我們有一些客戶希望將 AI 應用于數(shù)字廣告。想象一下你自己走過一個電子廣告牌，而不是廣告商按路過的人數(shù)付費，如果那個電子標志能夠檢測到眼神接觸，如果你真的看過并注意到那個數(shù)字標志，然后將其注冊為收入移動活動，你要收費的東西，因為現(xiàn)在不是有人只是走過電子廣告牌，你實際上知道他們看過并注意到了廣告，這是一個應用程序，當然可能對那些在那個數(shù)字廣告業(yè)務中。

在我看來，這聽起來像是廣告商試圖盡量減少支出，但我明白為什么它對廣告商還是有價值的。

你還提到了一個我認為實際上更奇怪，也許更酷的東西。人工智能會觀察路過的人，并根據(jù)他們的穿著方式、他們?nèi)绾伪３肿约骸⑺麄兪欠駧е鴰讉€孩子來評估他們可能感興趣的東西。

不僅提出建議，而且提出建議。所以這里是用例：你在商場里，對吧?你穿梭進出商店，走進一家大型百貨公司，有東西在看著你。它可以從該圖像中獲得一大堆東西。顯然，它可以通過查看徽標得出您的尺寸、尺寸、體重、風格，也許您喜歡穿什么品牌。正如你所提到的，你會看看你是否是父母并且你是否有孩子。然后當你走過那家商店時，廣告可以為你量身定做。你走過，它從你走進商店的那一刻起就認出了你，現(xiàn)在它開始推薦你可能喜歡的款式或出售的衣服，這些衣服符合你走進商店時的穿著風格。

我在網(wǎng)絡上的經(jīng)驗是，如果我看到某樣東西，廣告就會跟著我到處走。對于我的業(yè)務，我可能會考慮使用白盒服務器。在接下來的三天里，我的 Facebook 訂閱源上只彈出服務器廣告，就好像我真的要為自己買一個一樣。但我可以看到將這種類型的活動推向邏輯極端，你走進一家商店，走進 Nordstroms，然后看看一雙鞋。然后當你走進梅西百貨并經(jīng)過鞋類部門時，梅西百貨正在向您展示與您所看到的 Nordstroms 相似的東西。我可以想象會發(fā)生這種情況。

從技術(shù)上講，這是可能的。梅西百貨希望共享 Nordstrom 數(shù)據(jù)的商業(yè)方面，反之亦然。關(guān)于他們是否愿意這樣做，這是一個不同的問題。但從技術(shù)上講，你所描述的絕對是可能的。

同樣，可能是廣告商進行調(diào)解，或廣告服務組織進行調(diào)解。但是，是的。哇。我不知道我是否想要鞋子跟著我。但這只是我。

我們正在談論一些應用程序。實現(xiàn)這一目標有哪些挑戰(zhàn)?我想有——對于人工智能，我想我不知道——它的硬件方面。很明顯，其中很多是軟件。那么我們可以談談存在哪些挑戰(zhàn)嗎?或者也許是挑戰(zhàn)的類別?我知道它會因應用程序而異。

當然了。所以首先，正如你所說，一些挑戰(zhàn)是直觀的，對吧?有很多數(shù)據(jù)，而且數(shù)據(jù)量在增加。例如，我們只是在談論可能正在掃描人的視覺系統(tǒng)。因此，相機當然是人工智能中使用的大型傳感器數(shù)據(jù)源之一。很多圖像識別，檢測都是用AI完成的。這些相機的分辨率越來越高。你知道，當你從 1080p 遷移到 4K，現(xiàn)在是 8K 甚至更高時，文件大小和數(shù)據(jù)量是巨大的。因此，這是挑戰(zhàn)之一：數(shù)據(jù)集越大，神經(jīng)網(wǎng)絡就越大。當然，你也開始處理，如果你必須將數(shù)據(jù)從邊緣移動到云端，或者以某種混合模式，其中一些數(shù)據(jù)是在邊緣使用人工智能處理的，而一些數(shù)據(jù)是在云中處理的，有很多數(shù)據(jù)需要移動。它產(chǎn)生了我們之前談到的所有問題，例如延遲和網(wǎng)絡帶寬以及隱私問題。

因此，這顯然是問題之一，也是挑戰(zhàn)之一。此外，正如我所提到的，與此相關(guān)的是，神經(jīng)網(wǎng)絡的大小，即圖本身，正變得越來越大。通常，神經(jīng)網(wǎng)絡的大小和準確性之間存在權(quán)衡。因此，根據(jù)應用程序，有一個理想的最佳點，即相對于多少數(shù)據(jù)以及您愿意讓網(wǎng)絡運行的深度，您需要多少準確度——這會影響你正在處理的數(shù)據(jù)的大小——你愿意走多少層才能獲得最高的準確性。因此，您必須進行權(quán)衡以達到應用程序級別，您首先甚至可以確定該權(quán)衡是否會讓您使用處于邊緣的硬件和軟件來完成它。