アプリ向けの大騒ぎのAI：SalesforceEinsteinに会う

公開: 2022-03-11

AI革命はすでに消費者の世界を変えつつあります。

製品の推奨事項のような日常的な方法である場合もあれば、すばらしい方法である場合もあります。完全に聴覚障害のある人に人工内耳を提供する人工内耳は、優れたエンドユーザーエクスペリエンスのためにAIに切り替えました。

人工知能（AI）は、現代のテクノロジーにおける最新のマイルストーンです。

AI革命はよりスマートな世界につながり、このよりスマートな世界は、過去20年間に私たち全員が目撃したメガトレンド、つまりWeb、クラウド、ソーシャル、モバイル、モノのインターネット（ IoT）。

クラウドテクノロジーにより、私たちは開発者として、事実上無制限のコンピューティングとストレージ容量を手に入れました。この革命をもたらしたのは、実際には大量のデータと大量のコンピューティング能力の組み合わせです。 誰もが何らかの方法で相互に接続され、すべてに接続された今、これらの接続はすべて、AIクラウドが処理するためにこれまでになく桁違いに多くのデータを生成しています。

あなたは消費者として毎日AIクラウドを体験します。 Amazonでの製品の推奨、Netflixでの映画の推奨、またはFacebookフィードで自動的に識別されてタグ付けされた写真を見ると、AIの力を体験しています。

作業中のアプリが、Salesforceアプリであるかどうかに関係なく、これらのよりスマートでAIを活用したエクスペリエンスを何らかの形で提供できるとしたら素晴らしいと思いませんか。 たとえば、ビジネスとセールスアプリが連携して、どのリードが最もコンバージョンにつながる可能性が高いかを通知したり、サービスアプリがAIクラウドを使用して、どのケースがエスカレートする可能性が高いかを通知したりできるとしたらどうでしょうか。

残念ながら、多くのSalesforce開発チームにとって、AIをアプリのビジネスプロセスに適用するには複雑すぎて費用がかかるように思われます。 まず、データサイエンスから始まり、データサイエンスを行うには、必要なすべてのデータを収集して統合する必要があります。 次に、データのラングリングを行い、データを機械学習に使用できるように変換する必要があります。 そして、専門知識によっては、予測モデルを構築し、維持し、更新し、信頼性が高く、安全でスケーラブルなインフラストラクチャを作成するために、データサイエンティストからの外部の支援が必要になる場合もあります。 次に、そのすべての作業の後、これらの予測を取得して、ビジネスユーザーのコンテキストに配置する必要があります。

SalesforceEinsteinを入力してください

AIが手の届かないところにあることが多いことを知っていたため、Salesforceは、MetaMind（ディープラーニングスペシャリスト）、Implisit Insights（特に販売プロセスにAIを適用）、PredictionIO（機械学習とビッグデータ分析）などの企業を買収して、SalesforceEinsteinの構築を支援しました。

SalesforceEinsteinはSalesforceのAIであり、プラットフォームに直接組み込まれています。 アインシュタインのGMが述べているように、「世界一のCRMを採用し、世界で最もスマートなCRMになっています。」 SalesforceのAIオファリングを使用すると、すべての顧客とのやり取りをより速く、よりスマートに、より予測的にすることで、企業の営業、サービス、マーケティング、およびITの専門家を最高の状態にすることができます。

ディープラーニング：アインシュタインのビジョンとアインシュタインの言語

Salesforce Einsteinは、AIクラウドを開発者の手の届くところに持ってくる必要があります。 多分。 しかし、どこから始めるべきですか？ 最初に知っておくべきことは、AIには3つの主要なコンポーネントがあるということです。

  • データ
  • アルゴリズム
  • 計算

ビッグデータは一般的に、過去数年間ホットな話題になっています。 誰もが新しいデータソース、それを分析する新しい方法、そしてそれを保存する新しい方法を持っていることに興奮しています。

これは、人工知能を企業に導入する方法の大きな部分を占めることになりますが、AI開発の多くの取り組みはアルゴリズム側にあります。 これらは複雑なアルゴリズムであり、構築され、拡張されており、実際には民間部門と公共部門の両方から新しい研究が行われています。 AIクラウドアルゴリズムは革新的であり続け、アプリケーションと顧客体験のための新機能を推進し続けることを確信できます。

最近聞いたことがあると思われる計算の側面もあります。GPU、TPU、新しい投資、すべての最高のハードウェア企業からの新しい研究はすべてコンピューティング能力に向かっており、これらのアルゴリズムが革新的であり続けるために必要なインフラストラクチャを備えていることを保証しますデータへの洞察を提供できるようにするため。

このテクノロジーを活用するものを開発する方法を説明する前に、対処する内容についてさらに詳しく見ていきましょう。

データ

ここで考慮すべきデータには、構造化データと非構造化データの2つの形式があります。

構造化データと非構造化データ。

構造化データには、ERPデータとCRMデータの大部分が含まれます。 たとえば、IoTデバイスから送信されるデータである可能性があります。 このタイプのデータは、基本的なアルゴリズムですでに簡単に検索できます。

非構造化データには、画像データ、電子メールメッセージ、PowerPointプレゼンテーション、Word文書などがあります。ここで、深層学習と機械学習のアルゴリズムが登場し、このタイプのデータの検索方法が大幅に簡素化されます。

アルゴリズム

ディープラーニングは複雑な用語です。多くの開発者やDevOpsエンジニアはそれに圧倒されます。 彼らは、ニューラルネットワークを処理するためのインフラストラクチャがないと考えています。 彼らは、それをより管理しやすい思考プロセスに分解するために、組み込まれるべき最先端のモデルを十分に理解するために博士号が必要であると考えています。 幸いなことに、それを活用できるように十分に知っていると、それよりもはるかにアクセスしやすくなります。

入力層と出力層について知る必要があるだけです。本当に難しい作業はすべて、SalesforceAIクラウドによって処理される隠れ層で行われます。

この方法で始めましょう：入力ファイルがあります。 これは、画像、音声ファイル、またはテキストファイルである可能性があります。 そして、そこから洞察に満ちた出力を導き出したいのです。 Salesforce Einsteinには、このプロセスを本当にシームレスにするために使用できる一連のAPIがあります。その間に何が起こるかについて何も知る必要はありません。

Salesforce Einsteinを使用すると、アプリケーションにディープラーニングを簡単に組み込むことができます。 モデルをサービスとして管理し、スケーラビリティのニーズに対応する、適切にホストされたインフラストラクチャを提供します。 そのため、モデルメトリックのアップロード、トレーニング、および理解が容易になり、最終的には、事前にトレーニングされたモデルまたは作成したカスタムモデルでリアルタイムに予測を提供できます。

それでもあなたにとって異質に聞こえる場合は、次の例ですぐに理解を深めることができます。

計算：アインシュタインビジョン

これは、SalesforceEinsteinが提供するディープラーニングサービスの1つです。 すべての深層学習モデルまたはニューラルネットワークが同じというわけではありません。特定の問題には特定のアーキテクチャが使用されます。 また、コンピュータービジョンの場合、AIクラウドは、いわゆる畳み込みニューラルネットワークを使用します。これは、各レイヤーが前のレイヤーから学習することを意味します。 したがって、このようなネットワークが画像データでトレーニングされると、さまざまなコンポーネントを理解するために画像をゼロから再構築します。 最初に画像の最小単位であるピクセルを調べ、次にエッジを理解し、次に次のレイヤーがオブジェクトのパーツまたは要素を理解し、最終的にオブジェクト全体に到達します。

そして、そのプロセス全体があなたに代わって処理されるので、プロセス自体ではなく、コンピュータービジョンを使用してクライアントのために解き放つことができるビジネス価値に集中することができます。

Einstein Visionは、画像内のオブジェクトを認識するようにトレーニングできます。

ドローンを使用して高速道路を監視することで、運輸業界をどのように変革できるかを考えてみてください。クリーンアップクルーを派遣する必要はありません。

または、CPG企業が、棚に製品を手動で記録するために個人を送る代わりに、写真を撮って自動的に分析させる方法もあります。

または、視覚的検索で消費者向け小売業に革命を起こす方法、保険会社が請求のトリアージを自動化する方法、または画像処理をヘルスケアで活用する方法。

このようなシナリオはすべて、EinsteinVisionの一部であるEinsteinImageClassificationでカバーできます。 必要なのはモデルだけです。モデルは、多かれ少なかれ単なる分類ラベルのセットです。

カスタムモデルを作成する

カスタムモデルは、既知の分類のデータで作成されたトレーニングデータセットに基づいて、新しいデータの分類を予測できます。

独自のカスタムモデルを作成し、それがSalesforceワークフローであろうと外部アプリケーションであろうと、ワークフロー内に統合することができます。

独自のカスタムモデルの構築には、次の3つのステップが含まれます。

  1. カスタムモデルの実行内容に基づいて、独自のデータセットを作成します。 3ドア冷蔵庫と2ドア冷蔵庫の違いを見分けたいとしましょう。 2ドア冷蔵庫の画像を集めてフォルダに入れてから、3ドア冷蔵庫の画像を集めて別のフォルダに入れる必要があります。
  2. モデルをトレーニングします。 これで、前の手順で収集したデータセットが何であれ、それらをアップロードすると、AIクラウドがそのデータセットに基づいてモデルをトレーニングします。 トレーニングに必要なのは、すでに画像を分離しているという事実だけです。 新しいデータモデルがトレーニングされると、そのIDを受け取ります。
  3. 予測に使ってください！ これで、モデルがこれまでに見たことのない画像の予測を取得できます。 新しいモデルIDを使用してAPI呼び出しを行うのと同じくらい簡単です。

計算：アインシュタイン言語

画像が処理する必要のあるものでない場合は、テキストを使用してトレーニングしようとしている可能性があります。 このため、SalesforceのAIクラウドにはEinstein Languageがあり、現在、EinsteinIntentとEinsteinSentimentの2つのサービスで構成されています。

  • Einstein Intentは、自然言語処理（NLP）タイプの一般的な分類子です。 独自のクラスを定義し、それらのクラスを表すデータをアップロードできます。
  • Einstein Sentimentは事前にトレーニングされたモデルであり、人間の言語を分析して、コンテンツや周囲のユーザーの発言の感情を導き出し、それらをポジティブ、ネガティブ、ニュートラルのクラスに分類できます。

Einstein Languageのモデルにより、APIを介してSalesforceEinsteinアプリから自然言語のAIクラウドトレーニングと分類に簡単にアクセスできます。

アインシュタイン言語サービスは、画像分類の例と同じように機能します。 ここでは、クラスも定義します。

上記の例では、意図はケースのルーティングに関するものです。 ケースが発生するたびに、それを分析して適切な部門（出荷、請求、製品、販売など）にルーティングします。必要な数のクラスを定義できます。 しかし、Einstein Sentimentの場合、クラスは固定されているため、ポジティブ、ネガティブ、またはニュートラルになります。

データをさまざまなクラスに分けたら、モデルをトレーニングできます。 提供されているAPIを使用すると、モデルのトレーニングが非常に簡単になります。 Einstein Visionの場合と同様に、モデルがトレーニングされると、モデルIDが取得され、予測を取得する準備が整います。

Salesforce Einstein：スマートスタートへ

これで、Salesforce EinsteinがSalesforce開発者として手の届く範囲にもたらす可能性と、クライアントまたは雇用者がAIクラウドを活用するのを支援することがいかに簡単であるかを理解できたので、開始するにはアカウントを設定するだけです。 AIクラウドを使用して、独自のアプリに革命を起こす方法をお聞きできることを楽しみにしています。