Sistemas de recomendação mantêm os usuários engajados
Sistemas de recomendação são fluxos de trabalho de IA que sugerem produtos, conteúdo ou serviços a usuários finais. O tipo de sistema mais comum é o de sistemas de recomendação de conteúdo utilizados por plataformas de streaming e e-commerce.
Esses sistemas utilizam uma combinação de tecnologias, como a filtragem colaborativa, para estimar a afinidade de um usuário final específico por um filme ou uma série que ele possa querer assistir ou por um produto que ele possa querer comprar. Sistemas de recomendação mantêm os usuários finais engajados com a plataforma para continuarem assinando, comprando produtos ou visualizando anúncios enquanto consomem conteúdo.
O que faz um bom sistema de recomendação?
A eficácia dos sistemas de recomendação depende amplamente de três fatores: precisão, responsividade e custo.
- A precisão refere-se a fazer recomendações personalizadas o suficiente para os interesses e as preferências do usuário final. Sistemas de recomendação podem melhorar sua precisão integrando um mecanismo de feedback, como um simples "gostei" ou "não gostei", permitindo que os usuários finais indiquem se uma recomendação é boa ou ruim, reforçando o aprendizado da IA.
- A responsividade refere-se à capacidade do sistema de recomendação de apresentar novas opções rapidamente e manter os usuários engajados. Longos tempos de carregamento ou qualquer medida de dificuldade no engajamento com uma plataforma são conhecidos como atrito, e mais atrito resulta em mais usuários desconectando ou deixando a plataforma.
- O custo refere-se aos investimentos iniciais, ou despesas de capital, do sistema de recomendação, equilibrados com as despesas operacionais contínuas. A eficiência de custo também considera o escalonamento de cargas de trabalho para atender à demanda do usuário, minimizando o tempo de inatividade, e o gerenciamento de cargas de trabalho entre ambientes de nuvem.
Quem utiliza sistemas de recomendação?
A maioria dos sistemas de recomendação são voltados para consumidores e são proeminentes no e-commerce, onde recomendam produtos para compradores online; em redes sociais, onde recomendam conteúdo e criadores, e ordenam itens em um feed ou linha do tempo; e em sistemas de streaming, recomendando conteúdo relevante para manter os usuários assinando a plataforma. Sistemas bancários personalizados são um exemplo de caso de uso emergente no qual bancos recomendam novos tipos de contas, investimentos e outros serviços para expandir suas bases de clientes.
Como os sistemas de recomendação funcionam
Modelos de recomendação são um pipeline de vários diferentes modelos de IA e fluxos de trabalho de análise de dados. Esse pipeline pode incluir até uma centena ou mais de processos diferentes em uma cadeia para fornecer uma previsão unificada com base em cada usuário. Em qualquer fluxo de trabalho de recomendação, geralmente há três estágios:
- Classificação: esses modelos utilizam visão computacional e processamento de linguagem natural (NLP) para classificar elementos de um determinado conteúdo.
- Recall e pesquisa de semelhança: esses processos compilam diferentes categorias de recursos semelhantes entre itens ou objetos.
- Ordenação: o sistema de recomendação ordena itens por relevância, com frequência utilizando modelos de aprendizado profundo Wide & Deep ou DLRM.
A infraestrutura certa para sistemas de recomendação
Cargas de trabalho de treinamento e inferência de recomendação são mais frequentemente executadas em servidores de data center, seja no local ou na nuvem. Ao desenvolver e implantar sistemas de recomendação, os principais desafios enfrentados por desenvolvedores de sistemas e provedores de soluções envolvem o aumento da densidade de cargas de trabalho, equilibrar a utilização e acelerar o tempo de obtenção de resultados. Engenheiros de software serão os mais desafiados por retornar resultados precisos, relevantes e rápidos para usuários finais enquanto otimizam o código para operações eficientes, tanto na nuvem quanto no local.
A Intel capacita sistemas de recomendação de IA em cada estágio e em qualquer escala
Para superar esses desafios de sistemas de recomendação e ajudar a passar do conceito para a produção mais rapidamente na empresa inteira, a Intel oferece mais do que a arquitetura. Globalmente, empregamos uma grande lista de desenvolvedores de software experientes, muitos deles especializados em IA, incluindo sistemas de recomendação. A Intel também traz uma rara vantagem ao combinar experiência de hardware e software para otimizar sistemas de recomendação de IA em plataformas personalizadas.
Esses aprimoramentos já estão proporcionando aumentos significativos para sistemas de recomendação de empresas em todo o mundo:
Desenvolvedores e construtores de sistema podem se beneficiar de receitas bem compreendidas para o sucesso na forma de arquiteturas de referência e versões otimizadas pela Intel de frameworks populares, como PyTorch e TensorFlow. Empresas podem se beneficiar com o tempo de implantação rápido, melhor engajamento de clientes ou usuários, e maior receita de vendas ou publicidade.
O hardware do sistema de recomendação ampla combina a computação às suas necessidades
Após a preparação de dados, sistemas de recomendação de IA são implementados em dois estágios: treinamento de modelos e inferência de implantação — com muitas etapas incluídas. Os requisitos de arquitetura são diferentes entre os estágios. O treinamento de modelos é mais rápido com mais paralelização, mas a otimização de modelos é menos exigente computacionalmente. Uma vez implementada, a inferência de recomendações é executada de forma eficiente em CPUs com alto número de núcleos e alta capacidade de memória, construídos para gerenciar modelos grandes e dados massivos.
- Treinamento de modelos de IA de recomendação: o processador Habana® Gaudi® e a GPU Intel® Max Series suportam alta paralelização para cargas de trabalho de treinamento rápido de modelos de IA.
- Treinamento e inferência de modelos de IA recomendação: os processadores escaláveis Intel® Xeon® são as melhores CPUs para treinamento e inferência de IA1, e estão prontamente disponíveis na nuvem pública.
- Aceleração de IA de recomendação: os processadores escaláveis Intel® Xeon® da última geração também possuem Intel® AI Engines para ajudar a acelerar o tempo de obtenção de resultados sem hardware adicional. Esses motores podem ajudar a aumentar o desempenho de IA enquanto reduzem requisitos de hardware, resultando em um custo total de propriedade reduzido. O Guia de ajuste de IA oferece uma orientação útil para aproveitar esses aceleradores de IA integrados.
- Recursos de segurança integrados para cargas de trabalho de recomendação: apenas a Intel oferece capacidades de segurança inovadoras, como o Intel® Software Guard Extensions (Intel® SGX), que ajudam a proteger dados na memória, proporcionando camadas adicionais de proteção, especialmente para sistemas de recomendação em ambientes de nuvem com vários locatários. Uma perspectiva de segurança que começa da camada do hardware para cima ajudará organizações a proteger dados e modelos sensíveis e a cumprir as regulamentações de privacidade.
Construa sistemas de recomendação com software de pipeline de IA de ponta a ponta
As otimizações da Intel de frameworks de IA populares, como PyTorch e TensorFlow, oferecem desempenho aprimorado em arquiteturas Intel® que superam implementações prontas e aceleram o seu tempo de treinamento de implantação. Desenvolvedores podem acessar o guia de início rápido para obter instruções sobre como implantar essas ferramentas poderosas com apenas algumas linhas código.
Para casos de uso de varejo, a Intel também oferece um kit de referência de recomendação que inclui dados de treinamento, modelo e bibliotecas para impulsionar seu projeto. Esse kit reflete as lições aprendidas em implantações bem-sucedidas combinadas com pacotes de software pré-ajustados para cargas de trabalho de aprendizado de máquina em hardware Intel®. Desenvolvedores podem acessar o kit no GitHub.
A Intel também trabalha com vários fornecedores de software de IA para otimizar seu desempenho em arquiteturas Intel®. Para uma solução de pouco envolvimento, acesse o perfil da Intel no Hugging Face ou o Intel® Solutions Marketplace.
Leve sistemas de recomendação de IA a todos os lugares com a Intel
A Intel oferece hubs comunitários e liderança no setor para ajudá-lo a acelerar inovações nos seus esforços de design e desenvolvimento de sistemas de recomendação de IA. Acesse códigos, otimizações e dicas sobre soluções de hardware relevantes com recursos essenciais que ajudam a garantir o sucesso das suas implantações de IA.