WakeData李翔出席WOT2018全球峰会，分享新零售场景下的AI落地

11月30日，由51CTO主办的WOT2018 全球人工智能技术峰会在北京召开，WakeData惟客数据算法负责人李翔博士在会上为大家介绍了WakeData惟客数据的人脸识别、情绪分析及推荐相关的算法。他表示，WakeData将继续深究大数据挖掘、利用更严谨周全的算法，帮助企业更好地了解客户的消费情况及打造专属的个性化服务等，以可“落地”的AI方案，助力新零售起飞。

李翔博士毕业于中山大学，主要工作与研究方向为机器学习、深度学习、城市计算等领域，先后就职于中兴通讯、中国工商银行、魅族科技等知名企业，拥有八年人工智能领域的研发经验，主要负责应用分发、用户画像、Feed流推荐、计算广告、人脸识别等项目，曾在IEEE Trans等国际著名期刊发表过学术论文，参与多项国家自然科学基金项目，现担任WakeData惟客数据算法负责人，致力于新零售场景下的AI落地与实践。

他认为，对于新零售来说，数据无疑是最重要的生产资料。新零售其实就是换种方式，让线下零售做得更好。当把零售交易比喻为黑盒时，盒子的输入是数据，盒子的输出则是服务。而对于处在链条最上层的AI来说，最关键的是如何在从数据到服务的这个过程中发力，推动新零售的发展。

对于线下零售目前的难点，他从技术上归纳为会员、消费数据没有打通，其次是为消费者提供的服务扁平化、无差别。他希望能够帮助线下企业打通数据，并以人脸做为识别ID，借助AI让企业更了解自己的客户，从而为客户提供更好的服务。

据他介绍，目前WakeData所采用的AI人脸识别方案是包含人脸、情绪、年龄、性别四个维度的识别方式。他描述了客户首次到店，AI摄像头捕捉人脸并进行分类的过程同时详解了其中的算法设计：通过深度理解和尝试不同网络结构和目标函数的组合，采用了100层以上的ResNet结构以及Arcface，在公开数据集以及真实场景中都达到了很好的效果。真实场景下，当客户首次到店时，摄像头将捕捉到的人脸与现有数据库进行匹配，并且在个人对应的文件夹中记录他的多种角度下、不同动作、甚至不同光线下的faceid，然后通过对实际场景捕捉到的画面分析，进行“自然、满意、不满意”三个类别去区分，同时对其进行年龄以及性别进行评估，采集出客户的专属画像，以此为企业提供经营和营销参考。期间，李翔博士还跟大家分享了在人脸识别技术手段上的一些小技巧，比如在解决侧脸对人脸识别的干扰时，通过同一个深层模型就可以识别出人脸的角度，在不增加额外计算量的前提下，使人脸识别落地的效果更好。

个性化服务、专属服务等在消费升级的这个时代中，对于零售行业来说至关重要，而数据又是服务定制的基本原料，其重要性不言而喻。对于推广新零售的WakeData来说，帮助零售企业客户实现经营数据化、数据资产化、为线下企业提供一站式客户经营大数据解决方案，正是义不容辞的使命。他最后还谈到，“数据可以是各种维度各种层次的，包括销售数据、商品数据，客户的属性，客户到店的时间地点环境等。举个关于环境的例子，当寒冷的冬天，客户走进奶茶店扫描二维码点单的时候，如果可以给他推荐一杯温暖的热可可，而不是什么冷饮，客户应该会喜欢。” 李翔博士表示。

最高级的服务应该是私有化的专属服务，譬如通常会听到商家宣传，要提供家一般温暖的服务，那是因为家人通过对你多年的关心，通过各种数据纬度的了解，才知道你的各种喜好，不需要你表达就可以让你感受到温暖。所以，我们依旧会在把数据转向“关心”的路上努力前进。