“移”起AI+丨首创AI值守无人小店!中国移动视觉大模型加速落地

news2024/11/19 1:43:52

在城市里开设一家24小时便利店有多难?创业者常常面临着熬夜看店、全年无休的困境,而选择增加雇佣员工看店又会面临着成本高昂、利润微薄的问题。

日前在温州,一家AI无人值守便利店引发关注。在这家无人便利小店内,浙江移动试点部署了首例AI值守系统以及5G无人零售应用,基于中国移动自主研发的视觉大模型技术,有效解决了中小微门店人工贵、招人难、守店累的痛点问题,可以更智能地处理无人值守中遇到的复杂销售场景问题,为消费者创造了更轻松便捷的购物体验。

图片

AI创新模式解决无人小店瓶颈问题

“这家无人值守小店可真是帮了我的大忙!前两天,小朋友半夜突然发烧,家里的退烧贴用完了还没来得及补上,没想到凌晨3点这家便利店还开着。人生第一次去无人便利店买东西,从进门到买完退烧贴再到出门,店里全程都有语音引导,操作也很简单,根本不用担心!”在温州某小区的王女士激动地介绍自己在AI无人小店的购物体验。

实际上,无人小店在几年前就“火”过一把,但却又在一段时间后归为沉寂,归其原因就是在无人值守的情况下,店内一些支付结算以及货物清算等复杂场景,常因缺乏人员服务的有效支撑而让消费者望而却步。

与早前不同,温州这家加持了中国移动AI人工智能技术的便利小店,采用了“人工、无人随时切换”的值守模式,在白天以人工值守为主,在夜间开启无人值守,顾客们可以在店内自由选择商品,并到柜台自动结算支付。

更神奇的是,顾客在店里的一举一动仿佛都能被自动感应。据了解,通过视觉大模型技术,摄像头对于小店内每位顾客的动作、状态,都能作出智能分析与判断,如顾客拿了什么货、退回了什么货、是否结算支付、结算货物与货架上取物是否一致等,同时,顾客有什么问题,可以得到智能客服系统的随时支撑,还能自动转接云端值守的人工系统,从而更有效地解决问题。比较有意思的是,智能系统还能对当晚零售的情况进行汇总分析并提交智能报告。

“AI无人云值守系统,帮了我不少忙的,之前像端午、中秋这种要走亲访友的节假日,我基本上需要在这里看店,但是现在只需要一键开启无人模式,AI值守无人小店就能帮我智能看店,轻松多了!”无人小店的老板介绍道,“而且像之前店里有两个员工,差不多两点钟就关店了,现在用了这个无人系统之后,相当于请了一个成本很低的员工,实现24小时营业,日营业额大大提升了。”

AI系统缘何解决复杂场景问题,赋能无人小店?温州移动政企“AI+”党员责任区负责人表示:“我们利用边缘端视频数据给云端大模型做训练,不断沉淀智能看店算法,节约了50%云端客服人员数量,并提升50%的盗损发现率,还通过AI智能盒子实时进行人脸识别、异常行为识别、漏付商品识别等,实现智能防盗和可疑交易预警,实现门店效益最大化。”

据统计,AI值守无人小店系统运营以来,增收效果显著。这不仅验证了该产品的商业价值,也展示了其在零售行业中的巨大潜力。

视觉大模型赋能,AI+应用加速落地

随着ChatGPT在全球范围迅速火爆,人工智能大模型备受关注。近年来,浙江移动加强在人工智能领域不断探索,尤其加大对AI应用的开发和部署,优化视觉大模型的创新应用,上线超过100种视觉场景能力,通过算法赋能5万+融合视频监控目。

由中国移动(浙江)创新研究院自主研发的视觉大模型目前正加速落地,已在温州市数据局、宁波小微商超、金华智慧监所等地上线应用,为城市治理、行业监管发挥着切实作用。用户通过简单的文字检索,在远程监控中能够精准地找到房间里的一个人、一只猫甚至一支笔在哪里。机器视觉的应用从最初的安防监控,扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。

“我们自主研发了视觉大模型产品,针对当前中小企业AI转型时面临的算法迭代快信创适配难、硬件采购周期长运维难、原生调度资源利用率低三大痛点逐点攻关,打造新型智算基础设施,推动中小企业低成本高效利用算力资源。”浙江移动工作人员介绍道。

在宁波,中国移动AI+视觉大模型为三江购物超市门店装上了“智慧之眼”,通过智能化统计经营日报功能,高效呈现超市前一天的消防、卫生、客流、货架、员工状态等重要经营信息,大幅提升三江购物200余家超市的经营效率;在金华野马电池工厂,基于先进传感技术、图像处理算法及智能决策技术,AI+视觉大模型应用实现对电池缺陷的自动识别和分类,检测准确率超98%;在邮政公司,浙江移动助力构建了接入全省4.9万个邮政网点的邮政视频监管平台,实现包裹监管、自动巡检,AI分析,助力邮政行业的智能化升级。

据了解,浙江移动自主研发的视觉大模型训练收敛速度提升2.5倍,实现小时级训练交付能力,模型mAP精度明显优于业内优秀开源方案,其方案也已成功应用于镇街、商超、治理等多场景需求。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1856839.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更…

头歌——机器、深度学习——图像生成

第1关:手写数字体生成 任务描述 本关任务:编写一个程序,实现手写数字体的生成。 相关知识 为了完成本关任务,你需要掌握:1.生成器,2.判别器,3.GAN网络训练,4.手写数字体生成。 …

Gitee 的公钥删不掉

公钥管理里已经没有公钥了, 仓库里还有,这是怎么回事? 这两个好像又没什么关系。 那为啥要搞两处呢? 个人信息里的公钥一直就没有仓库里使用的公钥, 删掉个人信息里的也没什么影响。 在仓库管理页面导入新公钥提示已…

【论文速读】|利用大语言模型实现现实世界代码的翻译:一项针对翻译到Rust语言的研究

本次分享论文:Towards Translating Real-World Code with LLMs: A Study of Translating to Rust 基本信息 原文作者:Hasan Ferit Eniser, Hanliang Zhang, Cristina David, Meng Wang, Maria Christakis, Brandon Paulsen, Joey Dodds, Daniel Kroeni…

【服务器07】之【GitHub项目管理】及【Unity异步加载场景】

登录GitHub官网 GitHub: Let’s build from here GitHub 注册账号 登录账号 输入一个自定义名字,点击创建存储库就可以了 现在我们下载Fork Fork - a fast and friendly git client for Mac and Windows (git-fork.com) 免费的 下载完成之后点击File下的Clone …

文章解读与仿真程序复现思路——电力自动化设备EI\CSCD\北大核心《考虑需求响应与储能寿命模型的火储协调优化运行策略》

本专栏栏目提供文章与程序复现思路,具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》 论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html 电网论文源程序-CSDN博客电网论文源…

【研究】2012年后日股的“牛市起点”:安倍“出海潮”与巴菲特买点

2012 年-2017 年日股长周期反转定价的核心是房地产负面拖累结束,日本完成某种意义上的新旧动能宏观叙事转变。2012 年之后安倍经济学之于日股的长周期反转定价并非简单财政货币化的估值推动,而是鼓励企业出海获得营收利润增长。日股在2020年出现的巴菲特…

硬件基础知识——自学习梳理

计算机存储分为闪存和永久性存储。 硬盘(永久存储)主要分为机械磁盘和固态硬盘。 机械磁盘主要靠磁颗粒的正负极方向来存储0或1,且机械磁盘没有使用寿命。 固态硬盘就有使用寿命了,大概支持30w次的读写操作。 闪存使用的是电容…

Kotlin 中的解构

解构声明是 Kotlin 语言的一个特性,它允许我们从一个数据结构中提取多个变量,这样可以让我们的代码更加简洁易读,同时也提高了代码的可维护性。 在 Kotlin 中,解构可以用于多种数据类型,例如,列表&#xf…

数字化营销与传统营销的完美协奏曲!

在这个数字化的时代,营销的世界正在发生着巨大的变革!数字化营销如火箭般崛起,但传统营销也并未过时。那么,如何让它们携手共进,创造出无与伦比的营销效果呢?今天,就让我们讲述一下蚓链数字化营…

Toco x Databend:Databend Cloud 如何满足 Web3 大数据服务的严苛考验?

Toco 是一家位于瑞士的 Web3 服务提供商,致力于通过彻底改变全球金融体系的陈旧观念来应对气候变化。他们提供了一种开创性的碳货币 Tocos,每个流通中的 Tocos 代表一吨二氧化碳当量,存储在安全可靠的数字钱包中。用户可以使用 Tocos 应用轻松…

捕捉过往的时光,5个步骤,安卓手机找回删除的照片

手机不仅仅是一个通讯工具,更是一个记录生活点滴的神器。手机照相机的出现,让我们随时随地都能捕捉到美好的瞬间,留下珍贵的回忆。然而,随着时间的推移,我们可能会不小心删除了这些照片,或者因为各种原因导…

JavaScript的运行机制

阐述几个概念 1. ECStack ( Execution Context Stack)执行环境栈 浏览器会在计算机内存中分配一块内存,专门用来供代码执行的 2. Heap堆内存 存放东西(存放对象和方法即引用类型) 3. EC ( Execution Context ) 执行上下文 代码自己执行所在的环境 …

论文翻译 | SELF-RAG: 学习通过自我反思来检索、生成和评估

Akari Asai, Zeqiu Wu, Yizhong Wang, Avirup Sil, Hannaneh Hajishirzi 华盛顿大学,IBM人工智能研究院 摘要 尽管大语言模型(LLMs)具有非凡的能力,但是它们经常产生不符合事实的响应,因为它们只依赖于它们封装的参数…

Java 应用的性能优化技巧和方法

Java应用性能优化是一个复杂且多层次的过程,涵盖了从代码编写到系统架构,再到运行环境配置的各个方面。 一、代码优化 1. 合理的数据结构和算法 选择合适的数据结构和算法对提高应用性能至关重要。Java提供了丰富的数据结构和算法库(如Jav…

猫咪也怕油腻?选对猫粮是关键!福派斯鲜肉猫粮守护猫咪健康

亲爱的猫友们,我们都知道,猫咪的饮食健康是每一个铲屎官都非常关心的问题。最近,有些猫友向我反映,他们给猫主子喂食的猫粮油脂比较大,不禁让人担心这对猫咪是否真的好。 1️⃣ 首先,让我们来聊聊油脂在猫粮…

设计模式原则——里氏替换原则

设计模式原则 设计模式示例代码库地址: https://gitee.com/Jasonpupil/designPatterns 里氏替换原则 继承必须确保父类所拥有的性质在子类中依然成立 与开闭原则不同的是开闭原则可以改变父类原有的功能,里氏替换原则不能修改父类的原有的性质&#…

Clickhouse 的性能优化实践总结

文章目录 前言性能优化的原则数据结构优化内存优化磁盘优化网络优化CPU优化查询优化数据迁移优化 前言 ClickHouse是一个性能很强的OLAP数据库,性能强是建立在专业运维之上的,需要专业运维人员依据不同的业务需求对ClickHouse进行有针对性的优化。同一批…

用友 【U8+】供应链-暂估方式

【U8+】供应链-暂估方式 知识点:三种不同暂估方式的应用 应用场景: 对于采购业务如果货到票未到时,需要对采购入库进行估价入账,等收到发票时再按发票的成本核算采购入库成本。系统提供了三种暂估方式:月初回冲、单到回冲和单到补差。 操作流程: l 单到回冲 跨月全…

FreeCAD属性机制原理分析

1.实现原理 FreeCAD定义了一套属性层次结构,最上层是Property基类,该类主要提供了外部访问属性的接口及两个成员变量:属性名称、属性状态及属性容器类PropertyContainer。具体的属性直接或间接继承Property类,属性类中主要记录属性…