微小的人工智能模型可以为零售商带来巨大的成本优势PYMNTS.com

从街角商店到零售巨头，公司都发现袖珍人工智能 (AI) 可以节省大量成本，因为灵活的新语言模型可以与笨重的前辈相媲美，而成本却只有一小部分。

H2O.ai 最近推出小型模型只是向紧凑型人工智能模型更广泛转变的一个例子，这种模型有望重塑企业处理从库存到客户服务等一切事务的方式。这些简化的系统可以以与大规模语言模型相同的精度处理采购订单、收据和购物数据，同时大幅降低计算成本。

“较小的人工智能模型可以通过提供具有成本效益的库存管理和客户服务自动化解决方案，在大型零售商和中小型企业 (SMB) 之间创造公平的竞争环境，”史蒂文·塞尔马里尼，电子商务物流和支付公司工程数据与分析高级总监径向，告诉皮姆茨。– 这些模型使中小型企业能够优化库存水平、预测需求并自动重新订购，同时提高运营效率。 –

小语言模型是一种简化的人工智能系统，它使用数百万个参数而不是数十亿个参数来处理文本。它用一些高级功能来换取更快的性能和更轻的计算要求。

小是人工智能的新大

H2O.ai 发布了两个较小的 AI 模型（8 亿和 20 亿参数），用于文档处理和文本识别。这些模型可以免费获得抱脸，对数百万个对话对进行训练。该公司声称，8 亿美元的模型在光学字符识别 (OCR) 基准测试中优于较大的竞争对手。

“我们将 H2OVL Mississippi 模型设计为高性能且经济高效的解决方案，为企业带来人工智能驱动的 OCR、视觉理解和文档人工智能，”斯里·安巴蒂H2O.ai 首席执行官兼创始人在一份声明中表示新闻稿。– H2OVL Mississippi 将最先进的多模式 AI 与极高的效率相结合，为各行各业提供精确、可扩展的文档 AI 解决方案。

Sermarini 指出，像 H20 这样的较小模型通常可以更快地进行原型设计和开发。

“这使得新的、有创造力的参与者能够快速设计零售、供应链和物流的高级分析解决方案，”他说。

虽然更小、更高效的模型减少了计算障碍，但在物流和零售领域部署人工智能不仅仅意味着节省成本，史蒂芬·德安吉利斯，AI公司创始人兼CEO恩特拉解决方案，告诉皮姆茨。

“语言模型仍然需要广泛的培训、高质量的数据和领域专业知识来应对复杂的供应链管理和业务分析运营挑战，”他补充道。“技术转型可能是渐进的，而不是立竿见影的。”

高效、小型人工智能模型的兴起为无法承担巨额计算成本的初创公司打开了大门。这些轻量级模型让新公司能够竞争和创新，而无需为人工智能基础设施投入巨额预算，哈迪克·乔拉，高级产品经理 - 技术亚马逊，告诉皮姆茨。他说，他看到许多公司构建了在普通硬件上运行的强大零售解决方案。

“初创公司不需要大规模的 GPU 集群，而是可以部署专门的模型来处理特定的高价值任务——从动态定价到需求预测，”他补充道。

– 考虑一家专注于缺货预测的初创公司。他们可以部署一个专门针对库存模式进行训练的小型高效模型，而不是构建一个全面的零售人工智能系统。这种集中的方法不仅降低了开发和运营成本，而且通常比尝试从更大的通用模型中提取此功能带来更好的结果。

帮助而不是取代人类

尽管较小的人工智能模型有很多好处，但观察人士认为人工智能不会很快取代人类工人。Chawla 表示，在零售、仓储和客户服务领域，许多日常手动任务可以实现自动化，从而有可能减少重复性工作所花费的时间。

例如，查拉表示，在客户服务方面，人工智能可以处理订单状态等常见查询，而代理则介入提供更个性化的支持。这种增强的方法提高了效率并提高了服务质量，使个性化的、人工智能辅助的客户交互能够适应任何规模的企业。

同样，对于仓库运营，这些模型可以通过优化工作流程来帮助工作人员 - 建议最有效的路线或实时标记潜在的库存问题。工人们仍然处理体力任务，但人工智能通过减少错误和提高生产力来支持他们。

“无论哪个行业，数据素养、人工智能监控和技术驱动的流程管理都将成为备受追捧的技能，”Chawla 说。– 为了避免流离失所，我们需要大力推动再培训和技能提升计划。这是关于将劳动力转移到新的角色，而不是完全消除工作岗位。”