berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Mesin Jantung Asli

Penulis: Zhang Qian

Mampu "menawar" juga merupakan keterampilan yang sangat praktis.

Di antara banyak konferensi kecerdasan buatan terkemuka, di manakah posisi NeurIPS? Seseorang memasukkannya ke dalam alam semesta "Legenda Zhen Huan" dan membuat gambarnya: mungkin layak mendapat "posisi kedua".

Sumber gambar: Pengguna Xiaohongshu @云juanyeshu

Pemeringkatan ini mungkin kontroversial, namun tidak ada keraguan bahwa NeurIPS selalu berada di antara tiga teratas dalam konferensi AI teratas, dan telah lama masuk dalam sepuluh besar jurnal global Google Cendekia dan konferensi teratas di semua disiplin ilmu.

Oleh karena itu, dapat mempublikasikan makalah dalam konferensi ini adalah tujuan bersama dari banyak peneliti AI. Makalah AlexNet, Transformer, dan GPT-3 yang inovatif semuanya merupakan makalah yang diterima pada konferensi teratas ini.

Namun, perlu dicatat bahwa makalah ini tidak mewakili nilai penuh NeurIPS. Beberapa kompetisi yang diadakan selama konferensi mungkin lebih cocok untuk beberapa peneliti dan insinyur yang fokus pada praktik AI. Bahkan pejabat NeurIPS berkata, “Kompetisi-kompetisi ini memainkan peran penting dalam meneliti dan memecahkan masalah yang kompleks」。

Jadi di mana saya bisa menemukan kompetisi ini? Faktanya, pejabat NeurIPS menerbitkan sebuah blog pada bulan Juni yang secara khusus memberikan daftar kompetisi ini.

Daftar tersebut berisi total 16 soal kompetisi yang masing-masing telah disaring dan memiliki "Nilai penelitian ilmiah yang luas」。

Soal-soal kompetisi ini dikumpulkan secara resmi oleh NeurIPS. Dilihat dari pengalaman beberapa tahun terakhir, sebagian besar soal kontes yang akhirnya dapat dipilih berasal dari universitas, lembaga penelitian atau perusahaan teknologi luar negeri seperti Google, OpenAI, Meta, dll. Soal kontes yang diajukan oleh industri dalam negeri memiliki persentase yang sangat rendah. peluang untuk terpilih. Tahun ini, karena popularitas trek model besar, persaingan dalam persaingan semakin ketat.

Namun yang mengejutkan adalah dalam lingkungan persaingan yang begitu ketat, masih ada orang-orang di industri dalam negeri yang menonjol.”Penawaran Otomatis dalam Lelang Skala Besar: Mempelajari Pengambilan Keputusan dalam Permainan yang Tidak Pasti dan Kompetitif(Penawaran otomatis dalam lelang skala besar: Keputusan pembelajaran dalam permainan yang tidak pasti dan kompetitif)” adalah topik kompetisi yang mereka kirimkan.

Situs web resmi kompetisi: https://tianchi.aliyun.com/specials/promotion/neurips2024_alimama#/

Soal kompetisi ini dihasilkan oleh tim kerjasama intelijen pengambil keputusan di Peking University-Alimama Artificial Intelligence Innovation Joint Laboratory (PAAI). Sebagai unit pertama, tim teknologi intelijen pengambil keputusan Alimama bersama-sama menyerahkan pengajuannya kepada tim peneliti Profesor Deng Xiaotie dan Profesor Lu Zongqing dari Universitas Peking. Setelah judul kompetisi dipilih, Alimama mendapatkan hak menjadi tuan rumah kompetisi, menjadi satu-satunya organisasi di industri dalam negeri yang memenangkan hak menjadi tuan rumah kompetisi NeurIPS tahun ini.

Topik kompetisi berkisar pada masalah "penawaran otomatis dalam lelang skala besar". Masalah ini terkait erat dengan antarmuka tempat kita membuka aplikasi belanja setiap hari untuk mencari dan menelusuri produk. Ada penelitian dan nilai komersial yang sangat besar di baliknya.Juri ahli NeurIPS menilai pertanyaan kompetisi sebagai "Penting secara praktis, terorganisir dengan baik, dan teruji dengan baik (Praktis penting, terorganisir dengan baik, dan teruji dengan baik)"。

Jadi, apa masalahnya dengan "penawaran otomatis dalam lelang skala besar"? Mengapa diusulkan oleh Laboratorium Gabungan Inovasi Kecerdasan Buatan Universitas Peking-Alimama dan mendapat pujian yang begitu tinggi? Apa sebenarnya yang dilakukan para kontestan? Inti dari Mesin akan dibongkar satu persatu pada artikel kali ini.

Apa yang dimaksud dengan "penawaran otomatis dalam lelang skala besar"?

Untuk memahami apa itu "penawaran otomatis dalam lelang skala besar", pertama-tama mari kita mengingat kembali pengalaman membuka Taobao dan mulai berbelanja.

Setiap kali Anda memasukkan kata kunci, sistem akan memunculkan halaman produk. Faktanya, halaman ini sangat khusus: produk mana yang akan muncul dan produk mana yang menduduki peringkat pertama adalah hasil perhitungan yang tepat oleh sistem. Iklan tersebut merupakan hasil platform yang menjalankan mekanisme lelang untuk mengalokasikan slot iklan kepada pengiklan.

Logika pengoperasian seluruh proses adalah sebagai berikut: Pertama, platform akan membangun profil pengguna dengan menganalisis minat dan pola perilaku pengguna. Saat pengguna mencari atau menelusuri produk di Taobao, platform akan segera memulai proses lelang iklan di latar belakang. Pengiklan mengikuti lelang ini melalui mekanisme penawaran dengan harapan mendapat kesempatan untuk menampilkan iklannya. Sistem penawaran otomatis memainkan peran inti dalam proses ini. Sistem ini memperhitungkan profil pengguna, data perilaku, tujuan promosi pengiklan, batasan anggaran, dan berbagai faktor dalam lingkungan lelang untuk menghitung strategi penawaran yang optimal secara real-time. Berdasarkan data dan hasil perhitungan tersebut, platform akan memilih iklan dengan tawaran tertinggi dan paling relevan dengan kebutuhan pengguna. Hasil iklan ini ditampilkan kepada pengguna bersama dengan hasil organik. Seluruh proses sepenuhnya otomatis dan dapat diselesaikan dalam waktu yang sangat singkat.

Dari proses ini terlihat bahwaMelalui sistem penawaran otomatis, pengiklan dapat menyederhanakan proses periklanan dan menggunakan teknologi kecerdasan buatan untuk mencapai pemasaran yang tepat, sehingga menghemat waktu dan energi.

Pada tahun 2023, pasar periklanan online global akan mencapai US$626,8 miliar. Teknologi penawaran otomatis sangat penting untuk mendorong pertumbuhan berkelanjutannya. Pertanyaan penelitian serupa mencakup strategi periklanan dan desain mekanisme lainnya, yang semuanya termasuk dalam ruang lingkup penelitian intelijen pengambilan keputusan. Penelitian terkait kecerdasan pengambilan keputusan dapat menghadirkan metode operasi baru bagi perusahaan dan mengurangi ketergantungan mereka pada manusia dalam mekanisme pengambilan keputusan, sehingga secara signifikan meningkatkan tingkat pertumbuhan pendapatan perusahaan dan meningkatkan ruang pertumbuhannya.

Namun, tidak mudah untuk melakukan “penawaran otomatis” dalam pertanyaan kompetisi. Karena sistem penawaran otomatis perlu menangani banjir data yang besar dan kompleks, meliputi data perilaku pengguna, data iklan, data penawaran, dan informasi multidimensi lainnya, dan data ini akan diperbarui secara real time. Selain itu, sistem juga perlu mengambil keputusan dalam lingkungan permainan yang penuh ketidakpastian, dan tidak dapat memperoleh informasi lengkap tentang semua faktor yang mempengaruhinya. Oleh karena itu, sistem hanya dapat mengandalkan data yang tersedia saat ini dan akumulasi pengalaman historis untuk membuat prediksi dan keputusan melalui algoritme cerdas, berupaya membuat pilihan penawaran yang optimal dalam lingkungan pasar yang berubah dengan cepat.

Jalur Pengoptimalan "Penawaran Otomatis".

Dari pembelajaran penguatan hingga AI generatif

Secara keseluruhan, pendekatan industri terhadap penawaran telah melalui empat generasi evolusi. Alimama juga telah melakukan penelitian bertahun-tahun tentang optimalisasi strategi penawaran otomatis.

• Generasi pertama: kelas kontrol klasik. Masalah optimasi memaksimalkan efek secara tidak langsung menjelma menjadi masalah pengendalian konsumsi anggaran. Hitung kurva konsumsi berdasarkan data bisnis, dan kendalikan anggaran yang akan dikonsumsi sesuai kurva yang ditetapkan sebanyak mungkin. PID dan perbaikan terkait merupakan algoritma kontrol yang umum digunakan pada tahap ini. Ketika distribusi nilai lalu lintas penawaran stabil, algoritme jenis ini pada dasarnya dapat memenuhi efek pengoptimalan di awal peluncuran bisnis.
• Generasi kedua: kelas perencanaan dan penyelesaian. Dibandingkan dengan generasi pertama, algoritma perencanaan dan penyelesaian (LP) berorientasi langsung untuk menyelesaikan masalah maksimalisasi tujuan. Kumpulan lalu lintas masa depan saat ini dapat diprediksi berdasarkan lalu lintas penawaran hari sebelumnya untuk menyelesaikan parameter penawaran. Masalah penawaran otomatis menjadi submasalah baru berdasarkan data yang dikirimkan saat ini, sehingga dapat diselesaikan dengan metode berkali-kali yaitu LP Online. Jenis metode ini bergantung pada prediksi akurat lalu lintas yang berpartisipasi di masa depan, sehingga ketika menerapkan skenario sebenarnya, lebih banyak pekerjaan yang perlu dilakukan untuk memprediksi kualitas dan kuantitas lalu lintas di masa depan.
• Generasi ketiga: pembelajaran penguatan. Dalam lingkungan nyata, lingkungan penawaran online sangat kompleks dan berubah secara dinamis, dan pengumpulan lalu lintas di masa depan sulit diprediksi secara akurat. Hanya dengan mengoordinasikan seluruh siklus anggaran, pengaruhnya dapat dimaksimalkan. Sebagai masalah pengambilan keputusan berurutan yang umum, tahap ketiga menggunakan metode pembelajaran penguatan untuk mengoptimalkan strategi penawaran otomatis. Proses berulangnya telah berkembang dari penerapan awal metode pembelajaran penguatan klasik, hingga perkiraan lebih lanjut tentang "distribusi data di lingkungan nyata online" berdasarkan metode RL Offline, hingga tahap akhir mendekati esensi masalah dan menerapkan pembelajaran interaktif. dengan lingkungan penawaran nyata berdasarkan metode RL Online.
• Generasi keempat: Menghasilkan kelas model. Model generatif besar yang diwakili oleh ChatGPT hadir dengan momentum besar dan telah menunjukkan hasil luar biasa di banyak bidang. Konsep teknis dan paradigma teknis baru dapat membawa peningkatan revolusioner pada algoritme penawaran otomatis. Tim teknis Alimama membuat pengaturan sebelumnya, membentuk kembali sistem teknis periklanan pemasaran cerdas dengan model pengambilan keputusan pemasaran cerdas besar AIGA (AI Generated Action) sebagai intinya, dan menurunkan strategi penawaran otomatis yang diwakili oleh AIGB (AI Generated Bidding).

Ketika penelitian terbaru di industri memasuki generasi ketiga (2022),Laboratorium Bersama Inovasi Kecerdasan Buatan (PAAI) Universitas Peking-Alimama didirikan .Laboratorium ini mempertemukan banyak nama besar di industri dan akademisi: Dekan School of Intelligence di Universitas PekingZhu SongchunProfesor memimpin bimbingan akademik, ketua profesor Universitas PekingDeng Xiaotie, Profesor Madya, Sekolah Intelijen, Universitas PekingLagu Guojiedan direktur teknis AlimamaZheng Bo Mereka semua adalah anggota inti laboratorium. Beberapa ahli memimpin laboratorium untuk terus mempelajari masalah intelijen pengambilan keputusan seperti penawaran otomatis berdasarkan hasil yang ada.

Selama proses penelitian, mereka menemukan bahwa metode pembelajaran penguatan asli memiliki beberapa keterbatasan, seperti masalah akumulasi kesalahan pelatihan yang berlebihan dalam skenario pengambilan keputusan jangka panjang seperti penawaran otomatis. Pada saat yang sama, ChatGPT memverifikasi kemampuan AI generatif yang canggih di berbagai bidang. Jadi tim mulai memikirkan model generatif apa yang dapat diterapkan pada strategi penawaran otomatis. Akhirnya,Mereka mengusulkan skema optimasi strategi penawaran berdasarkan konstruksi model generatif-AIGB (AI Generative Bidding)。

Secara khusus, AIGB memperlakukan indikator-indikator yang relevan seperti tawaran, sasaran optimalisasi, dan batasan sebagai distribusi probabilitas gabungan, sehingga mengubah masalah penawaran menjadi masalah pembangkitan distribusi bersyarat. Berbeda dari perspektif pembelajaran penguatan, pembelajaran ini berkorelasi langsung dengan lintasan keputusan dan informasi penghargaan (seperti yang ditunjukkan pada gambar di bawah), yang dapat menghindari akumulasi kesalahan pelatihan dan lebih cocok untuk skenario pengambilan keputusan jangka panjang. Ini adalah upaya pertama laboratorium bersama untuk menerapkan model generatif besar di bidang penawaran cerdas.Makalah terkait telah diterima pada konferensi internasional terkemuka KDD 2024。

Tentu saja, masalah intelijen pengambilan keputusan seperti "penawaran otomatis dalam lelang skala besar" masih jauh dari terselesaikan, dan penerapan AI generatif untuk masalah ini baru saja memasuki tahap uji coba. Oleh karena itu, laboratorium gabungan mengajukan pertanyaan kompetisi yang relevan kepada NeurIPS, dengan harapan dapat memanfaatkan akumulasi penelitian selama bertahun-tahun dan mengumpulkan kekuatan komunitas untuk bersama-sama mempromosikan penelitian mendalam dan solusi terhadap masalah ini.

Selain bernilai komersial, permasalahan tersebut sendiri juga mempunyai nilai penelitian yang tinggi. Karena kecerdasan keputusan mengintegrasikan disiplin ilmu seperti kecerdasan buatan, ilmu data, dan teori permainan, hal ini memberikan kerangka kerja sistematis untuk memecahkan masalah yang kompleks. Hal ini mendorong integrasi interdisipliner dan mendorong inovasi dan kolaborasi di berbagai bidang seperti ilmu komputer, statistik, dan ekonomi.

AIGB dan General Motors adalah dua jalur utama

Pendaftaran telah dibuka

Topik kompetisi “Automated Bidding in Large-Scale Auctions” terbagi menjadi dua track, yaitu:

• Jalur AIGB: Menggunakan model generatif untuk mempelajari agen penawaran otomatis
• Jalur Universal: Penawaran Otomatis dengan Ketidakpastian

Di jalur AIGB, kontestan perlu memikirkan cara membuat keputusan penawaran yang akurat untuk rangkaian panjang. Seperti disebutkan sebelumnya, ketika menghadapi masalah ini, metode pembelajaran penguatan tradisional akan dibatasi oleh faktor-faktor seperti akumulasi kesalahan, dan kinerjanya terbatas. Namun, model generatif umum telah menunjukkan potensi besar dalam tugas ini. Oleh karena itu, trek ini mengharuskan kontestan untuk mengadopsi berbagai model generatif, seperti Model Difusi, Transformer, dll., untuk menghadapi tantangan ini. Jika Anda memiliki latar belakang penelitian atau industri dalam Model Difusi, Transformer, Model Fondasi, Model Bahasa Besar (LLM), dan metode pembangkitan lainnya, Anda dapat mempertimbangkan untuk mendaftar ke jalur ini.

Secara umum, para kontestan ditantang untuk membuat keputusan penawaran yang efektif dalam lelang berskala besar, yang memerlukan kepekaan terhadap perubahan strategi pesaing secara efektif. Lingkungan lelang periklanan dunia nyata yang kompleks menghadirkan tantangan tambahan, yaitu ketidakpastian. Peserta harus mempertimbangkan keacakan kedatangan konsumen, variasi dalam prediksi perilaku konversi, ketersebaran data, dan faktor lainnya. Jika Anda memiliki latar belakang penelitian atau industri dalam pembelajaran penguatan, pengoptimalan, pembelajaran mesin, teori permainan, dan ilmu data, Anda dapat mempertimbangkan untuk mendaftar ke jalur ini.

Berpartisipasi dalam kompetisi ini akan membawa banyak hadiah. NeurIPS memiliki pengaruh internasional yang sangat tinggi, dan mencapai hasil yang sangat baik dalam kompetisi tidak diragukan lagi menjadi nilai tambah untuk resume Anda dan akan sangat membantu untuk pengembangan karir di masa depan. Selain itu, pemenang juga berkesempatan memenangkan hadiah kompetisi sebesar US$6.000, serta kesempatan magang di Alibaba, saluran hijau untuk rekrutmen kampus, dan status sarjana tamu.

Kompetisi ini juga akan menyediakan untuk pertama kalinya sekitar 500 juta data game dan kerangka pelatihan terkait. Data game berskala besar seperti itu sangat jarang terjadi di industri. Ini adalah peluang praktik dan penelitian yang baik bagi para peneliti dan praktisi di bidang kecerdasan keputusan, pembelajaran penguatan, permainan, dan model generatif.

Jadwal dan hadiahnya sebagai berikut:

• Pendaftaran trek AIGB: https://tianchi.aliyun.com/competition/entrance/532236
• Registrasi trek umum: https://tianchi.aliyun.com/competition/entrance/532226

Situs web resmi kompetisi: https://tianchi.aliyun.com/specials/promotion/neurips2024_alimama#/