 것은 정말 느립니다 그리고 셋째, 모델의 상호 운용성 그리고 대부분의 알고리즘과 대부분의 소프트웨어 패키지 안에있는 블랙 박스입니다

따라서 비즈니스 측면에 대해 설명 할 수있는 피드백을 드릴 수는 없습니다 모델 그리고 설문 조사는 몇 달 안에 시작해야했습니다 그 개요 이것은 이미지 유사성의 예 중 하나입니다 항목 추천

따라서 기술적으로 추출 된 피쳐 길쌈 신경 네트워크에 의해 TensorFlow의 무 감독 학습 우리가 가장 많이 찾는 것은 왼쪽이다 그 드레스와 오른쪽 드레스는 비슷한 제품입니다 기계가 인식 할 수 있습니다 그리고 이것에 관해 조금 흥미로운 비디오를 보여 드리겠습니다

인식 가능한 이미지는 어떻게 볼 수 있습니까? 나는 10,000 개의 제품 이미지를 TensorBot에 가져 왔습니다 TensorBot은 TensorFlow의 시각화 도구입니다 보시다시피, 많은 제품이 있습니다 그리고 클러스터링 작업을 컴퓨터에 제공합니다 클러스터링

이것은 자율 학습입니다 그리고 나는이 선들이 나쁘다는 것을 기계에 말하지 않는다 그리고 내가 선택한이 선들 나는 기계에 말하지 않지만 기계는 이런 식으로 자동 분류 할 수 있습니다 이를 치수 축소라고합니다

원래 각 점에는 300 차원 벡터가 있고, 그러나 그 후에 기계는 그 분류를 인식 할 수 있습니다 이것은 침대, 즉 침대입니다 네 네 이렇게 또한 기계는 여러분이 아는 것처럼 이해할 수 있습니다

언어, 단어 및 문서와 같은 자연어 이전과 마찬가지로 과제를 부여합니다 자연 언어의 자율 학습을 위해, 요통과 자세가 기계에 알려집니다 비슷한 언어입니다 그리고 그것은 부패하고 있습니다

승인 데이터를 모으고, 데이터를 모으고, 이것은보기 어려울 수도 있지만, 우리는 두 알고리즘을 조합하고있다 DNN과 같은 구조화 된 데이터 및 구조화 된 데이터 와 CNN 그리고 우리가 깊은 학습에서 얻은 것은 기계 발견입니다 제품 친화력 그 자체로, 그리고 기계가 전에 예측할 수 있습니다 콜드 스타트 ​​프로그램 판매 및 극복 고객에게 데이터가 없으므로 아무 것도 추천 할 수 없습니다

그러나 우리는 콜드 스타트 ​​문제를 극복했습니다 그리고 마침내 이것은 인간의 이해를 초월합니다 우리가이 기계가 귀엽다는 것을 기계에 가르쳐 준다면 "카와이이" 일본어가 귀엽다, 카와이 – 우리는 카와이가 무엇인지, 무엇을 말할 것인가? 기계, 기계에 귀여움 이것을 이해할 것이다 기계는 귀엽고, 귀여움의 특징 그리고 기계가 귀여움을 배운 후에, 당신이 볼 수 있듯이, 기계는 귀여운 인간의 여성 속옷을 생성합니다

그리고 나서,이 제품들은 실제로 존재하지 않습니다 그리고 그들은 생성되어야하며, 우리는 경쟁에서 진짜로 팔려고한다 인적 제품 매니저를 상대로 그래, 고마워 [박수 갈채] LUKMAN RAMSEY : 감사합니다, 미노리 괜찮아

다음으로 쉐브론 (Chevron)의 Laura Bandura에서 왔습니다 LAURA BANDURA : 안녕하세요 내 이름은 로라 반 두라 (Laura Bandura)이고, 나는 연구 지구 물리학 자다 셰브론 석유 및 가스 산업에서 우리는 너무 많은 데이터, 유산 현대적인 데이터

그것은 구름, 테이프, 여러 개의 내부 파일 시스템 및 경우에 따라 종이에 우리가이 정보를 빠르게 발굴 할 수 없다면, 이 정보의 가치는 감소된다 상당히 우리가 작업하고있는 대규모 프로젝트 매우 크고 기능이 교차하는 경향이 있습니다 그들은 매우 글로벌하고 다양한 다양성이 필요합니다

기술적 전문성이 다른 사람들의 다른 언어로 그리고 우리 모두는 함께 노력하여 이 모든 다양성을 염두에두고 가치를 창출하십시오 그리고 이것은 궁극적으로 더 나은 결정을 내리는 데 도움이됩니다 따라서 Google 어스를 사용하여 지하 표면을 탐험하는 것과 마찬가지로 지구 표면에 대한 정보를 체계화하고, 우리는 이것을 실제로 추가적인 차원으로 확장하고자합니다 시간과 깊이에

그리고 이것이 우리가 정보를 활용하는 곳입니다 그리고 우리는 종종 여러 배로 작업합니다 우리는 바위의 시대가 가장 컸습니다 우리가 일하는 시간 척도 심지어 훨씬 작은 시간대에서도 우리는 자산 수명이 있습니다

어떤 경우에는 수십 년에서 심지어 1 세기까지 걸칠 수 있습니다 가장 작은 비늘에서, 우리는 실시간으로 비즈니스 프로세스를 살펴 봅니다 전 세계의 비즈니스 운영을 모니터링합니다 하지만 가장 중요한 것은 정보에 액세스해야한다는 것입니다 우리 사업의 모든 측면과 관련하여, 둘 다 빠르고 효율적입니다

그래서 저는 앤에게 당신을 소개하고 싶습니다 San Joaquin Valley 사업부의 석유 화학자입니다 [비디오 재생] – 가장 큰 기름의 일부입니다 필드 예 : Midway Sunset Oilfield 미국에서 세 번째로 큰 그리고 캘리포니아에서 가장 큰 것

약 35,000 개의 우물이 있습니다 자, 각 우물에는 종이가 있습니다 우물에 관한 중요한 정보가있는 우물 파일 저장됩니다 그리고 그 범위는 상당히 다양 할 수 있습니다 종이의 작은 크기의 스택 – 이걸 꽤 빨리 통과 할 수 있습니다 – 분석과 데이터로 가득한 막대한 괴물에게

아니 나는 보통 종이 파일을 더 이상 통과 할 필요가 없다 대부분이 스캔 되었기 때문입니다 그래서 나는 손으로 PDF를 읽는다 대부분의 시간 동안, 나는 이미 데이터가 있다는 것을 알고있다

나는 가서 찾아 낼 수있다 그런 다음 중요한 것을 발견하면 인쇄하십시오 그러나 나는 또한 정말로 흥미로운 것을 가로 질러 우연히 만난다 이것은 모든 암석의 기록 사본입니다 그것은 1911 년부터 우물에서 뚫어야했다

그리고 이것은 정말로 snarky 편지입니다 누군가가 그들의 샘플을 학대 당했다고 썼다 보통 내가 갈 무언가를 찾으면 실제로 필요하다면, 나는 그것을 인쇄한다 그리고 이것은 제가 작업하고있는 레일 스택입니다 그리고 이것은 괜찮습니다

[끝내기] LAURA BANDURA : Anne이 제안한대로, 우리는 개선 할 기회가있다 지원할 기존 데이터 및 문서에 액세스하는 방법 지금 우리의 결정 이제 우리가 어떻게 GCP 도구를 사용하여 이러한 문제를 해결했습니다 우리 문서의 내용을 더 깊이 파고 들기 위해, 우리는 먼저 부품들을 분해 할 필요가 있습니다 맞춤 방식으로 분석 할 수 있습니다

이를 위해서는 각 문서를 세분화해야합니다 이 세그먼트는 텍스트로 분류됩니다 테이블 또는 이미지 그리고 우리는 그것을 전체 론적으로 집어 넣기 위해 그들을 주문해야합니다 그들을 문맥으로 문서가이 문서와 같은 이미지로 분류되면, 그 라벨을 추출하는 것이 중요합니다

이미지 내의 세부 사항은 물론 이미지 내에 있습니다 그래서이 경우 우리는 지질 학적 모델을 가지고 있습니다 일부 애플리케이션의 경우, 우리에게 중요합니다 그 조각뿐만 아니라 전체 이미지 자체를 이해할 수 있습니다 우리가 그 정보를 수집하는 것도 중요합니다

이 테이블을 변환하고 in 문서가 비정형 데이터 형식이고, 우리는 이것을 구조화 된 데이터 형식 분석 도구에서 사용할 수 있습니다 훨씬 더 효율적인 방법으로 Google의 문서에는 다양한 이미지 유형이 포함되어 있습니다 지구 과학에 특화된 것들이 많습니다 여기에서 볼 수 있습니다 지진 데이터에서 지구 모델에 이르기까지 다양하며, 지질 학적지도 등등

다음 중 18 명이 기억할 수도 있습니다 우리는이 이미지를 분류하기 위해 AutoML Vision을 사용했습니다 AutoML을 사용하면 쉽게 맞춤 설정할 수 있습니다 지구 모델 콘텐츠 또는 지구에 대한 분류 체계 과학 콘텐츠 우리는 단순히 우리가 가지고있는 수백 개의 이미지를 업로드합니다

그런 다음 수백 개의 이미지를 업로드합니다 그런 다음 이미지 레이블로 이미지에 라벨을 지정합니다 당신이 여기에서 볼 수 있습니다 그리고 몇 분 안에, 우리는 이미 초기 모델을 가질 수있다 모든 것을 분류하기 위해 모델을 훈련하는 데 도움이 될 수 있습니다

우리 시스템에있는 것 그런 다음이 내용을 만드는 데 사용할 수 있습니다 추가 검색 가능 AutoML 인터페이스는 사용하기가 매우 쉽습니다 매우 간단한 도구가 있습니다

AutoML에서 생성 된 혼동과 같이 사용자에게 표시됩니다 여기 매트릭스 이것은 매우 간단한 방법입니다 그와 지구 과학 전문가 어쩌면 그들이 더 많은 훈련을 추가 할 필요가 있을지 이해할 수있다 예를 들어 모델을 개선하거나 증가 할 다른 변화 정확성

어떤 경우에는 아마도 더 나은 결과를 얻으려면 모델을 더 길게 훈련해야합니다 그러나 이러한 유형의 산출물은 매우 과목의 정상적인 주제 전문가에게 쉽다 기계 학습 이외 따라서 기술 전문가가 사용할 수 있습니다 AutoML에 관해서는 매우 유용합니다

따라서 여기 다이어그램에서 볼 수 있듯이, AutoML만으로는 필요한 모든 것이 아닙니다 이 모든 작업을 검색 가능하게 만들기 위해, 그래서 저는 Kenton Prindle에게 전화를 걸어 이야기 할 것입니다 이것에 대해 더 자세히 그리고 지난 몇 년 동안, 우리는 Google과 훌륭한 파트너십을 맺었습니다 그는 회사 내부에서이를 구현하는 데 도움을주었습니다 꺼내 줘, 켄톤

고마워요, 로라 어 그래 고맙습니다 그럼, 네 로라가 언급했듯이, 우리는 함께 노력해 왔습니다

꽤 오래 동안 지금 어떻게 특성화하는지에 관해서 메타 수준에서 이러한 문서를 누른 다음 세그먼트 수준에서 그래서 당신이 왼쪽에서 볼 수 있듯이 – 첫째, 나는 물론, 이것은 작년의 정보였습니다 우리는 기본적으로 쉐브론으로 지어졌습니다 그리고 근본적으로, 우리는 과거를 매우 공격적으로 움직이고 있습니다 이제 세그먼트 화를 보완하기 위해 앞서 말했듯이, 또한 잘 기록, LES 파일 및 segue 파일이 있습니다 그리고 우리의 초점은 실제로 그것을 모두 연결하는 것입니다

진정한 아날로그 검색 그래서 우리가 쫓고있는 것은 우리가 점점 더 커지고 깊어 질 수있다 세계 데이터 세트에 대한 통찰력, 데이터 자산 데이터 세트 만이 아닙니다 따라서 왼쪽에는 섭취 과정이 표시됩니다 비우기 만하면됩니다

파일을 양동이에 넣고 양동이 모든 일련의 이벤트를 트리거합니다 자동으로 데이터를 처리합니다 따라서 GSC 스토리지, Pub / Sub로 이동합니다 이러한 모든 이벤트를 처리하고 Cloud Dataflow로 이동합니다 데이터 흐름은 하나의 목적으로 만 수행됩니다

그것을 페이지로 나누는 것입니다 그런 다음 페이지가 마비로 처리 될 수 있습니다 세분화 공간에서, 맞습니까? 페이지로 들어가서 페이지를 분할합니다 인간이 읽을 수있는 흐름, 맞죠? 그래서 우리는 모든 텍스트를 유지하고 모든 이미지를 유지합니다 올바른 순서로 마치 인간이 문서를 읽는 것처럼 보였습니다

나중에 인생에서, 이것은 왜 분명해질 것입니다 이 작업을 수행하는 데 오랜 시간이 걸리지 만 문서 정보의 의미에 대한 의미있는 표현 만 우리는 감정을 원해 그리고 감정은 달성하기가 매우 어렵습니다 전체 벡터 공간의 단어 흐름을 유지하지 않고 일관된 그래서 우리는 웬일인지 이것을하고있다

나중에 우리가 이야기 할 것입니다 그리고 나서, 물론 우리가이 정보를 얻으면 두 번째 단계에서는 실제로 전달하고 있습니다 전체 일련의 API를 통해 따라서 이러한 API는 물론 AutoML Vision, NLP, 그리고 몇몇 다른 사람들 사이의 번역 여기 요점은 이 구멍들 하나 하나 하나를 가지고, 이미지, 테이블, 방정식, 시추인지 여부 다이어그램, 테이블, 무엇이든, 텍스트 그래서 우리가 이것을 얻으면 우리는 실제로 알고리즘을 통해 적응 적으로 실행하십시오

우리가 원하는 정보를 찾아 낼 수 있습니다 우리가 그렇게하면 클라우드 머신에 실제로 전달합니다 학습 엔진은 한 단어를 알아 내기 위해 전화했는데, 이미지를 bacl로 인코딩 한 이중 모델 권리? 그리고이 경우에는 문서 유형이 무엇인지 파악합니다 그래서 우리는 그것을 멈추지 않고 단지 정보를 꺼내는 것입니다

그냥 일반적인 키워드 검색 우리는 더 깊이 가서 말하기를 시도하고 있습니다 음, 이것은 드릴링 보고서이거나 복합 로그입니다 그것이 무엇이든, 우리는 쉽게하려고 노력하고 있습니다 그래서 당신은 필터 검색뿐만 아니라 진정한 벡터 할 수 있습니다 수색

그 시점에서 Pub / Sub는 GCS 아카이브 및 관심있는 모든 세그먼트 거기에 저장되어 표시됩니다 그리고 나서, 물론 우리는 클라우드 검색 또는 Elasticsearch 클라우드 검색이 선호되는 방법입니다 우리가 훨씬 더 확장 할 수 있기 때문에,하지만 Elasticsearch 뿐만 아니라 완벽하게 작동합니다 그리고 물론, 우리는 인터페이스에 대화 할 수있는 대화 흐름

그러나 이것은 큰 초점이 아닙니다 궁극적으로 우리가 끝내는 것은 문서입니다 이미지를 검색 할 수있는지도에서 또는 텍스트, 또는 이미지와 텍스트 괜찮아 그런데 왜 우리가이 모든 것을하고 있습니까? 우리는 이미지를 끌어 올리기 만하는 것이 아닙니다

이 정보를 끌어 올리면 모든 데이터를 통합하려고하는 것입니다 그리고 맨 위에 당신은 우리가 우리가 많이 경험하는 고전적인 종류의 디지털 데이터를 가지고 있습니다 우리는 잘 통나무와 지진, 지구 모형을 본다 이러한 일들은 합리적으로 잘 형식화되고 이해됩니다 그리고 나서 우리는 그것들 사이의 접착제를 취하려고합니다

그 해석이나 서류들 말이 맞지? 그들은 진실 된 해석이다 우리가 실제로 위의 이미지에서 얻는 것입니다 그래서 Chevron과 함께 우리가 한 일은 우리는 지식 그래프를 만들었습니다 엔티티 해상도 및 위치 정보를 처리 할 수 ​​있습니다 그 해결책에 따라

그래서이 시점에서 우리는 LES 커브를 가지고 있습니다, 우리는 segue 파일을 가지고 있습니다, 우리는 이러한 기능 세트의 속성을 가지고 있습니다 그리고 우리는 그 특징에 묶인 문서를 가지고 있습니다 그와 같은 3D 공간의 연결된 유사성에서 여기 왼쪽에서 볼 수 있듯이 우리는 지진이 잘 기록되어 있습니다 지구 물리학 자로서 이것을 할 때 꽤 분명합니다

이 우물물은 지진의이 조각에 속한다 이것이 고전적인 종류의 견해입니다 그러나 실제로이 물건을 프로젝트에 포함시키지 않으면, 이해하기가 실제로 어렵습니다 상태가 연결된 곳 오른쪽 상단에 지식 그래프가 나타납니다

이것의 표현 그리고 당신은 우리가 좋은 지식 도표를 볼 것이라는 점을 볼 것입니다 노드를 연결하는 노드는 연산자이며, 이 로그 및 / 또는 필드를 문서에서 찾았습니까? 그것은 석유 생산지였습니까? 스콧 필드 였나요? 그리고 요점은, 지금, 당신이 이러한 것들을 찾을 때입니다, 데이터뿐만 아니라 아날로그 시스템을 다시 얻게됩니다 당신이 찾고있는 우리는 속한 모든 기능을 얻습니다 네가 그런 특정 검색어로 유한 개체를 찾고 있습니다 그러나 당신이 일반적인 물건을 찾으면, 쉘 오스트레일리아 북서부의 다공성 사암처럼, 예를 들어 실제로 세계를 밝힐 수 있습니다

트라이아스기의 모든 소리를지도로 만들고 여기에 말하십시오 실제로 관련 기능이 있습니다 이것과 비슷합니다 그리고 그것은 우주에서 우리의 목표입니다 Laura (으)로 돌아 가기

로라 BANDURA : 좋습니다 그래서 이것은 정말로 우리를위한 시작에 불과합니다 우리는 지구 과학 개념 증명에서 출발했습니다 이 방법을 탐사, 자산에 적용한 곳 개발 및 운영을 우리는 포용하는 여행을하고 있습니다 우리 회사 전체에 영향을 줄 수있는 기회, 시추 완료, 시설, 건강 환경 및 안전

그래서 우리는이 신청서에 대해 많은 희망을 보았습니다 우리는 그것을 확대하기를 고대하고 있습니다 고맙습니다 LUKMAN RAMSEY : 로라와 켄튼 감사합니다 우리의 다음이자 마지막 연사는 Hitachi의 Justin Thompson입니다

죄송합니다 호프슨 고마워, 루크 먼 그것이 여기에서 말하는 것에 따라, 나는 Justin Hopson 다 저는 Hitachi 컨설팅 부서의 선임 데이터 과학자입니다

전문 서비스 팀과 함께 오늘 고객 이야기에 대해 이야기하고 싶습니다 이것은 당신 중 일부와 관련이있는 것입니다 방에서, 다른 사람들을 위해, 당신은하지 못할 수도 있습니다 이 배경에 익숙해 져야한다 우리는 피해에 대해 이야기 할 것입니다

최근 전기 유틸리티가 캘리포니아에서 발생합니다 여기에 영향이있었습니다 우리는 인간의 사망자를 겪었고 책임, 소송이 있었다 이것은 우리 사회에 매우 중요한 것입니다 그리고 우리는 이것을 기회로 보았습니다

참여하고 무엇을 이해하는지 유용하게 된 역사적 패턴들 화재를 일으켰습니다 특히 전기 그리드에 초점을 맞출 것입니다 화재 이전에 존재했던 조건은 무엇 이었습니까? 점화하고 그 조건이 발생하는 곳을 모델링 할 수 있는지 확인하십시오 다시 앞으로 그래서 그것은이 대화의 첫 번째 부분이 될 것입니다

나는 데이터의 일부를 배우기를 원한다 그리고 매핑 및 출력의 일부 검증, 그리고 더 중요한 것은, 우리는 실제로 그것을 행동으로 바꾸는가? 통찰력을 갖는 것이 좋지만 실제로 사람들의 삶을 변화시키기 위해 무언가를해야합니까? 현장에서 작동 상태를 변경하십시오 그래서 나는 많은 다른 사람들이 있다는 것을 알고있다 관객 중 일부는 어떻게했는지 이해하십시오 이제부터 아키텍처부터 시작해 봅시다

여기 왼쪽에 명백한 후보들이 있습니다 배치 데이터가있어 장기적으로 봐야 했어 위험 요소 가뭄과 같은 것들, 가연성에 대한 명백한 기여자 전기 설비를보아야 만했다

자산, 전송 부분 및 배포 그리드 나이는 어때? 그들의 상태는 무엇입니까? 그 자산에 대한 유지 보수는 무엇입니까? 나는 역사적인 날씨를보아야 만했다 바람이 많이 부는 곳은 어디 갔지? 젖었을 때와 비가 언제 있었습니까? 그리고 우리가 예측하려고하는 것은 화재입니다 그런 다음 스트리밍 데이터를 사용하여 Pub / Sub 특히, 우리는 유틸리티 관리 활동 전기 그리드는 주변에있는 동안 일부 지역에서 100 년 이상 동안, 우리는 끊임없이 노력하고 있습니다

우리는 품질을 변화시키고 있으며, 유지 보수를하고 있습니다 우리가 수리를하고있어, 그 정보를 원해 우리가 얻을 수있는대로 또한 우리는 식생 관리 활동을하고 있습니다 그것은 매일 매일 발생합니다

우리는 트리밍 트리를 타고 승무원을 찾고 있습니다 오른쪽의 상태에서 상태를 보면서 오른쪽 길 옆 그리고 나서, 마지막으로 일기 예보를 얻었습니다 내가 무슨 일이 일어나고 있는지 알고 싶기 때문에 내일과 그 날과 그 다음날에 일어나는 일 그 후

그래서 우리는 그 모든 것을 섭취 할 수 있습니다 분명히, 우리는 엄청난 양의 우리가해야했던 시계열 처리의 Dataproc을 세우고, 그걸로 좋았어 우리는 결과 (기본 데이터와 처리 된 데이터 모두)를 저장하고 있었으며, 클라우드 스토리지 그리고 나서 우리는 두 가지 다른 접근법을 가졌습니다 시간이 지남에 따라 진화 한 우리의 모델링에 우리는 CloudML 엔진을 가지고있었습니다

일부 모델, 그리고 우리도 방금 Cloud Datalab을 사용했습니다 빠른 답변을 얻는 것이 좋았습니다 그리고 나서 우리는 그 모든 것을 프론트 엔드로 읽을 것입니다 왜냐하면 데이터 과학자로서 나는 여기서 정말로 행복했다 하지만 비즈니스 사용자에게는 게시해야했습니다

결과를 Cloud SQL에 넣을 수있어서 좋았습니다 왜냐하면 그들은 모든 종류로 먹을 수 있었기 때문입니다 다운 스트림 응용 프로그램의 그런 다음 웹 UI를 전면에 배치 할 수 있습니다 나는 모든 사용자가 누구인지 알지 못했다

하지만 나는 그들이 Google에서 사용할 수 있도록 할 수 있다는 것을 알고있었습니다 Cloud Platform 이것은 우리에게있어서 발견의 여정이었습니다 우리는 회의실에 앉아서 말하지 않았습니다 우리가 아는 모든 것을 기반으로,이 일을 한 번 설계 해 봅시다

그리고 우리는 그것을 올바르게 할 것이라고 확신합니다 그리고 그 중 일부를 들었을 수도 있습니다 그리고 Kenton이 말한 것에 대해서도 마찬가지입니다 우리가 배운 몇 가지 것들, 나는 너와 나누고 싶었다 비슷한 여행을 할 수 있습니다

왼쪽에 하나, 건축 우리는 초기 디자인에 앉아있었습니다 우리의 감정은 아마도 이것은 좋은 출발 일 것입니다 우리가 시작 했어 그리고 우리는 배웠습니다, 우리는 그것을 처음으로 못질하지 않았습니다

그러나 거기에 몇 가지 훌륭한 도구가 있습니다 특히 공식 아이콘과 샘플 다이어그램 주제 전문가를 데려 올 수있어 좋았어요 문제에 대해 이야기하고, 데이터에 대해 이야기하고, 우리가 가진 어려움과 일부 ETL 프로세스에 대해 이야기하십시오 말하자면, 뭔가 느낌이 들까 요? 그게 전에 풀 렸어? Google에 이미 도구 및 액셀러레이터가 포함되어 있습니까? 우리가 사용할 수있는 것? 그리고 대답은 '예'였습니다 또한, 가격에

저는 전문 서비스 조직에 있습니다 사람들은 항상 나에게 물어 얼마나 오래 걸릴거야? 무엇이 비용이 들까 요? 그래서 가격 책정 중 일부는 알려지지 않았습니다 맞습니까? 대답은, 당신이 가고 싶어하는 속도에 달려 있습니다 얼마나 빨리 그것을 원하니? 그래서 우리는 위대한 일을했습니다 우리는 실제로 작동하는 가격 계산기를 사용했습니다

그걸 내 고객의 손에 넣을 수 있었기 때문에 말하자면, 그것은 당신의 결정입니다 도구가 여기 있습니다 그들은 당신이 그것을 할 수 있도록 도와 줄 것입니다 실제로 귀하의 예산은 무엇이며 무엇이 시장에서의 수요 또한, 새로운 도구에 대한 경험 부족

Google Cloud Platform은 계속 진화하고 있습니다 너 오늘 보았다 우리는 새로운 도구를 사용할 수 있습니다 도구의 발전도있었습니다 우리가 사용하는 동안 우리는 사용하고있었습니다

그리고 그것은 정말로 잘 작동했지만, 그것은 의미가있었습니다 우리는 항상 경험하지 못했습니다 그래서 나는 중학교 학생들을 데리고 그들을 참여시킬 수 있었고, 그들이 이미 알고 있던 것에 기초를 두어 그 Google Cloud 에코 시스템으로 깊숙이 들어가십시오 팀에서 사기를 키우는 데 정말 좋았습니다 이 프로젝트에서 에너지를 유지하고 있습니다

우리는 또한 복잡성을 많이 다루었습니다 데이터 과학 파이프 라인 구축 수학이 많아 복잡합니다 하지만 내가 찾은 것은 사람들에게 말할 수 있다는 것입니다 그냥 시도해보십시오 그냥 시작하십시오

나는 도구를 그들의 손에 넣을 수 있었다 그리고 그것은 정말로 잘 돌아갔다 그들은 프로토 타이핑을 할 수 있었고, 시트에 들어갈 수 있었고, 우리가 할 수있는 말은 할 수 있습니다 지금 나는 그것을 더 크게하고 싶다 나는 AutoML 작업에 대해 다소 흥분하고있다

우리가 오늘 본 연결된 시트 물건 나는 다음 주까지 그것을 사용할지도 모른다 그리고 나서 다른 것은, 왜냐하면 나는 작고 매우 신뢰도가 높은 팀이 있었기 때문에 나에게 좋았습니다 나는 훌륭한 시야와 나의 전체 팀을 가졌다 서로의 작업에 대한 가시성을 가졌다

그래서 그것을 매우 효율적으로 만들었습니다 누군가가 외출 중이거나 그것이 어떻게 행해졌는지에 대한 질문이있는 경우, 나는 언제나 저장소에 갈 수 있었고, 나는 그 일을 볼 수 있었고 나는 그 일을 볼 수 있었다 지도력이 감사하고 이해하기를 원한다면 내 고객이 더 깊게 파고 들길 원했고, 그들 모두가 볼 수있는 곳입니다 그것은 투명합니다 그런 다음 마지막 부분 인 DevOps 기본 사항입니다

이 물건은 당신이 그것에 대해 생각하지 않는다면 당신을 죽일 것입니다 그것은 훨씬 더 어렵습니다 옛날 방식대로했다면 많은 시간과 돈이 들었습니다 그래서 나는 매우 흥분했다 Google은 GCP에서 이러한 애플리케이션을 기본적으로 구축 한 것으로 느꼈습니다

많은 시간과 비용을 절약 할 수 있습니다 예쁜 그림을 좋아하는 당신을 위해, 우리의 초기 모델 중 왼쪽에있는 예가 있습니다 유틸리티 풋 프린트의 일부를 볼 수 있으며, 당신은 나무의 일부, 위험 요소의 일부를 볼 수 있습니다 그리드에서 모델링됩니다 그리고 그것은 훌륭했습니다

우리는 대답을 얻었다 그러나 당연히 우리가 결과를 읽은 바로 그 날 우리는 그것을 가지고있다 나는 우리가 그것을 가지고 있다고 생각한다 나는 물었다, 음, 헤이, 이것은 크다 공간 범위를 확장 할 수 있습니까? 우리는 인접 국가에 건설 할 수 있습니까? 우리는 다른 공공 시설과 영토로 갈 수 있습니까? 우리가 그들과 힘을 교환하고 그들이 내려 간다면 나는 내려 간다

우리는 확장 된 시간 범위를 요구 받았다 더 많은 시간을 할애 할 수 있습니까? 변수를 더 추가하는 것은 어떨까요? 오, 정말 좋은 생각이있어 나는 임업중인 사람을 만났어 나는 물리학을 설명하고 어떻게 다른 종 나무는 바람에 서로 다른 탄력성을 가지고 있으며, 좋아, 이봐 우리는 우리가 할 수있는 플랫폼에 있습니다

우리가 남겨두고있는 것이 비즈니스 우선 순위입니다 어느 쪽이 먼저 물어보고 싶니? 그 덕분에 우리는 많은 모델 변형을 실행할 수있었습니다 연구가 명확하지 않은 정도까지 탐구했다 우리에게는 기회가있었습니다 일부 연구에서 일하고 확장 대학들이 그랬던 것처럼 우리는 그렇게 할 수있었습니다

그리고, 궁극적으로 저는 사업 사람입니다 우리는 그것을 실행 가능하게 만들 수 있을까요? 다운 스트림 응용 프로그램을보다 쉽게 ​​만들 수 있습니까? 이 정보를 사용하고 내일 나가서 세상에서 실제로 차이를 만드시겠습니까? 이것의 다른 부분은 정말 흥미 롭습니다 정책의 관점에서 볼 때 그래서 우리는 이미 – 정확도와 정밀도에 대해 이야기 해 보겠습니다 그리고 리콜 번호로 들어가 봅시다

그리고 그것은 물론 중요합니다 분명히 여기서 대각선을 따라, 진정한 긍정, 권리? 우리가 옳은 것들 또한 중요한, 진실한 네거티브 우리는 불을 예견했다 불은 없었다

그러나 오프 대각선에 대해 이야기 해 봅시다 이것은 정말 흥미로운 정책 토론입니다 왼쪽 하단 모서리에서 화재가있을 것입니다 그러나 사실, 아무 것도 없었습니다 그래서 해가 무엇입니까? 이 모델에서 우리가 잘못했을 때 우리가 한 일은 무엇입니까? 나는 나무를 자르기 위해 누군가를 보냈습니다

글쎄, 유틸리티는 갈 의무가있다 매년 전체 영토를 통해, 2 년마다, 매 4 년마다 위험에 따라 달라지며 유틸리티와 함께, 귀하의 주에서 규제가 무엇입니까 그러나 정말로, 나는 우리가 그것에 도착했을 때 아마도 빨라졌다 그러나 아무도 해를 입지 않았습니다

그것은 상대적으로 저렴한 비용입니다 어쨌든 나는 수술 적으로 할 것입니다 최고 속도는 잘못하고 싶지 않은 속도입니다 그 때가 위험하다고 생각하지 않습니다 그러나 그것이 밝혀졌습니다

그래서 우리가 모든 hyperparameter 튜닝에 들어갔을 때, 그것은 네가 말한 곳, 나는 그걸로 만들어야 해 가능한 한 작다 모든 데이터 세트는 저에게 줄 수 있고, 모든 변화는 당신에게 줄 수 있습니다 생각할 수 있으며 플랫폼에 의해 결코 제한되지 않았습니다 나는 우리의 상상력, 연구 및 시간으로 인해 제한됩니다

몇 가지 예를 살펴보면 도움이되었습니다 훌륭한 데이터 세트를 가지고 있고 알고 싶습니다 그래서 우리는 어디에 있었습니까? 권리? 우리가 어딨어? 여기 두 가지 예가 오탐입니다 이들은 실제로 재미있는 이야기의 종류입니다 우리가 일찍 거기에 도착했기 때문에 나는 틀렸다

내가 실패하기 12 시간 전에 너에게 말했어 나는 그것이 실패 할 것이라고 생각했다 그래서 제 생각에 그것은 실제로 성공담입니다 나는 틀렸어하지만 그 영향은 자네가 그걸 잘라 버렸다는거야

우리 모두는 훨씬 행복해졌습니다 그러나 오른쪽에, 우리가 옳게 생각한 것들이 있습니다 위치와 시간뿐만 아니라, 우리는 조건을 이해했습니다 그리고 그것은 우리에게 우리가이 느낌을 갖게했습니다 이것은 우리가 작업을 시작할 수있을만큼 충분히 좋습니다

우리는 그것을 내보낼 수 있고, 우리는이 데이터로 결정을 내릴 수 있습니다 이 팀과 함께이 모델로 그래서 두 차례의 테이크 아웃 첫째, 우리는 정말 좋은 경험을했습니다 Google Cloud Platform으로 그것은 생태계이며, 우리를 위해 확장되었습니다 우리가 통합 할 수있게 해 주었고, 우리 제품 개발 팀이 나가서 새로운 아이디어를 생각해 내십시오

그리고 기술이 그렇게하지 않는다고 말할 필요도 없었습니다 당신은 말할 수 있습니다, 예, 우리는 그렇게 할 수 있습니다 두 번째 부분은 거기에 도달하는 방법이 많이 있다는 것입니다 나는 우리에게 우리가 보여준 아키텍처 중 하나를 보여 주었다 이 여행에서 구현되었습니다

하지만 실험 해보길 권합니다 설정하기 쉽고, 실행하기 쉽습니다 쉽게 찢어지고 다른 것을 시도해보십시오 그것을 여정으로 생각하고 생각하십시오 실제로 그것은 재미있는 종류의 하나입니다

다른 작품은 나에게 개인적으로, 그 효율성과 정확성 – 그게 그렇게 중요했습니다 내 감정 – 나는 매일 팀원들에게 동기를 부여 할 수 있었다 오늘 우리는 그것을 더 잘 만들 것이라고 말합니다 우리는 우리가 가진 모든 것을 기반으로 할 것입니다 그것은 모두 거기에 있었다

그리고 우리는 그 배움을 서로 공유 할 수있는 방법이있었습니다 LUKMAN RAMSEY : 다시 한번 이 세션에 참석해 주셔서 대단히 감사합니다 모든 발표자들에게 다시 한번 감사드립니다 Chevron, Hitachi 및 Nissen에서 제공합니다

고맙습니다 [음악 재생]

How AI is Transforming the Enterprise (Cloud Next '19)

앤드류 무어 : 나는 내 경력을 보냈다 인공 지능, 점프 학계와 산업계 사이

이 특별한 Next는 나에게 너무 흥분된다 왜냐하면 그것은 인공 지능이 갖는 모든 것 때문입니다 세계 경제의 실질적이며 중요한 부분이되었습니다 그리고 저는 학생들이 제가 상상했던 것입니다 20 년 전 인공 지능의 미래 약속에 대해 가르쳤습니다

그리고 우리는 훨씬 더 많은 것을 가지고 있습니다 이제 실제로 여기에 있습니다 RAJEN SHETH : 안녕하세요 내 이름은 Rajen Sheth이고 나는 리드했다 클라우드 AI 용 제품 팀 나는 Google에서 15 년 동안 엔터프라이즈에 근무했습니다

내 열정이 돌고 있기 때문에 내내 이런 흥미로운 기술을 제품에 적용 고객, 개발자, 파트너는 정말 대단한 일을합니다 그리고 AI는 아마도 가장 흥미로운 기술이라고 생각합니다 정말 힘을 실어 줄 수 있기 때문에 보았습니다 사람들은 그것을 실제로 변형시킵니다 앤드류 무어 : 그래서 2019 년에, 저는 생각합니다

당신은이 특별한 모임에서 이것을보고 있습니다, 우리는 AI의 사업을 진지하게 생각하고 있습니다 사실 우리 중 많은 사람들이 어떤 도구를 만드는 것에 대해 흥분했습니다 변화하는 산업을 지원할 전망을 가지고 있었고, 우리는 이제 기업의 과학에 가장 관심이 있습니다 너무 많은 잘못된 출발없이 AI를 효과적으로 채택하고, 안전하게, 물론 윤리적이고 합리적인 방법으로 우리가 인공 지능을 최대한 발휘할 수있는 문화를 존중합니다 RAJEN SHETH : Andrew가 종종 말했듯이, 우리는 거꾸로 작업하는 것을 좋아합니다

당신의 문제부터 시작하십시오 밖에있는 실제 비즈니스 문제는 무엇입니까? 그런 다음 우리가 함께 해결할 수있는 방법을 찾아냅니다 이것이 바로 우리가 지향하는 방향입니다 앤드류 무어 : 그래서 우리는이 세션을 공동 주최하고 있습니다 우리는 실제로 AI 멍청이들입니다

꽤 다른 경력 경로가 여기에 도착했다, 그러나 그것이 우리에게 매우 흥분되고 영광스러운 이유입니다 확실한 책임을 질 수 있도록 Google은 AI 측면에서 올바른 일을합니다 이제 우리와 Google Cloud가 전념했습니다 RAJEN SHETH : 오늘 세션에서, 우리가 정말로 초점을 맞추고있는 것은 고객의 이야기입니다 그래서 당신은 다양한 것을 듣게 될 것입니다

흥미로운 고객 및 이야기 어떻게 다른 고객으로부터 AI를 사용하여 문제의 일부를 해결할 수 있습니다 그리고 이것이 오늘날 어떻게 존재하는지에 초점을 맞추고 있습니다 오늘 할 수있는 일 앤드류 무어 : 첫 번째 손님은 AI 고객은 강력한 알고리즘 만 필요하지 않습니다 그리고 그것은 분명히 거대한 학습이었습니다

내 생각에 우리 업계의 많은 사람들이 – 당신이 이러한 것들을 어떻게 확장 할 수 있는지에 관한 것입니다 재미있는 주피터 (Jupyter) 노트북에서 현실 세계로 발전합니다 부회장 겸 글로벌 책임자 인 Alex Owens을 환영합니다 Unilever의 데이터 센터, AI 및 데이터 관리에 대한 [음악 재생] 좋아, 그렇게 환영 해 여기 있습니다

첫째로, 우리가 세부 사항으로 뛰어 들기 전에, 경력 궤적에 대해 알려주십시오 당신을 AI의 세계로 이끌어주는 것은 무엇입니까? ALEX OWENS : 그래, 내 생각에 나는 저는 데이터와 분석 분야에서 일해 왔습니다 유니레버 이전에는 은행 업무를했습니다 날 쏘지 마 나는 언론에서도 일 했으므로 루퍼트 머독 (Rupert Murdoch) 막내 아들 James는 데이터 및 분석을 사용하여 BSkyB에 전력을 공급합니다

그게 앤드류 무어 : 오, 놀라운 ALEX OWENS : 당신은 아마 그것에 익숙 할 것입니다 그리고 그 전에는 BBC에서 일했습니다

그래, 그래 앤드류 무어 : British Broadcasting Corporation 알렉스 오웬 : 영국 방송 공사 앤드류 무어 : 아주 좋아요 ALEX OWENS : 그리고 유니레버에서 나는 지금, 많은 사람들이 사람들이 유니레버를 잘 알고 있는지 잘 모르겠습니다

하지만 당신 중 일부는 아마 할 수 있다고 생각합니다 Google은 두 번째로 큰 광고주입니다 세상에 우리는 연간 80 억 달러의 광고비를 지출하며, Google은 Google과 매우 전략적인 파트너입니다 우리는 200 개의 시장, 500 개의 브랜드 및 실제로 가장 큰 기회는 사실에있다

25 억 명의 사람들이 매일 우리 제품을 사용합니다 그래서 엄청난 기회가 있습니다 거기 소비에 소비자에게서 자료를 모으기 위하여 제품의 앤드류 무어 : 훌륭합니다 나는 그 데이터를 갖는 것이 정말로 흥미 롭다는 것을 알았다

하지만 당신은 그것의 볼륨에 완전히 박살납니다 당신이 그것을 관리하기위한 전략을 가지고 있지 않다면 따라서 직책의 일부는 사람들 데이터 센터입니다 이상하지만 시원한 용어입니다 그것에 대해 좀 더 말해줘

ALEX OWENS : 네, 우리는 유니레버에서도 농담을했습니다 그리고 사실 – 나는 유일한 상수가 변화라고 생각한다 나는 이것이 오늘 나의 직책이라고 생각한다 하나님은 내가 집에 돌아올 때 내일이 될 것을 알고 있습니다 누가 알아? 하지만 좀 더 배경을 알려주지

적어도 손님에게 컨텍스트를 가져다줍니다 Google Cloud API 사용 방법 그러나 우리에게는 매우 큰 야망이 있습니다 10 억 대 1 대 1 관계 의미 있고 적절한 대화를 통해 그러면 우리는 그것을 어떻게 의미합니까? 데이터 및 기술을 사용하여 소비자와 일대일로 대화합니다 제 일은 주로 사람들이 사용하는 데이터 센터였습니다 효과적으로 3 개의 기둥입니다

따라서 모든 소셜 및 비즈니스 분석 우리는 전 세계적으로 그렇게합니다 30 개 또는 40 개의 서로 다른 데이터 요소에 액세스 할 수 있습니다 소셜 데이터, 검색 데이터, 평가 인터뷰 여부 데이터 또는 비즈니스 데이터 내 팀이 전 세계에 기반을두고 있습니다 그 데이터는 통찰력을 이끌어냅니다

사람 데이터 센터의 두 번째 요소 우리가 소비자 참여 센터라고 부르는 것입니다 또는 다른 말로하면, 콜 센터 그리고 오늘 아침 대화를 너무 좋아합니다 Contact Center API를 둘러보십시오 우린 1500 만 콜을받을 수 있습니다

얼마나 많은 사람들이 우리 제품을 사용하는지 고려하십시오 그다지 많지는 않지만 엄청난 통찰력 소스입니다 방대한 양의 데이터가 필요합니다 그리고 세 번째 요소는 우리가 내부적으로 부르는 것입니다 PRM, 또는 사람들 관계 마케팅, 효과적으로 CRM입니다

따라서 기능 배포에 대한 책임이 있습니다 사업 전반뿐만 아니라 운전 Adobe Marketing Cloud를 사용하여 우리의 비즈니스 전반에 걸쳐 CRM을 실제로 이 경우에 앤드류 무어 : 좋아, 매우 흥미 롭다 그래, 그 규모에서 운영하는 것은 너무나 재미 있어야합니다 그래서 복잡성을 감안할 때 이게 네가 왜 그랬는지 이유의 일부 야

정기적 인 정보 기술 이상으로 나아가 다 인공 지능으로 알렉스 오웬스 : 네,보세요 제 말은, 나는 AI에 관해 사람들과 이야기 할 때마다 항상 농담합니다 아마도 과도하게 사용 된 용어이거나 오해의 용어 일 것입니다 그리고 저를 위해서 AI는 내가 생각하는 포괄적 인 용어라고 생각합니다

그리고 우리가 보는 방식은 다양한 가닥들을 통해서입니다 AI의 Google에서 API로 사용한 가장 큰 것 원근법, 그리고 우리는 다른 많은 것을 사용하고 있습니다 나는 잠시 후에 설명 할 것이다 Vision API입니다 예, Vision API를 사용하면 우리가 보는 많은 이미지들을 디코딩하기 위해서, 그것이 Instagram에 있건 없건간에 이미지가 많은 사회적 기반 위에 있어야합니다

그러나 그것은 주로 통찰력을위한 것입니다 그러면 방법에 대해 더 많이 이해할 수 있을까요? 우리 소비자가 우리에 관해 말하고있는 사회적 플랫폼상의 이미지를 통해 그러나 더 중요하게 그리고 최근에, 우리는 실제로 Google Vision을 사용하고 있습니다 데이터 기반 마케팅에 대한 API 그러면 어떻게 캠페인을 어떻게 이해할 수 있을까요? 실시간으로 공연하고 있습니까? 따라서 잠재 고객을 충족시키기 위해 콘텐츠를 최적화 할 수 있습니다 제작자가 아닌 경우 효과적으로 광고 소재를 변경합니다 그들 자신은 너무 잘 작동한다

앤드류 무어 : 아주 좋아서, 나는 커브 볼을 던질거야 이리 알렉스 오웬스 : 네 ANDREW MOORE : Vision API를 자랑스럽게 생각합니다 그러나 우리가 이미 해보고 싶은 뭔가가 있어야합니다

우리가 더 잘할 수있는 것이 있습니까? ALEX OWENS : 솔직히 말해서 우리를위한 Vision API 뛰어난되었습니다 나는 그것이 정말로 현저하다고 생각한다 우리가 많이 놀 때 과거에 이미지 인식 기능을 갖춘 너도 알다시피, 예 물 물고기 야? 물고기 타입인지는 잘 모르겠습니다

그러나 요즘에는 Vision API가 뛰어나다 고 생각합니다 우리가 다른 사람들을 사용한다는 뜻입니다 따라서 우리는 귀하의 움직이는 이미지 인 귀하의 비주얼 API를 사용합니다 아마도 거기에는별로 없을 것이라고 생각합니다 Vision API만큼 좋았습니다

앤드류 무어 : 우리 한 주 더주세요 ALEX OWENS : 또 한 주 줘 예 바로 그 거예요 너희들이하지 않은 무언가가 있니? 좋은 질문이지만, 제 생각에는 비전 API에 깊은 인상을 받았습니다 그리고 디코딩 능력 만이 아니라고 생각합니다 그리고 [? 결국?] 뒤에 앉는다 그러나 실제로 정보를 얻을 수있는 속도 데이터를 처리하고 최적화하여 최적화 할 수 있습니다

우리의 캠페인 실시간 앤드류 무어 : 아주 좋아요 그 긍정적 인 피드백을 듣기 좋네 긍정적 인 의견이라면 이것이 정말로 내 프로젝트 였다고 말할 수 있습니다 그것이 다른 방법이라면, 그것은 Rajen의 프로젝트였습니다

ALEX OWENS : 나를 잘 모르는 사람들 – 하지만 내가 말할 수있는 것은, 나는 칭찬의 팬이 아니야 나는 칭찬을 정말 싫어한다 좋은 일이야 앤드류 무어 : 아주 좋아요 괜찮아

그래서 일종의 실제 결과에 관해서 – 너에게 보여주고있는 메트릭스가 있니? 이런 종류의 AI 사용이 실제로 도움이되는지? ALEX OWENS : 그럼 내가 돌아가서하자 Vision API를 사용할 때 두 가지 예를 설명합니다 첫 번째는 통찰력을위한 것이고 두 번째는 통찰력을위한 것입니다 결과에 도달하기 전에 데이터 기반 마케팅을위한 것입니다 첫 번째 것은, 내가 말했던 것처럼 Vision API를 사용하여 디코딩하는 것입니다

모든 이미지 우리는 우리 자신의 도구를 내부적으로 발명했습니다 Pixel은 기본적으로 Google Vision API를 기반으로합니다 우리는 인도에서 최근 작품을했습니다 우리의 아주 유명한 차 브랜드입니다

립톤을 모를 수도 있습니다 우리는 Ben & Jerry 's, 비둘기, Lipton을 만듭니다 너는 그것을 먹고, 너는 그것을 너의 피부에 넣고, 우리가 갖고있는 대부분의 물건으로 집을 청소하십시오 하지만 그건 정말 우리를 도왔습니다 우리가 다른 수준으로 한 것

Vision API를 사용했기 때문에 우리는 사람들이 차를 소비하는 방법, 더 중요한 것은, 우리는 그러면 얼굴 표정의 관점에서 물건을 볼 수 있습니다 상황 별 유형 분석으로 놀 수있다 게다가 그래서 사람들이 차를 마시고있는 곳이면 어디든 궁극적으로 그것은 우리에게 통찰력을주었습니다

우리는 결코 전에 없었던 것입니다 그래, 통찰력의 대부분이 과거 텍스트에서 왔어 그러나 사람들이 우리 제품을 소비하는 방식, 대부분의 상황에서 당신은 반드시 그렇지 않으면 보았다 그리고 실제로, 저는 MRSI에서 가장 좋은 논문을 받았습니다 인도에서 우리가 재생산 한 통찰력 때문에 그리고 우리가 지금 캠페인을 추진하는 능력

매우 다른 캠페인입니다 우리가 몇 년 동안 차에서 뛰었던 것보다 두 번째는 데이터 기반 마케팅이며 매우 자랑스러워하는 사람 나는 우리가 이것에 대해 Effie를 얻었고, 다시 Google과 함께 그래서 우리는 명령 센터를 설립했습니다 그것은 Lifebuoy를위한 것이 었습니다

Lifebuoy 기본적으로 손 소독제 그것은 손을 씻는 것입니다 우리의 가장 오래된 브랜드 중 하나입니다 약 80 ~ 100 년 전이라고 생각합니다 그리고 그것은 북아프리카와 중동에 있었고, 그리고 그것은 라마단 기간 동안이었다

그래서 우리는 명령 센터를 설립했습니다 Google 분석가가 참여했습니다 Google은 검색 기능 측면에서 Google Analytics를 사용합니다 사람들이 어떻게 상호 작용하는지 이해할 수 있습니다 그러나 더 중요한 것은 Vision API입니다

콘텐츠를 실시간으로 적용 할 수있었습니다 능력으로 인해 내용을 실시간으로 변경했습니다 정보를 처리하기 위해 콘텐츠가 어떤 잠재 고객과 협력하고 있는지, 궁극적으로 그 내용을 개조한다 소비자의 요구를 더 반영 할 수 있습니다 나는 이것이 대략 7-8 시장에 걸쳐 있다고 생각한다

앤드류 무어 : 환상적입니다 ALEX OWENS : 그 결과는 놀라운 것이 었습니다 나는 그들이 정말로 경이 롭다는 것을 의미한다 우리는 라마단 기간 동안 시장 점유율을 증가 시켰습니다 Lifebuoy가 4 %로 상당히 경이 롭습니다

나는 그런 결과를 전혀 보지 못했습니다 그리고 그것은 우리가 말하기 때문에 순전히있었습니다 소비자에게 올바른 방향으로 올바른 내용의 채널을 통해 앤드류 무어 : 매우 흥미 롭습니다, 축하합니다 그럼 다음은 뭐니? AI 배포로 끝나지 않았다고 가정합니다 알렉스 오웬 : 아닙니다

제가 말했듯이, 우리는 그것을 광범위하게 사용합니다 조직 전체에서 우리 팀이 디지털 전환의 중심에 있다고 생각합니다 그것이 우리의 종단 간 공급 체인이든간에, 그것이 우리가 많이 혁신 할 수있는 방법이 될 수 있는지 여부 시장으로의 빠른 진입 여부 데이터 기반 마케팅을 통해 그래서 다음 단계는 우리가 당신과 크게 협력하고 있다는 것입니다 사람들은 다시 시각적 API를 사용하므로 움직이는 이미지 1, YouTube와 같은 것들을 할 수 있습니다 다시, 통찰력 원근법을 위해 뿐만 아니라 캠페인 관점을 위해

Contact Center API는 우리가 가지고 놀고있는 것입니다 지금 조종사 조종사가 두 명 있습니다 나는 그 노동의 열매를 아직 보지 못했다 Vision API와 같은 것이라면 전반적으로 꽤 잘하고있다 그리고 NLP

우리는 NLP를 우리가하는 모든 일에서 무겁게 사용합니다 특히 많은 데이터를 요약하기 시작할 때 우리는 우리의 사회적 기반에서 얻을 수 있습니다 앤드류 무어 : 아주 좋아요 그래서이 모든 것의 다음 일은 중요성입니다 우리가 어떻게 책임감있게 행동하는지

알렉스 오웬스 : 네 앤드류 무어 : 저는 브랜드 킬러가 얼마나되는지 잘 알고 있습니다 누군가가 무책임한 행동을한다면 그것은 가능할 수 있습니다 너는 어떻게 이걸 처리 하나? ALEX OWENS : 아니요, 아주 좋은 질문입니다 내 말은 궁극적으로 우리가하는 모든 것 소비자의 신뢰를 유지해야합니다

우리는 소비재 거인입니다 소비자는 우리 사업의 핵심입니다 많은 기업에서 다음과 같이 말합니다 소비자는 비즈니스의 핵심에 있으며, 그러나 그것은 우리에게 사실입니다 소비자를위한 것이 아니라면, 우리는 사업을하지 않을 것입니다

유니레버는 그 가치에 대해 열정적으로 관심을 가지고 있습니다 우리는 매우 가치 중심적인 조직입니다 지속 가능성은 우리의 핵심입니다 환경 적 또는 사회적이다 그러므로 우리가하는 모든 일, 우리는 우리의 마음 속에 소비자를 가지고 있습니다

우리가 내부적으로 설정 한 것들이 있습니다 나는 사실 내가 오늘 분홍색 양말을 입었다는 것을 깨달았습니다 전에 메모를 본 사람들에게도 마찬가지입니다 포괄 성 나는 몰랐다

그것은 우연히 만난 것이었다 어쨌든 우리에게는 AI 윤리위원회가 있습니다 그리고 우리는 귀하와 같은 파트너들과 긴밀히 협력합니다 Facebook을 통해 데이터와 관련된 모든 작업을 올바른 방법으로 그렇게합니다 그리고 AI 윤리위원회는 실제로 우리의 법률 고문, CFO, 우리의 주요 데이터 임원, 최고 디지털 책임자

그래서 그것은 맨 끝까지갑니다 예, 우리는 일반적으로 상향식 조직입니다 하향식 조직 하지만 이런 일이 생기면 고위급에서 후원을해야합니다 앤드류 무어 : 네

ALEX OWENS : 마찬가지로 우리는 우리가 말하는 유니레버 클라우드는 기본적으로 작년에 24 개 시장에서 어도비 마케팅 클라우드 그것은 모두 [? 원위치?] 수집 한 데이터 DNP 및 모든 PII 정보를 통해 구독을 통해 수집 한 또는 경연 또는 무언가 그러나 우리가 살고있는 모든 단일 시장, 우리는 그들이 GDPR인지 확인합니다 이제 GDPR은 유럽에 적용되는 규제입니다 그것은 매우 엄격한 규제입니다

하지만 태국에 가야한다면, 예를 들면 태국 당신은 당신이 원하는 모든 것을 할 수 있습니다 나는 길거리에있는 한 남자에게서 사기꾼 명부를 구입할 수 있었고, 그 목록을 사용할 수 있습니다 하지만 궁극적으로 모든 시장은 생방송은 GDPR을 준수해야합니다 왜냐하면 하나, 그것은 명성을 쥐고있다

그러나 두 번째로, 우리가 미래에 사업을 증명할 수 있도록 보장합니다 게다가 앤드류 무어 : 훌륭해, 나는 정말로 다행이 접근 방식을 취하십시오 그래서이 시점에서 저는 라옌 (Rajen)에게 이의를 제기 할 것입니다 다음 유스 케이스 중 하나

여러분, 정말 고마워요 우리와 함께한 Alex에 감사드립니다 알렉스 오웬 : 완벽 하네, 고마워 [박수 갈채] RAJEN SHETH : 감사합니다 그래서 우리가 이야기 할 다음 이야기 호주의 폭스 스포츠입니다

그리고 저는 그것이 매우 흥미로운 이야기라고 생각했습니다 혹시 크리켓 팬이 계시나요? 군중에 좋은 금액 나는 크리켓의 뉴비이지만 내 가족 전체 크리켓 팬 이니 정말 배웠습니다 이것에 급속하게 흥미로운 점은 호주의 Fox Sports AutoML 테이블을 사용하고 있습니다

이 제품은 우리가 크리켓이 지켜지는 방식을 바꾸기 위해 오늘 소개되었습니다 그리고 AutoML Tables는 본질적으로 한 가지 방법입니다 우리는 AutoML의 힘을 취할 수 있습니다 주어진 기계 학습 모델을 자동 생성 데이터 세트를 배포하고 배포 할 수 있습니다 그러나이를 구조화 된 표 형식의 데이터에 적용 할 수 있습니다

많은 고객이 직면하는 많은 문제 표 형식의 데이터 문제입니다 그들의 경우 폭스 스포츠와 함께 그들이하고 싶었던 구체적인 것을 가지고있다 그래서 그들의 경우 크리켓은 방송의 필수 요소였습니다 호주에서 60 년 동안 그리고 전통적으로 무료로 사용할 수있었습니다

하지만 지금은 그렇지 않습니다 이제는 유료 방송입니다 그리고 크리켓을위한 폭스 스포츠의 기대 정말로, 정말로 높았다 그래서 그들의 도전은 어떻게 됐습니까? 신규 가입자 확보? 그들이이 게임을 실제로보기 위해서는, 실제로 이러한 구독자를 확보해야합니다 취득 당 비용을 어떻게 40 % 줄입니까? 그리고 어떻게 실제로 라이브 크리켓의 점유율을 얻습니까? 이것에 경청자? 그래서, 그들은 이것을하는 방법을 알아 내야했습니다

그들은 기계 학습과 인공 지능을 사용했다 이것을 할 수 있어야합니다 그래서 뒤에있는 비전은 그들이 알아 내려고 노력했다는 것, 실제로 게임의 가장 흥미 진진한 순간을 예상 하시겠습니까? 크리켓은 긴 경기입니다 어떤 경우에는 며칠 동안 지속됩니다 그러면 어떻게 실제로 예상 할 수 있습니까? 흥미로운 일이 곧 일어나고 사용자에게 경고합니다

재미있는 것이 일어날 것 같니? 그리고 그들이 한 일은 우리 기술을 사용하여 그들이 본질적으로 모델 인 몬티 (Monty)라고 부르는 것 이것을 예측하려고 노력하는 것 – 흥미로운 일들이 일어나고 있다는 것을 예측하려고 노력하라 게임에서 그래서 그들은 그것들에 무엇을 넣었습니까? 이 크리켓 경기에서 볼링 볼 – 바이 – 볼 데이터 그리고 그들은 우리의 기술을 사용하고있었습니다 그 데이터를 기반으로 예측을합니다

특히, 그들이 무엇을 출력하는지 개찰구가 떨어지는 기회였습니다 그리고 그들은 예를 들어, 이것은 단지 예를 들어, 그들이 말할 수있는 곳 x 확률로 예를 들어 개찰구가 앞으로 5 분 안에 빠지게 될 것입니다 그리고 그렇게 할 수있는 뭔가가 있습니다 사람들이 게임을보고 와서 끌기 때문에 흥미 진진한 일이 일어나기를 기다리고 있습니다 그리고 일단 그들이 이것을 한 다음, 그들은 이를 마케팅 캠페인에 통합했습니다

그래서 그들은 그것을 모든 것에 통합 할 것입니다 말 그대로 빌보드 광고에서부터 폭스 스포츠 앱에, 일을 통해 Google 홈 및 소셜 미디어처럼 구경꾼들에게이 개찰구 경보를 내보내는 것 그리고 나서 그들은 다시 이것으로 끌릴 수있을 것입니다 그리고 실제 정확도면에서 놀랍도록 정확했습니다 대부분의 경우 실제로 흥미로운 것을 그 후에 정말로 일어났습니다

그리고 이것은 결과에 대한 트윗이었습니다 그리고 물론, 게임 체인저의 용어 진부한 표현이되었지만 실제로는 진짜를 위해 여기에 적용됩니다 그래서 이것은 근본적인 부분이되었습니다 방송과 근본적인 방법 시청자와 소통하기 시작했습니다 그래서 이것은 사소한 예와 같이 보일 수 있습니다

그러나 그것은 그들에게 실질적인 주요 비즈니스 영향을 미쳤습니다 시청자 참여를 140 % 증가 시켰습니다 그것은 그들의 가입자 대 달러를 증가시켰다 150 % 지출 브랜드 리콜이 2 배 증가했습니다

그래서 이런 종류의 일은 다른 방법 일 수 있습니다 AI를 사용하여 사람들을 끌어 들이고 시작할 수 있습니다 실제로 브랜드를 구축하고 실제 결과를 얻으려면 그것의 따라서 표 형식의 데이터는 가장 흥미로운 지역처럼 보이지만, 실제로는 가장 흥미로운 부분 중 하나입니다 우리가 찾는 것은 많은 고객들과 아마 기계 학습 문제의 절반 이상 테이블 데이터 문제가 있습니다

AutoML 테이블은이를 해결할 수있는 좋은 방법입니다 근본적으로 우리가 지금 할 수있는 것은 이 표의 데이터 위에 정확한 모델을 생성한다 당신이 결과를 가질 수 있도록 마케팅, 그러나 많은 사람들을 통해서, 다른 많은 사람들이 친절하게 구조화 된 데이터 문제 그래서 앤드류에게 돌려 줄거야 다음 고객을 소개합니다

앤드류 무어 : 아주 좋아요 고마워, Rajen 그리고 그것은 정말 재미있는 이야기입니다 [박수 갈채] 나는 크리켓에 사로 잡힌 아버지와 자랐다 그리고 나는이 시스템을 실제로 사용할 수있었습니다

실제로 재미있을 때에 만 뛰어 들어보십시오 크리켓 팬을 대상으로 한 의도는 없습니다 알았어 정말 좋은 토론을 했어 마케팅 및 소매업, 그리고 또 다른 좋은 토론 미디어 및 엔터테인먼트에 관해

물론 정말로 중요한 또 다른 영역 세계 경제는 금융입니다 그리고 금융에 인공 지능을 적용하는 것 중요하다 그것이 할 수있는 모든 종류의 선이 있습니다 그것은 정말로 사물에 대한 필요성을 강조합니다 예측 정확도를 뛰어 넘습니다

특히 투명성이 포함됩니다 블랙 박스가 금융 세계를 운영하는 것을 허용 할 수 없습니다 우리를 위해 그래서 우리의 다음 연사 또는 인터뷰 대상자는, 이것과 함께 매우 중요한 경험을 가지고있다 BlackRock 조직의 그래서 저는 매우 환영합니다

무대에, 스테파노 파스 콸리 [음악 재생] 스테파노, 고마워 BlackRock과 문제의 종류에 우리를 기입하십시오 당신이 직면하고 있다고 STEFANO PASQUALI : BlackRock은 대량 자산 관리자로서, 투자와 무역을 관리하는 임무가있다

고객의 요구를 충족시키기위한 시장의 보안 미래의 부를 위해 돈을 투자하는 것 제 특정한 경우에는 BlackRock에는 많은 것들이 있습니다

그것은 기계 학습을 적용합니다 내 특정한 날 직업이 모델을 만들려고 노력하고있다 다른 유형의 유동성 예측 상인과 포트폴리오 관리자가 더 잘 관리 할 수 ​​있도록 지원 [INAUDIBLE]의 포트폴리오 관점 관리 앤드류 무어 : 아주 좋아요 그렇다면 클라우드 인공 지능이 실제로 어떻게 도움이됩니까? 스테파노 파스칼리 : 내 목표는 인공 지능, 나는 종종 기계 학습이라는 단어를 사용합니다

내 목표는 모델을 만드는 것입니다 이제 유동성은 문제의 성격 상, 해결하기가 매우 어려울 수있는 문제입니다 스파 스 데이터 또는 사용 가능한 데이터는 매우 시끄럽기 때문에, 높은 차원 성이 있습니다 그래서이 모든 유형의 기계 학습 많은 도움이 될 수 있습니다 그래서 우리는 거의 즉시이 모험에 참여합니다

10 년 전 내가이 직업을 시작했을 때 약 [? 필수?] 유동성, 나는 즉시 임의의 숲, 결정 나무, 신경 네트워크, 10 년 전의 재미 때문이었습니다 신경망은 실제로 해결책이 아니 었습니다 이제 우리는 개인적으로 팀과 연구용 클라우드를 사용합니다 개념 증명

그리고 우리는 많은 테스트를 할 수 있습니다 클라우드를 활용 한 우리 연구의 개발이 많이있었습니다 그리고 필요할 때만 기계 학습 / AI를 사용하십시오 그래서 생산에 [부적절한] 것을 말하는 것을 부끄러워하지 않습니다 내 팀은 지난 분기에 모델 기반 임의의 숲으로 다른 모델 기반 또는 두 개의 변수 [? 완성

?] 그것이 일을하고 있었기 때문에, 그렇지 않았습니다 기계 학습에 관해서 기계 학습을 위해서 앤드류 무어 : 네 나는 그런 방식으로 전적으로 동의합니다 그리고 일반적으로 당신이 항상 거대한 복잡한 모델이 필요합니다

아주 자주, 그것은 실제로 책임있는 일입니다 매개 변수의 수를 최소화하려고 시도하는 것 설명하기 그리고 나는 당신의 산업에서 어떻게 볼 수 있습니다 그것은 특히 중요합니다 200 만 개가 아닌 2 개의 매개 변수예요

나는 이것을 명예 배지로 입을 것입니다 스테파노 파스칼리 : 그 일을한다면, 그렇습니다 앤드류 무어 : 네 그래서 정말로 중요한 일이 있습니다 우리가 제조 업체의 결함을 예측하려고하는 것 같지 않습니다

선글라스, 또는 뭔가 실제 사람들과 삶과 사회 문제가 계속되고 있습니다 이리 그렇다면 AI 디자인에서 어떻게 이것을 설명합니까? 시스템? STEFANO PASQUALI : BlackRock에는 큰 회사가 집중되어 있습니다 인공 지능에 대한 [부적절한] 인공 지능의 이러한 습관을 구축하려고 시도합니다

회사에서 모델을 구축하는 구체적인 사례는 매우 간단합니다 나는 공연을 찾고있다 모두는 그들이 수행하는 모델을 가지고 있다고 주장하고 싶다 샘플은 아주 잘 그리고 멀리주는 것없이 – 우리가 고객의 신탁 법률을 다루고 있기 때문입니다

우리는 사람들의 돈을 다루고 있습니다 그래서 상인에게 흑인에 기반한 내 모델을 믿을 수는 없어요 상자 그래서 우리 모두는 올바른 균형을 찾으려고 노력하고 있습니다 때로는 침략 사이에, 때로는 침략 일을 할 수 있습니다

멋지지만 흥미 진진하지만 꼭 필요한 것은 아닙니다 그리고 당신이 기계 학습에 밀어 넣을 수있을 때 [? 세계,?] 너무 멀리 밀어 넣을 수없는 계정 유형 해석 가능성 때문에 연구에 깊이 관여했다 그렇게 할 수 있어야합니다 어쩌면 다른 분야에서도 그렇지만 금융 분야에서는 특히, 당신은 설명 할 수 있어야합니다 그리고 그 [? 계시 된?] 당신의 모델의 결과 입력 기능

앤드류 무어 : 아주 좋아요 나에게 중요하고 전형적인 교훈은 두 가지 데이터 과학자들은 실제로 동일한 제조법을 따릅니다 모든 산업 분야와 모든 유스 케이스에 꽤 많이 있습니다 당신이 겪고있는 제약 조건들의 조합 그리고이 경우에, 당신은 정말로 이것들을 실험해야합니다

당신이 정당화 할 수없는 여분의 제약 모델의 복잡성 우리 중에 누가 그런 것들이 있다고 생각하니? 인공 지능 산업이 더 잘 수행되어야한다 AI에 더 많은 금융 – 친화적 인 형태를 만드는 것을 돕기 위해? 스테파노 파스칼리 : 네 Rajen은 나의 편집증, 해석 가능성을 알고 있습니다 다른 Google 이벤트에서 연설 할 때 런던에서 우리는 무대에서 나옵니다

Rajen은 나에게 약간의 연구를 보여 주었다 해석 가능성에 대해 일하는 사람들이있었습니다 나는 정말 [? 잠겨 있니?] 방에있는 사람 그것이 실제로 있기 때문에 더 많은 것을 이해하려고 노력했습니다 우리의 우선 순위

그래서 확실히 우리의 최우선 사항입니다 그리고 그것이 이전에 언급되었을 때의 요지까지 그것에게 무작위 숲에 근거한 모형을 허용하십시오, 우리는 구름 속에 평행선을 가지고 있습니다 구현 신경 네트워크 예상대로 성능은 더 높습니다 하지만 우리는 해석 가능성 프레임 워크를 구축해야합니다

이 모델을 허용하기 위해이 주변 내가 항상하는 모범이다 이 모델 중 하나는 [? t 플러스?] 채권에 대한 거래 가능한 볼륨 나는 상인에게 가서 거기에 가서 말한다 내일 거래 가능한 볼륨이 약간 떨어집니다

내일이 채권을 가져가는 것이 문제가 될 수 있습니다 내가 옳다고 가정하면, 다음 질문 상인이 내게 묻는거야, 왜 당신의 모델은 훨씬 더 낮은 수치를 예상합니까? 그리고 솔직히 나는 그에게 말할 수 없다 나에게는 아름다운 깊은 학습 모델이 있는데, 나는 모델을 [INAUDIBLE]이라고한다 아니,이 모든 기능 때문에 그에게 말할 필요가있다 그들은 뛰어 내리고 움직이며 예측은 변화합니다

이것은 우리에게 큰 일입니다 앤드류 무어 : 아주 좋아요 그리고 그것은 Google에서 우리가 실제로 추진해 온 것입니다 우리가 대답 할 준비가되었는지 확인하는 데 열심히 노력한다 질문의 유형

항상해야 할 일인가요? 그래서 우리는 하루를 보지 못합니까? 우리가 가지고 있기 때문에 정말 정교한 모델을 사용하십시오 그들 모두를 해석 가능한 상태로 유지하기 위해? 스테파노 파스칼리 : 아니요, 우선 우리는 많은 사람들을 의지합니다 당신이 문제를 해결하는 것 같아요 그리고 둘째로, 나는 한 회의를 받고있었습니다 질문, intrepretability를 얼마나 줄 것인가? 실적을 확인하십시오

내 경험에 따르면, [INAUDIBLE] 생산 모델은 비즈니스 의사 결정에 사용된다는 것이며, 나는 해석의 0 %를 줄 것이다 그럼 뭐든간에 임의의 숲으로 돌아가거나 되돌아갑니다 역행 모델로 이들이 최종 출력의 입력 인 피처라면, 어쩌면 당신은 해석 능력을 포기할 수 있습니다

예를 들어, 아름다운 모델을 만든다면 유동성에 대한 정서 지수를 산출하기 위해, 이것은 모델에서 하나의 기능입니다 어쩌면 그것은 당신에게 덜 중요 해지고 있습니다 그것을 입력의 감성에 부여 할 수 있어야한다 [불가능] 그건 불가능하고 실제로 의미가 없습니다 그래서 그것은 다릅니다 – 프로세스의 레이어 산출물을 생산하는 모델은 어디에 있는가? 해석 가능성을 포기할 수 있습니까? 앤드류 무어 : 예, 저는 그 답변에 매우 동의합니다

그리고 저는 대개 대형 기계 학습 배치를 보았습니다 다른 모델에 공급되는 모델 때로는 그 중 하나를 분리 할 수 ​​있기를 원합니다 그것이 무엇을하고 있는지 이해하십시오 그러나 때로는 출력 중 하나가 잘 설명해야 할 필요가 있습니다

나중에 그 일을하는 것 아주 좋아 그럼 당신은 금융에서 다음에 무엇을 볼 수 있습니까? 인공 지능을 사용하고 있습니까? 스테파노 파스칼리 : 내 경우에는, 우리의 한 모델의 품질을 향상시키기 위해 노력하라 이 기술 그래서 제게 인공 지능, 기계 학습은 도구입니다

더 나은 성과 회계 우리가 방금 말했던 것, 해석 가능성 구성 요소 나는 개인적으로 볼 때, 나는 강한 신자입니다 – 우리, 나, 우리 팀, 우리는 기계 학습 전문 지식을 가지고 있습니다 우리는 적어도 NLP 사람이 아닙니다 [INAUDIBLE] NLP에서 일하고 있습니다 나는 개인적으로 NLP가 가치있는 기능을 많이 포함하고있다

모델에 꽂습니다 그래서 누군가가 강력한 NLP를 구축하는 것을 보았을 때 감정을 추출하는 모델 [? 테스터?] 뉴스, 나는 이것이 이것이 큰 발전이라고 생각한다 우리 모델의 품질 앤드류 무어 : 나는 매우 동의한다 그래서 자연 언어 처리 – 시스템에있는 자유 텍스트 몇 가지 다른 일을하는 것이 중요합니다

참조되는 엔티티를 추출하십시오 텍스트가 문장 인 경우 관계를 찾습니다 우리가 트리플 및 지식 그래프라고 부르는 것에 설명되어 있습니다 그리고 감정적 인 또 다른 큰 것입니다 아주 많이, 이것은 다른 측면이나 예제입니다

배포 단계에서 학습 된 단계적 다중 계층 시스템, 더 자연스러운 언어를 사용할 곳 보다 나은 의사 결정을 내리는 데 도움이되는 신호를 얻으려는 처리 아주 좋아 고맙습니다 너와 대화하는 걸 정말 즐거웠 어 당신과 더 오래 이야기 할 수 있습니다

그리고 나는 우리 모두가 매우 흥분했다고 생각한다 BlackRock과 같은 중요한 회사 AI 작업에서 실제로 투명성에주의를 기울이고 있습니다 고맙습니다 스테파노 파스칼리 : 그리고 내일, 나는 [INAUDIBLE] 세션에서 실제로이 중 일부가 표시됩니다 모델을 푸시 할 수있는 위치를 볼 수 있습니다

또는 우리는 조금 기다려야했습니다 왜냐하면 해석 가능성 앤드류 무어 : 좋아, 잘됐다 우리는 내일 그것을 고대 할 것이다 고맙습니다

스테파노 파스칼리 : 고마워 즐거웠습니다 RAJEN SHETH : 감사합니다 [박수 갈채] 그래서 내가 이야기하고 싶은 다음 사례 연구 월트 디즈니 컴퍼니에서 왔습니다 그리고 그것은이 경우에 이러한 것들 중 하나입니다, 많은 경우 월트 디즈니 컴퍼니 전자 상거래 회사 또는 소매 회사입니다

그리고 그들이 알아 내려고 시도하는 것 실제로 사용자를 어떻게 알 수 있습니까? 사용자에게보다 개인화 된 경험이 있습니까? 오늘 아침 일찍 우리가 권고안 AI라고 부른 것을 발표했다 여기서 우리가하는 일은 우리가 개인화에 대한 우리의 지식을 최대한 활용 이것을 제품을 제공 할 수있는 제품으로 가져 오십시오 권장 규모 그리고 디즈니는이 첫 번째 고객 중 한 명입니다 그리고 그들은 그것을 다양한 용도로 사용하고 있습니다

그들의 Shop Disney 사이트에 그래서 그들은 제품 배치와 같은 것들을 위해 이것을 사용하고 있습니다 세부 정보 페이지를 사용하면 더 많은 것을 찾을 수 있습니다 기존 시스템이 있습니다 1 년간의 익명화 된 데이터를 사용하고 있습니다 이 권고를 이해할 수 있어야합니다

그리고 그들의 믿음은 그들이 할 수 있다면 더 나은 추천을 받으면 더 행복한 사용자를 갖게 될 것입니다 수익이 증가 할 것입니다 그래서 그들이 시도한 것은 테스트였습니다 우리와 함께 – 기존 시스템을 이용한 A / B 테스트 우리 시스템 대 그리고 이것은 문자 적으로 그들이 본 것입니다, 그것은 정말로 매력적이었다

여기에서 볼 수 있습니다 조금 작습니다 고객이 여기에서 주문하려고했던 것이 무엇인지 Eeyore 수면 마스크 였어 그리고 Eeyore가 잠을 자면 가면, 아마 다스 베이더를 찾지 않을거야 마스크

그러나, 오른쪽의 결과 우리 시스템을 가진 테스트 그룹 B 였고, 그리고 당신은 사물의 종류를 볼 수 있습니다 이것이 훨씬 더 논리적 인 것입니다 Eeyore 수면 마스크를 받고 있다면, 당신은 아마 Eeyore 또는 다른 것들로 다른 것들을 원할 것입니다 거기 있을지도 몰라 푸우에게서 그래서 우리는 단지 관련이없는 것들을 기반으로 이것을하고 있습니다

현재 제품에 대한 것이 아니라 전체적인 고객 관점 디즈니의 데이터에서 이러한 결과를 얻을 수 있습니다 결과는 최종 사용자에게 훨씬 좋습니다 그래서 그들이 생산에서 보았던 것 이것은 평균 주문 값을 증가 시켰고, 그것은 트랜잭션 당 단위 수를 증가 시켰고, 또한 전체적으로 수익을 증가 시켰습니다 그들은 지금 이것을 생산에서 운영하고 있습니다 Shop Disney는 2018 년 7 월부터 그들은 우리가 함께 일한 첫 번째 고객 중 한 명이었습니다

그리고 최근에 그들은 이것을 함께 자주 구입하는 섹션 그리고 이제 그들은 그것을하기 시작했습니다 작년 11 월부터 그래서 그들은 매우 명백한 결과를 볼 수 있습니다 ROI가 분명합니다

그래서 우리가 이야기하고 싶은 마지막 것은 Hulu입니다 기조 연설에서 우리는 이것에 대해 조금 이야기했습니다 오늘 아침 그러나 우리는이 유스 케이스에 대해 자세히 설명하고 싶다 Hulu가 컨택 센터 AI를 사용하여 어떻게 고객 서비스를 지원할 수 있습니다

그래서 저는 무대에 오신 것을 환영합니다 Matt Kravitz, 서비스 응용 프로그램 책임자 Hulu의 시청자 경험 [음악 재생] 안녕 KRAVITZ : 안녕하세요 RAJEN SHETH : 안녕하세요 여기 와줘서 고마워 그래서 너 자신에 대해서 조금이라도 말해 줄 수 있니? Hulu에 대해 조금 말해 주시겠습니까? KRAVITZ : 물론입니다

첫 번째 질문은 뉴저지에 왜 그 사람을 넣을까요? 스테파노 후 액센트? 훌륭한 악센트를 얻었습니다 그래서 모든 사람들이 나와 함께 치료를 받고 있습니다 그래서 나는 Matt Kravitz이고 나는 서비스 감독이다 Hulu의 애플리케이션 그리고 저는 혁신에 대한 책임이 있습니다

서비스 경험 그래서 처음에, 나는 정말로, 여기에 있기 위해 정말로 흥분한다 오늘 아침에 발표 된 것이 있습니다 Five9 및 Salesforce와의 파트너십 그리고 정말 기회가 있습니다 우리 사업의 많은 부분에 영향을 미칩니다

그래서 저는 슈퍼입니다, 매우 흥분합니다 Hulu를 잘 알기를 바랍니다 많은 사람들이 방에 있기 때문에 당신은 정말로 대상 인구입니다 그러나 그렇지 않은 사람들을 위해 2,500 만 명의 활성 가입자 우리는 10 살 된 사업입니다

그리고 10 주년을 맞이하여 48 % 전년 대비 성장 RAJEN SHETH : 와우 MATA KRAVITZ : 좋은 소식은 많은 성장입니다 단점은 실제로 복잡한 측면에서 많은 위험을 감수해야한다 고객 경험 측면에서 어떤 영향을 미치는지 알아보십시오

그런 종류의 규모에 대비하고 있습니까? 그래서 몇 가지 흥미로운 도전 과제가 있습니다 고객 만족을 유지하려는 관점에서 또는 [? C Sat?] 콜 센터 내 및 거래 경험 그래서, 왜 AI에 흥미가 있습니까? 그것이 실제로 도달했다고 생각하십시오 변곡점의 그리고 저는 이것이 매우 최근의 사건이라고 생각합니다 기술이 단순화되었습니다

당신이 가지고 있지 않은 충분히 충분히 접근 가능한 조직으로서 최고 기술자가 되려면, 얻으려고 노력하는 측면에서 많은 채용을하십시오 일종의 능력 향상 RAJEN SHETH : 그렇습니다 MATA KRAVITZ : 그 성숙과 그 종류 때문에 우리가 훨씬 더 많은 시간을 걱정할 수있게 해줍니다 고객 경험과 시간 단축 모델과 알고리즘 및 실제로 우리 투자의 측면에서 그다지 영향력이 없습니다

RAJEN SHETH : 그건 의미가 있습니다 기술을 어떻게 사용하고 있습니까? 고객 경험을 향상 시키는가? KRAVITZ : 좋아, Hulu에서 우리는 진정으로 파트너십에 집중하기로 결정했습니다 비즈니스의 다른 영역이 있습니다 역사적으로 일종의 건설업입니다 특히 핵심 역량에 관해서는 미디어 및 스트리밍 및 검색 알고리즘입니다

그러나 더 나아 가기 시작하면 핵심 역량과 서비스 환경에서, 우린 파트너 야 그래서 우리에게는 우리가있는 세 파트너가 있습니다 우리의 생태계에 연결됩니다 첫 번째는 Salesforce입니다 우리는 끝까지 사용합니다

도움 사이트는 Salesforce, 우리 지역 사회, 전능 채널 배포 – 그래서 우리는 두 가지 다른 방법을 제공합니다 채팅이나 전화를 통해 우리에게 연락하기 최근 채팅 봇으로 AI 여행을 시작했습니다 두 번째 파트너는 Five9이며 클라우드 기반 전화 회사 정말 우리가 매우 빠르게 확장 할 수있었습니다 또한 Salesforce에 아주 잘 연결됩니다

전 방향 채널 전화 기능과 관련하여 이제 Google과 파트너 관계를 맺고 있습니다 우리는 Google을 차세대에 실제로 노출시키고 있습니다 복잡한 사용 사례 그리고 우리에게 정말 놀라운 것은 우리가 이 생태계를 구축했습니다 그리고 각 파트너는 그들의 각각의 로드맵을 진화시키는 종류, 이 플러그인을 사용하는 것은 매우 쉽습니다

Dialogflow와 같은 것입니다 우리를 위해 플러그 앤 플레이 따라서 우리가 구축 한 정말 좋은 파트너 생태계입니다 RAJEN SHETH : 멋지 네요 서로의 위에 추가하고 각 하나를 더 낫게 만듭니다

비즈니스 과제에 대해 조금 이야기 할 수 있습니다 당신이 겪고있는 어려움은 무엇입니까? KRAVITZ : 그렇습니다 그래서 우리는 48 %의 숫자입니다 그 성장이 실제로 볼륨에 접촉하는 것입니다 따라서 점점 더 많은 사람들을 고용하는 것에 의존 할 수는 없습니다

그냥 확장 할 수 없습니다 기술에 대한 의존도가 점점 더 커지고 있습니다 혁신 권리? 내가 생각하기에 몇 가지 KPI가 있습니다 어떻게 진전하고 있는지

아주 간단한 두 가지는 Average Handle Time, AHT입니다 그리고 그것을 측정하는 방법과 기술 AHT와 맞설 수 있습니다 우리가 그것을 어떻게 다루고 있는지에 대한 좋은 예가 몇 가지 있습니다 그리고 다른 하나는 긍정적 인 편향입니다 권리? 그래서 편향이 아니라 긍정적입니다

이는 사람들이 문제를 해결하는 데 도움이됩니다 따라서 문제는 AHT를 줄이면 당신은 긍정적 인 편향을 증가 시키려고 노력하고 있습니다 부정적인 영향을 미치지 않으면 어떻게합니까? 순 발기인 점수 및 [? C 토?]? 너는이 두 가지의 균형을 맞추어야한다 이는 흥미로운 비즈니스 과제입니다 RAJEN SHETH : 아니, 당연하지

정말 까다 롭고 알아 내려고 노력하다 다른 하나에 영향을 미치지 않고 균형을 유지하는 방법 그래서 정말 재미있는 것을 공유 할 수 있습니까? 청중과 함께 멋진 청중에게 흥미가있을 것이라고 생각합니까? MATL KRAVITZ : 그렇습니다 그래서 Hulu는 미디어 회사입니다 그래서 우리는 이제 애니메이션 단편이 있습니다

Salesforce 및 Google과 파트너 관계를 맺고, 이 놀라운 새 영화입니다 RAJEN SHETH : 물론 MATA KRAVITZ : 우리는 당신과 그것을 공유 할 것입니다 그리고 그것은 아마 단어가 할 수있는 것보다 더 잘 설명 할 수 있습니다 RAJEN SHETH : 훌륭합니다

우리는 그것을보고 싶습니다 [비디오 재생] – Google Cloud와 Salesforce는 파트너 관계를 맺고 있습니다 AI 기반의 고객 서비스 경험 회사는 고객의 경험을 변화시킬 수 있습니다 매력적인 경험을 확장하기위한 Hulu의 비전을 보여 드리겠습니다 눈을 통해 2 천 5 백만 명이 넘는 가입자에게 Hulu 뷰어 Lauren의 Hulu를 사용하면 시청자가 쉽게 시청할 수 있습니다

언제 어디서나 도움을 얻을 수 있습니다 고객이 긴 전화 트리를 탐색해야하는 대신, Google Cloud의 가상 에이전트를 기반으로하는 Hulu 봇 기술로 시청자를 즉시 ​​유도 할 수 있습니다 대화식 경험과 같은 인간의 경우, 24 시간 연중 무휴로 문제를 해결하고 전화를 원활하게 전달할 수 있습니다 적시에 요원에게 안녕, 로렌

Hulu에게 전화 해 주셔서 감사합니다 오늘 어떻게 도와 드릴까요? – 안녕, 계획을 업데이트하고 싶습니다 NBA 농구 경기를 볼 수 있습니다 – 확실한 것 Chromecast Ultra에서 시청 한 것 같습니다

게임을보고있는 장치입니까? – 응 – 완벽 해 우리 Hulu Plus 라이브 TV 플랜을 권하고 싶습니다 니가 원한다면 나는 너를 옮길 수있어 뷰어 경험 옹호자 중 한 명에게 그 설정을 맡깁니다

– 고마워 고마워 [전화 거는 중] – 로렌 Hulu에게 전화 해 주셔서 감사합니다 – 인간 요원이 이제 모든 것을 갖추고 있습니다

Salesforce 서비스에 필요합니다 클라우드 콘솔, 전체 통화 기록부 포함 사례 해결을 신속하게 처리 할 수 ​​있습니다 Google의 상담원 지원 기술 기계 학습에 의한 권장 사항 제시, 상담원이 시청자가 필요로하는 것을 쉽게 알 수 있습니다 빠른 답변 – Hulu Plus Live TV 플랜을 추가하려는 것 같습니다

농구 경기를 볼 수 있습니다 나는 당신을 도와 드리겠습니다 – 좋을거야 – 완벽하게, 라이브 TV 추가 계획을 업데이트하겠습니다 – 통화가 진행되면 상담원 지원 새로운 추천을 계속해서 나타냅니다

대화의 컨텍스트를 기반으로합니다 너는 또한 너가 볼 수 있었다는 것을 알았 는가? Hulu 라이브 TV를 태블릿과 같은 추가 장치에 설치합니다 그걸 도와 드릴까요? – 물론 이죠 – 좋아요, 기사를 보내 드리겠습니다 미래의 장치를위한 단계를 안내합니다

게다가 – AI가 제공하는 권장 사항 및 제공 정보가 실제 제공됩니다 상담원이 모든 대화에 가치를 더할 수있게하는 시간 시청자의 참여와 행복을 유지하십시오 – 그 밖에 너 최근에 봤어? 농구 외에? – 남편과 내가 원했던거야 우리가 준비 할 수 있도록 게임의 진실을 기다려라

마지막 시즌 – 굉장해 HBO를 추가하면 Hulu 계획을 통해 Hulu 앱에서 직접 시청할 수 있습니까? 원하시면 HBO를 플랜에 추가 할 수 있습니다 – 네, 그렇게합시다 – 상담원은 모든 비즈니스 프로세스를 단계별로 안내합니다

다음에해야 할 일에 대한 암기가 필요하지 않습니다 Google Cloud AI와 Salesforce의 결합 된 힘 Einstein은 또한 미리 채워진 케이스로 통화 정리를 쉽게 만듭니다 세부 정보, 데이터 품질 향상 및 에이전트 시간 절약 그들은 다음 시청자를 돕는쪽으로 나아갑니다 Google Cloud 및 Salesforce를 사용하면 Hulu는 이제 모든 서비스 상호 작용에 AI를 통합 할 수 있습니다 시청자 경험을 다시 상상해보십시오

[끝내기] RAJEN SHETH : 와우는 정말 흥미 롭습니다 아주 멋지다 MATL KRAVITZ : 내 IMD 프로필이 좋아 보인다 정말로 매우 흥미로운 RAJEN SHETH : 훌륭합니다

그러나 그것은 정말로 흥미 롭습니다 아주 멋진 것들 이것이 정말 유용 할 수있는 방법의 예를 보여줍니다 MATA KRAVITZ : 여기에 많이 있습니다 내가 좋아하는 두 가지를 공유하고 싶습니다

그래서 하나는 기억하기에 좋은 두문자어입니다 실시간 음성 분석 인 RTSA입니다 그래서 저는 이것이 게임 체인저 인 것 같아요 게임 체인저의 동영상에서 볼 수있는 놀라운 점은 무엇입니까? 화면 중앙에서 무슨 일이 일어 났는가? 시청자와 대화하는 방법 당신은 문자 그대로 – 자막과 거의 같습니다 목소리의 즉각적인 녹음이 있습니다

이 기술 자체가 게임 체인저가 아닙니다 그러나 무슨 일이 일어나는가는 그것이 존재하는 것입니다 텍스트로 기록 될 수있는, 몇 가지 흥미로운 기능을 사용할 수 있습니다 그래서 한 가지 흥미로운 기능은 전통적인 콜센터에 있습니다 환경은 케이스가로드 될 때입니다

당신은 지식 기사 또는 차선책을보고 있습니다 그리고 이것은 용어로는 하나의 개념입니다 대화가 시작되는 방법 그러나 그 동영상에서 그 동영상이 자신과 대화를 통해 업데이트 할 수있다 정말 역동적 인 추천을 제공합니다 RAJEN SHETH : 훌륭합니다

MATT KRAVITZ : RTSA가 정말로 그 기술을 가능하게합니다 따라서 매우 흥미로운 대화 기능입니다 정말 잠금을 해제 할 수있는 다른 것 전화 도중 상상해보십시오 upsells 또는 유지를 통해 A / B 테스트를 할 수 있습니다 제공합니다

다시 말하면, 시스템이있는 정적 목록 대신에 그 대화의 의도를 이해하십시오 그 경우에, 당신도 알다시피, Game of Thrones 의향이고 제안 HBO는 다음 제일 활동이다 – 그 패키지 그냥 정말 멋진 기능을 정말로 열어줍니다 그리고 인공 지능으로 우리는 모든 호출에서이 작업을 수행 할 수 있습니다 호출의 일부만이 아닙니다

그리고 당신은 정말로 최적의 추천을 얻을 것입니다 그것을 통해 그것의 사업 결과의 점에서, 나는 그것이 정말로 초점이라고 알고 있습니다 당신은 정말로 최소한 30 초를 기준으로 삼고 있습니까? 검색 비용의 RAJEN SHETH : 정말요? MATA KRAVITZ : 기술 자료, 그리고 다음 최상의 행동을 위해 알다시피, 우리 사업에서 초 카운트

시청자가 TV를 더 빨리 시청하도록 유도 정말로 우리의 목표입니다 따라서 20 초, 30 초 절약하면 정말 좋은 리프트입니다 따라서 평균 처리 시간에 영향을 미칩니다 RAJEN SHETH : 훌륭합니다 고객과 고객 모두에게 훌륭한 제품입니다

네, 크라비츠는 모두 승리합니다 RAJEN SHETH : 훌륭합니다 다른 유스 케이스는 어떤가? 두 번째 유스 케이스는 무엇입니까? MATA KRAVITZ : 두 번째는 내가 제일 좋아하는 것입니다 그리고 그것은 내가 가장 좋아하는 것입니다 그리고 그것은 정말로 보편적 인 콜센터 통증이라고 생각합니다

요점은 일에 관한 가장 재미있는 일입니다 콜센터에서 속성 또는 전화 작업 후 그것은 일종의 비용 보고서를 작성하는 생각 나게합니다 그리고 당신은 모든 드롭 다운을 가지고 있습니다 운임인가? 아니면 식사입니까? 그것은 단지 고통스럽고 반 시간은 당신입니다

다만 진짜로 적당한 가치를 선택하지 않기 때문에, 왜 나는이 모든 시간과 에너지를 소비하고 있는가? 올바른 가치를 고르는거야? 콜센터도 같은 느낌입니다 콜센터 에이전트 아주 자주 당신은 다른 많은 것을 보게 될 것입니다 또는 알파벳순으로 맨 위에 뭔가가 나타납니다 그것은 선택하기가 가장 쉽기 때문입니다

그래서 그 비디오를 보면서, 그 스크린 오른쪽 상단에 튀어 나온 사례 결과의 측면에서 측면 그 주변의 귀속 두 가지면에서 게임 체인저입니다 다시 한 번 전화 당 20 초가 걸릴 것입니다 따라서 마지막 유스 케이스에서 30 초가됩니다 우리는 자동 귀속을 통해 20 초를 얻게 될 것입니다

하지만 다른 점은 실제로 우리에게주는 것입니다 좋은 데이터와 통찰력 그래서 누군가와 파트너가 될 수있는 것입니다 그 정보를 분석 할 수있는 구글처럼, 의도를 결정하고 모든 정보를 돌려 준다 상담원이 말하는 서비스 콘솔에 예, 예, 최종 승인을해야합니다

정말 우리에게 큰 통찰력을 줄 것입니다 RAJEN SHETH : 정말 대단합니다 MATA KRAVITZ : Dialogflow는 정말입니다 이 기술을 구현하는 데 매우 가치가있을 것입니다 나는 그것이 보편적 인 유스 케이스라고 생각한다

RAJEN SHETH : 훌륭합니다 이것에 대한 마지막 생각은 인공 지능의 윤리에 관한 것입니다 그리고 그 생각에 대해 우리에게 무엇을 말해 줄 수 있습니까? MATA KRAVITZ : 물론 두 가지 예를 생각해 보았습니다 우리가하는 것의 관점에서 낮은 매달린 과일 시간을 절약하는 것과 관련이 있습니다 그래서 50 초

문제는 50 초 동안 무엇을합니까? 쉬운 대답은 ROI라고 말하는 것입니다 이것이 귀하의 프로젝트에 자금을 공급할 것입니다 또한 매우 흥미로운 잠재적 인 대치 포인트가 있습니다 그게 아마 뭔가 더있어 그 시간에 인간적

에이전시와 시간을 분할했을 수도 있습니다 의미는 ROI에 20 초, 25 초, 다시 비즈니스로 25 초를 요원에게 돌려 줄 수 있습니다 권리? 숨을 쉬거나 일어 서서 잠시만 기다려주세요 또는 단순히 업무 경험의 질을 향상시킬 수 있습니다 정말 재미있는 대화입니다

그리고 나는 우리가 상황에 처한 것은 꽤 행운이라고 생각한다 그 내부 토론의 한가운데에 있기조차했다 그러나 나는 AI가 가져올 것의 윤리를 생각한다 정말 좋은 주제입니다 RAJEN SHETH : 너무 좋습니다

그것에 대해 생각할 수있는 좋은 방법입니다 이것은 매우 흥미로운 새로운 접근법입니다 이 사실을 우리와 공유해 주셔서 감사합니다 크래비츠 : 대단히 고마워 RAJEN SHETH : 감사합니다

[박수 갈채] 앤드류 무어 : 그래서 나는 이것을 정말로 즐겼습니다 그리고 Google에 대해 어떻게 이야기하는지 알아 봅니다 인공 지능, 최선의 방법 실제로 무슨 이야기인지 이야기하는 것입니다 기업에서 일어나는 일 그것이 우리가 요즘있는 곳이기 때문입니다

우리가 공통으로 볼 수있는 핵심 사항 시청자 참여를 높이고 있습니다 우리는 고객 서비스를 확장하고 있으며, 우리는 결정을 내리고 있습니다 보다 빠르고 투명하게 우리는 물건을 세계화시키고 있습니다 그러나 우리는 여전히 개인화 터치를 유지하고 있습니다 RAJEN SHETH : 가장 중요한 것은, 이것은 도달 범위 내에 있습니다

이것은 미래에있는 것이 아닙니다 바로 지금있다 모두를위한 것입니다 더 효율적이고, 데이터의 가치를 잠금 해제하는 것과 같습니다 더 나은 방법으로 고객에게 다가 갈 수 있습니다

그래서 많은 세션들이 많이 있습니다 여기는 다음에 훨씬 더 깊어 질 것입니다 그리고 더 많은 것을 찾으려면 cloudgooglecom/AI로 이동하십시오

우리 모두와 함께 일하고 싶습니다 고맙습니다 [음악 재생]