notizia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Macchina Cuore Originale

Autore: Zhang Qian

Essere in grado di "fare offerte" è anche un'abilità molto pratica.

Tra le tante conferenze di spicco sull'intelligenza artificiale, a quale posto appartiene NeurIPS? Qualcuno lo ha inserito nell'universo de "La leggenda di Zhen Huan" e ne ha fatto una foto: probabilmente merita la "seconda posizione".

Fonte immagine: utente Xiaohongshu @云juanyeshu

Questa classifica può essere controversa, ma non c'è dubbio che NeurIPS è sempre stato tra i primi tre nelle principali conferenze sull'intelligenza artificiale ed è stato a lungo nella top ten delle riviste globali di Google Scholar e delle principali conferenze in tutte le discipline.

Pertanto, poter pubblicare articoli in questa conferenza è un obiettivo comune di molti ricercatori sull’intelligenza artificiale. I documenti innovativi di AlexNet, Transformer e GPT-3 sono tutti documenti accettati di questa importante conferenza.

Tuttavia, vale la pena notare che i documenti non rappresentano l’intero valore di NeurIPS. Alcuni concorsi organizzati durante la conferenza potrebbero essere più adatti ad alcuni ricercatori e ingegneri che si concentrano sulla pratica dell’intelligenza artificiale. Anche i funzionari di NeurIPS hanno affermato: “Questi concorsi svolgono un ruolo importante nella ricerca e nella risoluzione di problemi complessi」。

Allora dove posso trovare questi concorsi? In effetti, i funzionari di NeurIPS hanno pubblicato un blog a giugno fornendo specificamente un elenco di queste competizioni.

L'elenco contiene un totale di 16 domande del concorso, ognuna delle quali è stata vagliata e ha il "Ampio valore della ricerca scientifica」。

Queste domande del concorso vengono raccolte ufficialmente da NeurIPS. A giudicare dall'esperienza degli anni passati, la maggior parte delle domande del concorso che alla fine possono essere selezionate provengono da università, istituti di ricerca o aziende tecnologiche straniere come Google, OpenAI, Meta, ecc. Le domande del concorso presentate dall'industria nazionale hanno un punteggio molto basso possibilità di essere selezionato. Quest'anno, vista la popolarità della pista per modellini di grandi dimensioni, la competizione nella competizione è ancora più intensa.

Ma ciò che sorprende è che in un ambiente così fortemente competitivo ci sono ancora persone che si distinguono nel settore nazionale”.Offerte automatiche nelle aste su larga scala: apprendimento del processo decisionale in giochi incerti e competitivi(Offerte automatizzate nelle aste su larga scala: decisioni di apprendimento in giochi incerti e competitivi)" è l'argomento del concorso che hanno presentato.

Sito ufficiale del concorso: https://tianchi.aliyun.com/specials/promotion/neurips2024_alimama#/

Questa domanda di concorso è stata prodotta dal team di cooperazione decisionale dell'intelligence del Laboratorio congiunto per l'innovazione dell'intelligenza artificiale dell'Università di Pechino (PAAI) Come prima unità, il team di tecnologia dell'intelligence decisionale di Alimama ha presentato la domanda congiuntamente ai gruppi di ricerca di Il professor Deng Xiaotie e il professor Lu Zongqing dell'Università di Pechino. Dopo aver selezionato il titolo del concorso, Alimama ha ottenuto il diritto di ospitare il concorso, diventando l'unica organizzazione del settore nazionale ad aggiudicarsi il diritto di ospitare il concorso NeurIPS quest'anno.

Il tema del concorso ruota attorno al problema delle "offerte automatizzate nelle aste su larga scala". Questo problema è strettamente correlato all'interfaccia in cui apriamo ogni giorno le app di shopping per cercare e sfogliare i prodotti. Dietro c'è un'enorme ricerca e un valore commerciale.I giudici esperti di NeurIPS hanno valutato la domanda del concorso come "Praticamente importante, ben organizzata e ben testata (Praticamente importante, ben organizzata e ben testata)"。

Allora, qual è il problema con le "offerte automatizzate nelle aste su larga scala"? Perché è stato proposto dal Laboratorio congiunto per l’innovazione dell’intelligenza artificiale dell’Università di Pechino e di Alimama e ha ricevuto così grandi elogi? Cosa fanno esattamente i concorrenti? Il Cuore della Macchina verrà smantellato uno per uno in questo articolo.

Che cosa sono le "offerte automatizzate nelle aste su larga scala"?

Per capire cosa sono le "offerte automatiche nelle aste su larga scala", ricordiamo innanzitutto l'esperienza dell'apertura di Taobao e dell'inizio degli acquisti.

Ogni volta che inserisci una parola chiave, il sistema visualizzerà una pagina di prodotto. Questa pagina infatti è molto particolare: quali prodotti appariranno e quali prodotti si classificheranno per primi sono il risultato di calcoli precisi da parte del sistema. Gli annunci sono il risultato della piattaforma che gestisce un meccanismo di aste per assegnare spazi pubblicitari agli inserzionisti.

La logica di funzionamento dell'intero processo è la seguente: in primo luogo, la piattaforma costruirà un profilo utente analizzando gli interessi e i modelli di comportamento dell'utente. Quando gli utenti cercano o sfogliano prodotti su Taobao, la piattaforma avvierà immediatamente il processo di asta pubblicitaria in background. Gli inserzionisti partecipano a quest'asta attraverso il meccanismo delle offerte, sperando di avere l'opportunità di visualizzare i propri annunci. Il sistema di offerta automatica svolge un ruolo fondamentale in questo processo. Prende in considerazione il profilo dell'utente, i dati comportamentali, gli obiettivi di promozione dell'inserzionista, i vincoli di budget e vari fattori nell'ambiente dell'asta per calcolare la strategia di offerta ottimale in tempo reale. Sulla base di questi dati e dei risultati dei calcoli, la piattaforma selezionerà l'annuncio con l'offerta più alta e le esigenze dell'utente più rilevanti. Questi risultati degli annunci vengono visualizzati agli utenti insieme ai risultati organici. L’intero processo è completamente automatizzato e può essere completato in tempi molto brevi.

Da questo processo si può vedere cheAttraverso il sistema di offerte automatizzate, gli inserzionisti possono semplificare notevolmente il processo pubblicitario e utilizzare la tecnologia dell'intelligenza artificiale per ottenere un marketing preciso, risparmiando così tempo ed energia.

Nel 2023, il mercato globale della pubblicità online raggiungerà i 626,8 miliardi di dollari. La tecnologia delle offerte automatizzate è fondamentale per favorire la sua crescita continua. Domande di ricerca simili includono strategie pubblicitarie e altri progetti di meccanismi, che appartengono tutti all'ambito di ricerca dell'intelligenza decisionale. La ricerca relativa all'intelligenza decisionale può portare nuovi metodi operativi alle imprese e ridurre la loro dipendenza dalle persone nei meccanismi decisionali, aumentando così in modo significativo il tasso di crescita dei ricavi dell'azienda e ampliando il suo spazio di crescita.

Tuttavia, non è facile fare l'"offerta automatica" nella domanda di concorso. Perché il sistema di offerte automatizzate deve far fronte a un'enorme e complessa marea di dati, che comprende dati sul comportamento degli utenti, dati pubblicitari, dati sulle offerte e altre informazioni multidimensionali, e questi dati verranno aggiornati in tempo reale. Inoltre il sistema deve prendere decisioni in un ambiente di gioco pieno di incertezze e non può ottenere informazioni complete su tutti i fattori che lo influenzano. Pertanto, il sistema può fare affidamento solo sui dati attualmente disponibili e sull’esperienza storica accumulata per fare previsioni e prendere decisioni attraverso algoritmi intelligenti, cercando di fare scelte di offerta ottimali in un ambiente di mercato in rapida evoluzione.

Percorso di ottimizzazione "Offerte automatiche".

Dall’apprendimento per rinforzo all’intelligenza artificiale generativa

Nel complesso, l'approccio del settore alle offerte ha attraversato quattro generazioni di evoluzione. Alimama ha inoltre condotto molti anni di ricerca sull'ottimizzazione delle strategie di offerta automatizzata.

• Prima generazione: classe di controllo classica. Il problema di ottimizzazione della massimizzazione dell'effetto si trasforma indirettamente nel problema di controllo del consumo di bilancio. Calcola la curva di consumo in base ai dati aziendali e controlla il più possibile il budget da consumare in base alla curva impostata. Il PID e i relativi miglioramenti sono algoritmi di controllo comunemente utilizzati in questa fase. Quando la distribuzione del valore del traffico delle offerte è stabile, questo tipo di algoritmo può sostanzialmente raggiungere l’effetto di ottimizzazione all’inizio del lancio dell’attività.
• Seconda generazione: lezione di pianificazione e risoluzione. Rispetto alla prima generazione, l'algoritmo di pianificazione e risoluzione (LP) è direttamente orientato a risolvere il problema della massimizzazione degli obiettivi. È possibile prevedere l'attuale insieme di traffico futuro in base al traffico delle offerte del giorno precedente per risolvere i parametri di offerta. Il problema dell'offerta automatica diventa un nuovo sottoproblema in base ai dati attualmente forniti, quindi può essere risolto più volte con questo metodo, ovvero LP online. Questo tipo di metodo si basa su previsioni accurate del futuro traffico partecipante, quindi quando si implementa lo scenario reale, è necessario fare più lavoro sulla previsione della qualità e della quantità del traffico futuro.
• La terza generazione: l'apprendimento per rinforzo. Nell'ambiente reale, l'ambiente delle offerte online è molto complesso e cambia dinamicamente, ed è difficile prevedere con precisione la futura raccolta del traffico. Solo coordinando l'intero ciclo del budget è possibile massimizzare l'effetto. Come un tipico problema decisionale in sequenza, la terza fase utilizza metodi di apprendimento per rinforzo per ottimizzare la strategia di offerta automatica. Il suo processo iterativo si è evoluto dall'implementazione iniziale dei classici metodi di apprendimento per rinforzo, all'ulteriore approssimazione della "distribuzione dei dati nell'ambiente reale online" basata sul metodo RL offline, fino alla fase finale di avvicinamento all'essenza del problema e implementazione dell'apprendimento interattivo con l'ambiente di gara reale basato sul metodo RL online.
• La quarta generazione: generazione di classi di modelli. I modelli generativi di grandi dimensioni rappresentati da ChatGPT stanno arrivando con grande slancio e hanno mostrato risultati sorprendenti in molti campi. Nuovi concetti e paradigmi tecnici possono apportare aggiornamenti rivoluzionari agli algoritmi delle offerte automatizzate. Il team tecnico di Alimama ha preso accordi in anticipo, ha rimodellato il sistema tecnico di marketing pubblicitario intelligente con il grande modello decisionale di marketing intelligente AIGA (AI Generated Action) come nucleo e ha derivato strategie di offerta automatica rappresentate da AIGB (AI Generated Bidding).

Quando l’ultima ricerca del settore sarà giunta alla terza generazione (2022),È stato istituito il Laboratorio congiunto per l'innovazione dell'intelligenza artificiale (PAAI) dell'Università di Pechino e di Alimama .Questo laboratorio riunisce molti grandi nomi dell'industria e del mondo accademico: Preside della School of Intelligence dell'Università di PechinoZhu SongchunIl professore guida la guida accademica, professore titolare della cattedra dell'Università di PechinoDeng Xiaotie, Professore associato, Scuola di Intelligence, Università di PechinoCanzone Guojiee il direttore tecnico dell'AlimamaZheng Bo Sono tutti membri principali del laboratorio. Diversi esperti guidano il laboratorio per continuare a studiare questioni di intelligence decisionale come le offerte automatiche basate sui risultati esistenti.

Durante il processo di ricerca, hanno scoperto che il metodo originale di apprendimento per rinforzo presentava alcune limitazioni, come il problema dell’eccessivo accumulo di errori di addestramento in scenari decisionali a lunga sequenza come le offerte automatiche. Allo stesso tempo, ChatGPT sta verificando le potenti capacità dell’intelligenza artificiale generativa in molteplici campi. Quindi il team ha iniziato a pensare a cosa i modelli generativi potrebbero apportare alle strategie di offerta automatizzata. Finalmente,Hanno proposto uno schema di ottimizzazione della strategia di offerta basato sulla costruzione di modelli generativi-AIGB (AI Generative Bidding)。

Nello specifico, l'AIGB tratta indicatori rilevanti come offerte, obiettivi di ottimizzazione e vincoli come una distribuzione di probabilità congiunta, trasformando così il problema delle offerte in un problema di generazione di una distribuzione condizionale. Diversamente dalla prospettiva dell'apprendimento per rinforzo, correla direttamente la traiettoria decisionale e le informazioni sulla ricompensa (come mostrato nella figura seguente), che può evitare l'accumulo di errori di addestramento ed è più adatto a scenari decisionali a lunga sequenza. Questo è il primo tentativo del laboratorio congiunto di applicare modelli generativi di grandi dimensioni nel campo delle offerte intelligenti.Documenti correlati sono stati accettati dalla più importante conferenza internazionale KDD 2024。

Naturalmente, i problemi di intelligence decisionale come “le offerte automatizzate nelle aste su larga scala” sono lungi dall’essere risolti, e l’applicazione dell’intelligenza artificiale generativa a questi problemi è appena entrata nella fase di sperimentazione. Pertanto, il laboratorio congiunto ha presentato domande di concorso pertinenti a NeurIPS, sperando di sfruttare anni di accumulo di ricerca e raccogliere il potere della comunità per promuovere congiuntamente ricerche approfondite e soluzioni a questi problemi.

Oltre al valore commerciale, questi problemi stessi hanno anche un alto valore di ricerca. Poiché l’intelligenza decisionale integra discipline come l’intelligenza artificiale, la scienza dei dati e la teoria dei giochi, fornisce un quadro sistematico per risolvere problemi complessi. Ciò promuove l’integrazione interdisciplinare e guida l’innovazione e la collaborazione in settori quali l’informatica, la statistica e l’economia.

AIGB e General Motors sono due piste importanti

La registrazione è aperta

Il tema del concorso "Offerte automatizzate nelle aste su larga scala" è diviso in due percorsi, vale a dire:

• Percorso AIGB: utilizzo di modelli generativi per apprendere gli agenti di offerta automatica
• Traccia universale: offerte automatizzate con incertezza

Nella traccia AIGB, i concorrenti devono pensare a come prendere decisioni accurate sulle offerte per lunghe sequenze. Come accennato in precedenza, di fronte a questo problema, i metodi tradizionali di apprendimento per rinforzo saranno limitati da fattori come l’accumulo di errori e le loro prestazioni sono limitate. Tuttavia, i modelli generativi generalizzati hanno mostrato un grande potenziale in questo compito. Pertanto, questo percorso richiede ai concorrenti di adottare un'ampia gamma di modelli generativi, come modelli di diffusione, trasformatori, ecc., per affrontare questa sfida. Se hai un background di ricerca o di settore in modelli di diffusione, trasformatori, modelli di base, modelli linguistici di grandi dimensioni (LLM) e altri metodi di generazione, potresti prendere in considerazione l'iscrizione a questo percorso.

Nel percorso generale, i concorrenti sono sfidati a prendere decisioni efficaci sulle offerte nelle aste su larga scala, il che richiede di percepire efficacemente i cambiamenti nelle strategie dei concorrenti. Il complesso ambiente delle aste pubblicitarie nel mondo reale comporta ulteriori sfide, vale a dire l’incertezza. I partecipanti devono considerare la casualità degli arrivi dei consumatori, la varianza nelle previsioni sul comportamento di conversione, la scarsità dei dati e altri fattori. Se hai un background di ricerca o di settore nell'apprendimento per rinforzo, nell'ottimizzazione, nell'apprendimento automatico, nella teoria dei giochi e nella scienza dei dati, potresti prendere in considerazione l'iscrizione a questo percorso.

Partecipare a questo concorso porterà molte ricompense. NeurIPS ha un'altissima influenza internazionale e ottenere ottimi risultati nelle competizioni è senza dubbio un punto in più per il tuo curriculum e sarà molto utile per il futuro sviluppo della carriera. Inoltre, il vincitore avrà anche l’opportunità di vincere un premio del concorso di 6.000 dollari, nonché opportunità di stage presso Alibaba, un canale verde per il reclutamento nei campus, e lo status di visiting scientist.

Questo concorso metterà inoltre a disposizione per la prima volta circa 500 milioni di dati di gioco e il relativo quadro formativo. Tali dati di gioco su larga scala sono molto rari nel settore. Questa è una buona pratica e un'opportunità di ricerca per ricercatori e professionisti nei campi dell'intelligenza decisionale, dell'apprendimento per rinforzo, dei giochi e dei modelli generativi.

Il programma ed i premi sono i seguenti:

• Registrazione pista AIGB: https://tianchi.aliyun.com/competition/entrance/532236
• Registrazione generale della pista: https://tianchi.aliyun.com/competition/entrance/532226

Sito ufficiale del concorso: https://tianchi.aliyun.com/specials/promotion/neurips2024_alimama#/