為您的應用程序提供簡單的 AI：認識 Salesforce Einstein

人工智能革命已經在改變消費世界。

有時，它以產品推薦之類的日常方式出現，有時以宏偉的方式出現：為完全聾的人提供人工聽力的人工耳蝸已轉向人工智能以獲得卓越的最終用戶體驗。

人工智能革命正在引領一個更智能的世界，而這個更智能的世界建立在過去 20 年我們所見證的大趨勢之上：網絡、雲、社交、移動和物聯網（物聯網）。

借助雲技術，作為開發人員，我們擁有幾乎無限的計算和存儲容量，而真正導致這場革命的正是海量數據和海量計算能力的結合。 現在每個人都以某種方式相互連接並連接到所有事物，所有這些連接都為人工智能雲生成了比以往任何時候都多數量級的數據。

作為消費者，您每天都會體驗 AI 雲。 當您在亞馬遜上看到產品推薦、在 Netflix 上看到電影推薦或在您的 Facebook 提要中自動識別和標記的照片時，您正在體驗人工智能的力量。

現在，如果您正在開發的應用程序（無論它是否是 Salesforce 應用程序）也能以某種方式提供這些更智能的人工智能驅動體驗，那不是很好嗎？ 例如，如果我們的業務和我們的銷售應用程序可以協同工作來告訴我們哪些潛在客戶最有可能轉化，或者我們的服務應用程序可以使用人工智能雲來告訴我們哪些情況可能會升級？

不幸的是，對於許多 Salesforce 開發團隊來說，將 AI 應用於其應用程序的業務流程似乎過於復雜和昂貴。 首先，它從數據科學開始，要進行數據科學，您必須收集和整合所有必需的數據。 然後你需要進行數據整理，轉換數據，以便將其用於機器學習。 然後，根據您的專業知識，您甚至可能需要數據科學家的外部幫助來構建預測模型、維護它們、更新它們，並創建一個可信、安全和可擴展的基礎架構。 然後，在完成所有這些工作之後，您必須接受這些預測並將它們放入業務用戶的上下文中。

進入 Salesforce Einstein

知道 AI 通常遙不可及，Salesforce 收購了 MetaMind（深度學習專家）、Implisit Insights（專門將 AI 應用於銷售流程）和 PredictionIO（機器學習和大數據分析）等公司，以幫助他們建立 Salesforce Einstein。

Salesforce Einstein 是 Salesforce 的 AI，它內置於平台中。 正如愛因斯坦的總經理所說，“它採用了世界排名第一的 CRM，並使其成為世界上最智能的 CRM。” 借助 Salesforce 的 AI 產品，您現在可以讓公司的銷售、服務、營銷和 IT 專業人員通過讓每一次客戶交互變得更快、更智能和更具預測性來發揮他們的最佳能力。

深度學習：愛因斯坦視覺和愛因斯坦語言

Salesforce Einstein 應該讓開發人員能夠接觸到人工智能雲。 可能是。 但是你應該從哪裡開始呢？ 首先要知道的是，人工智能具有三個主要組成部分：

• 數據
• 算法
• 計算

在過去的幾年裡，大數據總體上一直是一個熱門話題。 每個人都為擁有新的數據來源、新的分析方式和新的存儲方式而感到興奮。

這將是我們如何將人工智能帶入企業的重要組成部分，但很多人工智能開發工作都集中在算法方面。 這些是複雜的算法，正在建立、擴展，並且實際上有來自私營和公共部門的新研究。 您可以肯定，人工智能雲算法將繼續創新，並繼續為您的應用程序和客戶體驗提供新功能。

您最近可能也聽說過計算方面：GPU、TPU、所有最好的硬件公司的新投資和新研究都在向計算能力方向發展，確保這些算法擁有繼續創新所需的基礎設施並能夠深入了解您的數據。

在我們討論如何開發利用這項技術的東西之前，讓我們深入了解您將要處理的內容的更多細節。

數據

這裡有兩種形式的數據需要考慮：結構化和非結構化。

結構化數據包括您的 ERP 數據和大部分 CRM 數據； 例如，它可能是來自物聯網設備的數據。 這種類型的數據已經很容易通過基本算法進行搜索。

非結構化數據可能是您的圖像數據、電子郵件、PowerPoint 演示文稿、Word 文檔等。這就是深度學習和機器學習算法的用武之地，極大地簡化了我們搜索此類數據的方式。

算法

深度學習是一個複雜的術語：很多開發人員和 DevOps 工程師都被它弄得不知所措。 他們認為他們沒有處理神經網絡的基礎設施。 他們認為他們需要博士學位才能充分理解要納入的最先進模型，以便將其分解為更易於管理的思維過程。 幸運的是，了解足夠多的信息以便能夠利用它比這更容易獲得。

讓我們這樣開始：你有一個輸入文件。 這可以是圖像、音頻文件或文本文件。 你想從中獲得有見地的輸出。 Salesforce Einstein 有一組 API，您可以使用這些 API 使此過程真正無縫：您不必知道兩者之間發生的任何事情。

使用 Salesforce Einstein，您可以非常輕鬆地將深度學習嵌入到您的應用程序中。 它為您提供託管良好的基礎架構，將您的模型作為服務進行管理，從而滿足任何可擴展性需求。 因此，您可以輕鬆上傳、訓練和理解您的模型指標，並最終在預訓練模型或您創建的自定義模型上提供實時預測。

如果這對您來說聽起來很陌生，那麼接下來的示例將讓您快速上手。

計算：愛因斯坦視覺

這是 Salesforce Einstein 提供的深度學習服務之一。 並非所有深度學習模型或神經網絡都是平等的：特定架構用於特定問題。 在計算機視覺的情況下，人工智能雲使用所謂的捲積神經網絡，這意味著每一層都從前一層學習。 因此，當這樣的網絡在圖像數據上進行訓練時，它會從頭開始重建圖像以了解其不同的組成部分。 它將首先查看圖像的最小單位，像素，然後了解邊緣，然後下一層了解對象的部分或元素，然後最終了解整個對象。

整個流程都由您負責，因此您可以專注於可以通過計算機視覺為客戶解鎖的業務價值，而不是流程本身。

想想如何通過使用無人機監控高速公路來改變交通運輸行業——沒有人需要派出清潔人員。

或者 CPG 公司如何不派人手動記錄貨架上的產品，而是拍照並自動分析。

或者如何通過視覺搜索徹底改變消費者零售業，或者保險公司如何自動化索賠分類，或者醫療保健如何利用圖像處理。

Einstein Image Classification 可以涵蓋所有此類場景，它是 Einstein Vision 的一部分。 您所需要的只是一個模型，它或多或少只是一組分類標籤。

構建自定義模型

您可以構建自己的自定義模型，然後將它們集成到您的工作流程中，無論是 Salesforce 工作流程還是外部應用程序。

構建您自己的自定義模型只涉及三個步驟：

1. 根據您的自定義模型需要執行的操作，創建您自己的數據集。 假設您希望能夠區分三門冰箱和兩門冰箱。 您需要收集一堆兩門冰箱的圖像並將它們放在一個文件夾中，然後將一堆三門冰箱的圖像放在另一個文件夾中。
2. 訓練你的模型。 現在，無論您在上一步中收集到什麼數據集，您都可以上傳它們，人工智能雲將根據該數據集訓練模型。 您已經分離圖像的事實就是訓練所需要的。 訓練新數據模型後，您將收到其 ID。
3. 用它來預測！ 您現在可以對模型以前從未見過的圖像進行預測。 就像使用新模型 ID 進行 API 調用一樣簡單。

計算：愛因斯坦語言

如果圖像不是您需要處理的，那麼您很可能希望使用文本進行訓練。 為此，Salesforce 的 AI 雲擁有 Einstein Language，目前由兩種服務組成：Einstein Intent 和 Einstein Sentiment。

• Einstein Intent是自然語言處理 (NLP) 類型的通用分類器。 它允許您定義自己的類並上傳代表這些類的數據。
• Einstein Sentiment是一種預訓練模型，能夠分析人類語言以得出內容和周圍用戶陳述的感受，並將其分為正面、負面和中性類別。

愛因斯坦語言服務就像我們的圖像分類示例一樣工作。 在這裡，我們還將定義類。

在上面的示例中，意圖是關於路由案例。 每次遇到案例時，我們都希望對其進行分析並將其發送到正確的部門：運輸、計費、產品、銷售……我們可以根據需要定義任意數量的類。 但在愛因斯坦情緒的情況下，類別是固定的，所以我們只有正面、負面或中性。

將數據分成不同的類別後，就可以訓練模型了。 使用提供的 API 訓練模型非常容易。 就像使用 Einstein Vision 一樣，一旦模型經過訓練，您將獲得模型 ID，並準備好進行預測。

Salesforce Einstein：開啟智能起點

現在您已經了解了 Salesforce Einstein 作為 Salesforce 開發人員為您帶來的可能性，以及幫助您的客戶或雇主利用 AI 雲是多麼容易，開始只需要設置一個帳戶。 我們期待聽到您如何使用 AI 雲來徹底改變您自己的應用程序！