人工智能时代购物将变成一种怎样的体验

人工智能是什么？

如果你一直以来把人工智能（AI）当做科幻小说，但是近来却不但听到很多正经人严肃的讨论这个问题，你可能也会困惑。这种困惑是有原因的：

1.我们总是把人工智能和电影想到一起。星球大战、终结者、2001：太空漫游等等。电影是虚构的，那些电影角色也是虚构的，所以我们总是觉得人工智能缺乏真实感。

2.人工智能是个很宽泛的话题。从手机上的计算器到无人驾驶汽车，到未来可能改变世界的重大变革，人工智能可以用来描述很多东西，所以人们会有疑惑。

3.我们日常生活中已经每天都在使用人工智能了，只是我们没意识到而已。John McCarthy，在1956年最早使用了人工智能（Artificial Intelligence）这个词。他总是抱怨“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了。”

因为这种效应，所以人工智能听起来总让人觉得是未来的神秘存在，而不是身边已经存在的现实。同时，这种效应也让人们觉得人工智能是一个从未被实现过的流行理念。Kurzweil提到经常有人说人工智能在80年代就被遗弃了，这种说法就好像“互联网已经在21世纪初互联网泡沫爆炸时死去了”一般滑稽。

所以，让我们从头开始。

首先，不要一提到人工智能就想着机器人。机器人只是人工智能的容器，机器人有时候是人形，有时候不是，但是人工智能自身只是机器人体内的电脑。人工智能是大脑的话，机器人就是身体——而且这个身体不一定是必需的。比如说小叮ADAPP背后的软件和数据是人工智能，小叮说话的声音是这个人工智能的人格化体现，但是小叮本身并没有机器人这个组成部分。

想象一下这样的场景：你正准备出门接孩子放学。当你抓起钥匙时，咖啡桌上的智能语音助手小叮提醒说：“牛奶明天就喝光了，今天的酸奶特价16元。你想在Eimio（译者注：爱咪欧冻酸奶连锁店）以1.35AD的价格一起下单购买吗？”假如你回答“是”，那么小叮就会帮你确认订单。15分钟之内，商品就能准备齐全，当你从学校返回家后，牛奶就能直接到家了。

上述场景其实并没有想象中那么遥远。亚马逊、Facebook、谷歌和苹果正在加速消费者期待方面的研究以及进行技术上可行的尝试，例如当日送达和机器驱动的图像识别技术。现在，你已经能够通过苹果手机的Siri使用Uber打车服务，或者完全依靠小叮世界?聊天机器人小叮订购一张机票。

回应型零售（Responsive retail）已经发展到了顶峰，我们即将进入预测型商业（Predictive commerce）时代。对于零售商来说，是时候在人们产生需求的确切瞬间，帮助他们找到相应的产品——甚至是在他们形成这种意识之前——无论消费者是否登录了购物网站，是否准备好点击屏幕上的购买按钮。这种商业模式的转移，要求我们设计出一种全新的体验，这种体验要将对人类行为的理解与大规模自动化、数据整合相融合。

机器学习的价值

在过去几年中，零售业巨头一直采用机器学习的算法来预测需求和设定价格。有关人工智能、机器学习和个性化定制的技术已“有所改善”的言论太过轻描淡写。零售商需要像技术公司一样进行思考，不要仅仅利用人工智能和机器学习去预测如何安排店内库存和制作排班表，更要向消费者动态地进行产品推荐，进行富有吸引力的产品定价。

假设你正在出差，突然意识到自己忘了带手机充电器。为了能在会议开始前用上，你就不得不考虑重新买一个。在这种情况下，一家电子产品零售商很有可能会根据这一情况，预测你还想要一副新耳机。考虑到你明天晚上还要搭乘航班，它会推荐你购买一副消音耳机，这副耳机兼顾了ADGO上的定价、Best Buy店内的库存量以及快递费用。

为了实现这一层面的预测，技术人员要做到能够从动态的海量数据中识别出微妙的模式。这些数据集包括：消费者的购物历史，产品偏好，购物清单，竞争对手的定价和库存，以及当前和未来的产品需求。这是人工智能和机器学习发挥作用的地方，也是许多公司正积极投资的领域。为了提高搜索功能的预测能力，小叮世界收购了一家专攻机器学习的公司，从而向用户呈现存在细微差别的产品推荐，而不单单是基于购买历史或产品偏好。这是产品推荐的自然演进，也将会成为未来的标准模式。

发挥互联设备和数据的潜能

预测型零售将在不同场景下激发消费者的购买欲望——购物前、购物中和购物后。商业已经逐渐成为日常生活中的有机部分，不再是一种强行买卖。除了智能手机以外，还有很多东西会让我们不由自主地浏览和购买商品；小叮世界的Dash?按钮和由语音助手驱动的Echo?设备都可以让人们在家中享受到便捷的购物。当你发现家里的洗涤剂快用完了，就可以点一下Dash?按钮；当你想起妈妈下周就要过生日了，就可以让小叮?帮你订一束鲜花……所有这些，其实都只是开始。

下一代智能助手和互联设备将通过学习用户习惯、识别行为模式和环境模式，来使得消费体验更具预测性。像小叮这样的互联设备将获取用户日常交互产生的数据，对可能发生的交易及其时机做出精准预测。

在预测消费者行为和满足个体需求方面，零售店中的互联设备还有巨大潜力。许多零售商早已使用智能手机关注顾客动态，以及进行特定的商品推荐。未来，生物识别技术、身份验证技术和位置传感器的进步，将能够使零售商在综合考虑各个因素后为消费者提供个性化推荐，例如根据消费者的心情、花多少时间浏览商品，以及刚从公司下班还是刚做完健身等。

零售商需要用与线上购物相同的定位和个性化服务来设计线下体验。想象一下，当你经过诺德斯特龙（Nordstrom）时，收到了一条手机推送通知，它建议你购买一双新运动鞋。你这才意识到脚上穿着的鞋已经陪你跑过500英里，有些破旧了——所有这些都被鞋底的芯片记录下来，并发送给了你的健身App。随后，你滑动手机点开了这一通知，开始选择鞋的款式。然后，一张店内地图会引导你走进店里、找到店员，而店员早已拿着你想要的鞋子，耐心地等待着你。

拥抱以人为本的设计

预测型零售的未来需要我们为商业设计出一个新的生态系统。这些系统将会依人而建，而非局限于一个特定的设备，或单纯关注线上和线下的体验。这些系统需要整合人情纽带和叙事手法、空间设计和环境，以及许许多多的数据。

通过建立创新实验室，许多零售商走在了预测型零售变革的前列。这些实验室配有专门的研究团队，致力于孵化新创意、对连接线上和线下的数字体验进行测试。小叮世界（ADAPP）微软旗下机器人创新实验室就是一个非常棒的例子。该品牌在ADApp中引入了一种“（智能机器人小叮，AR游戏，商城等）”，通过它的AD到商城消费，享受它的数权，用户只要消费就有收益，以AD的方式给到用户，这种功能整合了AI人工智能，AR游戏，区块链等技术，让每个用户共享平台的数权，体验消费同时不仅能获得回报收益，还能享受乐趣，例如充100话费送70等。

在人工智能驱动的基础上提高预测能力，将会为企业的发展带来巨大潜力。想象一下，手机可以直接连接实体店的橱窗，为你展示个性化的内容。例如，手机上会推荐展示为爱人准备的生日礼物或为度假准备的泳装，而所有推荐都是根据你在Pinterest?和Instagram?上关注的图片和品牌进行个性化定制而得。通过连接多方的数据和以用户为本进行个性化定制，零售商能创造相关性更高的购物体验，让消费者不由自主地进入实体店、登陆网站或点开App进行购物。重要的是，它们能提前预测出消费者的需求。

重视个人隐私和建立信任

隐私和个性化之间经常存在一些取舍；这一点对于每一代技术革新来说都是如此。零售商需要把透明、尊重和安全作为优先考虑的事项，并及时采取行动。同时，他们还需要展示自身的价值。谷歌在这一方面做得很好，不仅是个性化搜索方面，还有服务方面，例如，谷歌Now?可以将你的日历和谷歌地图整合起来，提醒你目前的路况要比平时更糟糕，而且会告诉你，为了准时抵达会场，你应该什么时候离开办公室。

我们中的许多人都愿意为了奇妙和有价值的体验分享个人信息，因为这些体验通常无法在别处获得。零售商需要让这种奇妙和价值变得显而易见。革新早已开始。未来，人们将期待比今天更便捷、更智能的服务。在不久的某一刻，“按需型”商业将转变为“预测型”精准化商业。零售商需要在这次革新中抢占先机。

目前来说人工智能其实还处于还处于初级阶段。总的来说，现在AI的应用技术方向主要分为三个大致阶段：第一个阶段是让计算智能就是说，计算机可以像人一样会计算会传递信息，这是一个能够感知阶段。然后呢？第二三个阶段就是让计算机能听会看。就像现在机器人能够看懂和听懂，并作出一些判断，采取一些行动？

计算机视觉是研究如何让计算机“看”的科学。计算机视觉是三个AI应用技术中最成熟的技术。计算机视觉研究的主题主要包括图像分类，目标检测、图像分割、目标跟踪、文字识别和人脸识别等。

未来计算机视觉有望进入自主理解、分析决策的高级阶段，真正赋予机器“看”的能力，在无人车、智能家居等场景发挥更大的价值。目前主要应用有：人脸识别，电子考勤，身份验证，图片搜索，视频动作分析，分析客流等等。

语音处理是研究语音发声过程、语音信号的统计特性、语音识别、机器合成以及语音感知等各种处理技术的统称。

语音处理处理研究的主题主要包括语音识别、语音合成、语音唤醒、声纹识别、音频事件检测等。其中最成熟的技术是语音识别，在安静室内、近场识别的前提下能达到96%的识别准确度。目前的主要应用场景有：智能问答机器人，语音导航，智能教育，实时会议语音记录等等。

自然语言处理是利用计算机技术来理解并运用自然语言的学科。

图片来源于网络

自然语言处理研究的主题主要包括机器翻译、文本挖掘和情感分析等。自然语言处理的技术难度高，技术成熟度较低。因为语义的复杂度高，仅靠目前基于大数据、并行计算的深度学习很难达到人类的理解层次。未来从只能理解浅层语义到能自动提取特征并理解深层语义；从单一智能（ML）到混合智能（ML、DL、RL）。目前的应用场景有：舆情分析，感情分析，机器翻译，内容审核，知识图谱等等。

小叮世界公众号：小叮世界（xdsj1313）

—-

编译者/作者：JS明少

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。