注册

人工智能在印度也是风口: 这些独角兽公司已经下注


来源:凤凰科技

人工智能已经席卷全球,但大部分人都把目光集中在中国和美国。其实印度也是人工智能很大的市场:这里有很多互联网人才,互联网市场也在飞速发展。

 编者注:

人工智能已经席卷全球,但大部分人都把目光集中在中国和美国。其实印度也是人工智能很大的市场:这里有很多互联网人才,互联网市场也在飞速发展。

对大部分中国人来说,对印度互联网的了解主要可能停留在中国智能手机在印度卖的不错、印度也有很大电商和电子支付服务。有时候我们会惊讶美国互联网公司对中国的了解实在肤浅,但我们对印度互联网的了解恐怕更少。

所以,不妨看看QUARTZ 的这篇介绍印度人工智能的文章,来了解一下人工智能在印度的发展的吧。

下面就是QUARTZ 报道的全文:

在印度创业圈儿,每个人都在谈论人工智能和大数据。

在各个领域,创业公司都在竞相招聘人工智能人才,对海量消费者数据进行分析,向用户提供个性化服务。苹果等跨国巨头也注意到,许多印度公司通过数据处理、图像/语音识别技术帮助客户,投资者在投资印度人工智能创业公司。

以下是部分印度独角兽公司——估值超过10亿美元的公司,利用人工智能和大数据技术的实例。

移动支付和商务平台Paytm

Paytm提供包括从电子钱包到销售电影票或机票在内的各类服务,机器学习帮助它井井有条地处理各项业务。

Paytm首席技术官查鲁米特拉·普加里(Charumitra Pujari)表示,“用户可以通过谷歌搜索引擎查找自己所需要的信息。但在一个更好的世界中,谷歌可以自行知道用户在特定时间需要了解哪些信息。这正是我们在从事的工作。如果用户之前曾购买过机票,因为我们会了解到用户的购买周期,因此会适时向用户显示与机票有关的信息,而不会显示与电影票或其他商品有关的信息。”加盟Paytm前,普加里曾在亚马逊工作近2年。

普加里表示,Paytm主页上的“每个像素”——每个图标、产品行、列,都是个性化的,对于其2.25亿用户中的每个人来说排列顺序都不同。Paytm平台每秒向用户推荐2万条信息——推荐每条信息耗时不到20毫秒。Paytm平台还利用机器学习,设计针对感兴趣买主的推广活动。

普加里称,“如果用户想购买一台吊扇——吊扇没有在主页上推广,一旦用户开始查找相关信息,我们就会实时了解用户需求,设计有针对性的推广活动。”当然,只有在确定用户有购买意向后,Paytm才会设计推广活动,“如果用户只是随便浏览商品——浏览10种不同商品,我们不会设计推广活动”。利用这一策略,Paytm在增加交易量和降低成本之间维持了一个很好的平衡。

为了发现和打击欺诈,计算机系统会不停地审核虚假账户,这些账户登录Paytm平台的目的只是利用优惠码,或从窃取的信用卡上转钱。普加里表示,欺诈探测引擎几乎不会给人为失误保留任何空间,而且使得审核过程大大加快。在卖家方面,机器学习有助于发现弄虚作假的卖家,他们可能自己购买自己的产品——即俗称的“刷单”,使得产品的需求看起来比实际水平要高。

由于获得阿里巴巴及其旗下蚂蚁金服和日本投资巨头软银等大鳄的投资,Paytm涉足了借贷服务,并向客户发放信用卡。即使Paytm账户上没有足够的资金,信用卡客户也能进行交易。

普加利说,“在印度,不是所有人都有良好的信用记录,不是所有人都有资格向银行贷款。许多人在Paytm平台上进行交易,因此它们积累了一定的信用。”

在估算用户的借贷额度时,Paytm再次利用了机器学习。普加里说,“我们利用移动应用获取相关信息,确定用户的身份和可以借贷的额度。”系统会为用户制定不超过其还款能力的多种借贷方案,例如免利息、贷款期限为6个月;利息为5%、贷款期限为15个月。

提供这些服务的团队成员,包括位于加拿大多伦多以及Paytm位于印度诺伊达的公司总部的软件工程师、机器学习工程师和数据科学家,每个地方有约60个人。

普加里说,“我们在不断招聘员工,尤其是人工智能和大数据人才。我们知道,人工智能是未来,我们需要大量这方面人才。”

电商平台ShopClues

网络商城ShopClues希望利用机器学习,解决电商领域一个迫切需要解决的盲区:尺码标准。

不同的小型企业,可能有不同的尺码标准,很少符合规模更大的大品牌的标准。例如,一个品牌的小尺码产品,在另外一个品牌中可能就是特小尺码。

据ShopClues产品副总裁乌特卡斯·比拉达(Utkarsh Biradar)称,因此,该公司计划利用先进的技术,帮助在网上购买服装的购物者更轻松地找到适合自己的尺码。

比拉达表示,“我们将查看360度视图,尝试利用图像技术确定尺码。”ShopClues计划利用标准尺码的产品作为参考,使客户能更好地了解他们有意购买产品的真正尺码,ShopClues还计划实现其平台上产品和品牌尺码的标准化。

迄今为止,ShopClues一直利用这样的技术向客户提供个性化的购物体验。根据最近购买的商品、购买的频率和其他消费习惯等信息,ShopClues的算法尝试确定客户下次购物时可能购买的商品。ShopClues还利用机器学习,向商家推荐所销售商品最有效的价格,以及最经济的物流合作伙伴。

移动广告平台InMobi

移动广告平台InMobi,已经在利用人工智能和机器学习技术,为具体广告找到合适的受众。它还利用这些技术,帮助广告客户有效地扩大影响范围,利用机器学习确定与现有用户相似的“类似”目标受众,找出用户不愿意看的广告类型。

InMobi下一步将深入广告的图像部分。

InMobi数据科学和商城高级副总裁拉吉夫·巴特(Rajiv Bhat)向Quartz表示,“在广告中,最大的实体元素之一是图像本身:用户眼睛看到的图像,在很大程度上决定了用户对广告的反应——点击广告或是对它视而不见。过去,利用计算机处理图像很困难,因为人能看到图像,算法看不到,但现在有了像深度学习这样的技术,我们的算法也能处理图像了。”

在这些技术中,许多技术在InMobi已经应用了数年时间,但直到现在它才开始使用Mllib(有助于大规模应用机器学习技术)等软件。巴特说,“虽然人们对这些技术讨论得很多,但要部署——尤其是大规模部署它们却并非易事。”

打车服务Ola Cabs

Ola是印度领先的打车服务之一,利用数据科学和机器学习追踪车流,改进客户体验,了解司机的习惯,延长车辆的使用寿命。

Ola利用人工智能了解其平台上车辆需求的变化,搞清楚满足这一需求所需要的供应量,以及下雨等外部因素对汽车效率的影响。

Ola联合创始人、首席执行官安基特·巴哈蒂(Ankit Bhati)向Quartz表示,“Ola Share拼车服务是利用大数据提高匹配率的一个典型例子。”通过使不同上车地点和下车地点的乘车者共同乘坐一辆车,降低出行时间和里程,Ola Share幕后的算法,能降低用户支付的车费总额。

巴哈蒂表示,Ola的目标是“打造更多这类解决方案,增加现有解决方案价值”。

通过Ola Play——该公司个性化的车载信息娱乐系统,Ola还部署面向客户的先进技术。Ola Play使用户能在出行的同时选择各种娱乐服务。与Netflix和Spotify相似,Ola Play还利用机器学习技术,记住乘客喜欢的音乐或电影,如果下次还乘坐Ola的汽车,他们甚至能继续欣赏上次欣赏的节目。

机器学习技术还被用来管理司机。

巴哈蒂表示,“人工智能能了解司机的行为,我们可以把他们培训为平台上更好的司机”,技术有助于Ola了解多少客户在某些路段取消了服务以及原因。

此外,由于Ola出租汽车,与汽车厂商合作,向买车的司机提供折扣和保养服务,确保平台上的汽车能使用尽可能长的时间符合其既得利益。因此,Ola还开发了机器学习算法,找出有助于尽量延长汽车行驶里程和使用寿命的行车模式。

电商网站Flipkart

《福布斯》刊文称,电商公司Flipkart已经重新设计了其应用的主屏,向其逾1.2亿用户提供个性化体验。机器学习算法会记录每名客户的性别、喜欢的品牌、喜欢的商家、能接受的价位、购物频率、采购量等信息,随着Flipkart收集的数据越多,信息也就越精确。有了这些信息,即使客户不搜索具体商品,Flipkart也能预测客户的购物行为。未来,Flipkart还将利用机器学习研究客户退货时间和原因,以采取措施减少退货的发生。

Flipkart没有就使用人工智能技术的情况发表评论。

今年3月,Flipkart旗下服装电商Myntra推出了印度首款全自动化的服装设计工具Moda Rapido。

Myntra产品负责人阿姆巴里什·肯希(Ambarish Kenghe)向《印度商业线报》表示,“早些时候,人工智能技术会挑选出一些服装组成部分,然后由我们的设计师团队利用它们设计成一件服装,现在,我们把人工干预降低到了零。”通过利用来自时装网站、社交媒体的数据和客户数据,人工智能设计师能创作“服装技术规格”,由裁缝师傅根据尺寸缝制服装。

Flipkart一支25人的数据科学家团队,也在利用人工智能技术,研究客户以往的购物行为,以更精准地预测他们未来的购物行为。

Flipkart产品管理副总裁拉姆·帕帕特拉(Ram Papatla)向《印度商业线报》表示,“如果客户搜索跑鞋,我们将根据客户以往的购物信息,只向他(她)显示喜欢的品牌、价位和样式的跑鞋信息,使购物过程更快捷、流畅。”

据帕帕特拉称,随着Flipkart规模的扩大,它还利用聊天机器人帮助用户,提醒他们优化搜索关键字,帮助他们更快地找到问题答案。聊天机器人利用了自然语言处理技术。

Flipkart认为,对人工智能和机器学习的重视,将有助于它在小城镇和农村地区业务的增长。

其他目标是推出一种出租模式,客户可以把旧型号手机更换为新型号手机,然后以分期付款方式支付差价。自2016年年底以来,Flipkart首席技术官拉维·加里基帕蒂(Ravi Garikipati)及其团队,一直在利用机器学习技术构建信用评估模型,为出租模式提供支撑。

新鲜有料的产业新闻、深入浅出的企业市场分析,轻松逗比的科技人物吐槽。

凤凰科技(ID: ifeng_tech),让科技更性感。

编译| 霜叶

责编| 刘考坤

  

[责任编辑:胡知非 PT028]

责任编辑:胡知非 PT028

  • 好文
  • 钦佩
  • 喜欢
  • 泪奔
  • 可爱
  • 思考

凤凰科技官方微信

凤凰新闻 天天有料
分享到: