推薦系統可保持使用者互動
推薦系統是向終端使用者推薦產品、內容或服務的 AI 工作流程。最常見的 AI 推薦系統類型，是直播和電子商務平台使用的內容推薦系統。
這些系統結合各種技術，例如協作式篩選可預估，特定終端使用者對於他們可能想看的電影或電視影集的喜愛度，或是他們對於可能想購買的新產品的喜愛度。推薦系統可讓終端使用者與平台保持互動，這樣一來，他們才會繼續訂閲、購買產品，或是在觀看內容時觀看廣告。
優秀的推薦系統有哪些要素？
推薦系統的成效主要取決於三項因素：準確度、反應能力與成本。
- 準確度是指根據終端使用者興趣與品味量身打造的建議。推薦系統整合意見反應機制，例如比讚或倒讚的簡單動作，讓終端使用者對推薦的好壞表示意見，進而增強 AI 的學習能力，改善準確度。
- 回應能力是指，推薦系統快速顯示新選項，並且讓使用者保持互動的能力。載入時間長或與平台互動的任何困難度稱為阻力，而阻力越大，使用者登出或離開平台的人數越多。
- 成本是指推薦系統的初始投資或資本支出，與持續營運支出（OpEx）達成平衡。成本效率還會考慮為了滿足使用者需求擴充工作負載，同時儘量縮短停機時間，以及在雲端環境管理工作負載。
哪些人使用推薦系統？
推薦系統多半與消費者互動，在電子商務領域備受矚目，會為線上購物者推薦產品；社群媒體，會推薦內容與創作者，並且編排動態消息或時間軸內的項目；直播娛樂，會推薦引人入勝的內容，讓使用者繼續訂閲平台。個人化的銀行業務則是新興使用案例的一個例子，銀行會推薦新型的帳戶、投資與其他服務，擴大客群。
推薦系統如何運作
推薦模型這個管道，包含多個不同的 AI 模型與資料分析工作流程。這個管道可以在一條環鏈中，包含多達上百種不同的流程，以使用者為基礎提供整合性的預測。任何一個推薦系統工作流程，通常都有三個階段：
- 分類：這些模式使用電腦視覺和自然語言處理（NLP）將內容的元素分類。
- 召回與相似度搜尋：這些程序會拼湊出項目或物件相似特徵的不同類別。
- 排名：推薦系統會依照相關性編排項目，通常使用 Wide & Deep 或 DLRM 深度學習模型。
合適的推薦系統基礎架構
推薦訓練與推論工作負載通常在資料中心伺服器執行，有時是內部部署伺服器，有時是雲端伺服器。設計及部署推薦系統時，系統開發商與解決方案供應商面臨的主要難題包括，增加工作負載密度、平衡使用率，以及加速結果出爐。軟體工程師最棘手的難題則在於，既要向終端使用者回傳準確、相關且快速的結果，還要將程式碼最佳化，為雲端和內部作業提高效率。
Intel 讓任何規模 AI 推薦系統的每個階段如虎添翼
為了解決這些推薦系統難題，協助您加速全企業從概念到正式作業的過程，Intel 提供的不僅是架構。我們在全球聘僱大量經驗豐富的軟體開發者，其中很多人專精於 AI，包括推薦系統。此外，Intel 可結合軟硬體專業知識，在微調過的平台最佳化 AI 推薦系統，提供難能可貴的優勢。
這些強化功能已經讓全球企業的推薦系統如虎添翼：
閱讀 Intel® AI 最佳化如何讓 Taboola 廣告推薦效能提高 2.5 倍
閱讀 Intel® AI 最佳化如何加速 Yahoo!Japan Shopping 推薦達 3.5 倍
參考架構與 Intel 技術最佳化的熱門架構版本，例如 PyTorch 與 TensorFlow，締造了眾所周知的成功秘訣，能夠讓開發者與系統開發商受惠無窮。部署時間加速、客戶或使用者互動情況改善，以及銷售量或廣告收益提高，皆可讓企業受益。
廣泛的推薦系統硬體，可依據您的需求搭配運算能力
資料準備完成後，AI 推薦系統分兩個階段實作：模型訓練與部署推論，其中又包含許多步驟。各個階段的架構要求各異。平行化程度越高，模型訓練速度越快，不過將模型最佳化時，運算要求卻更低。部署後，推薦系統推論會在專為管理大型模型與大量資料而打造的高核心數、高記憶體容量 CPU 高效執行。
- 推薦系統 AI 模型訓練：Habana® Gaudi® 處理器與 Intel® Max Series GPU 皆支援高度平行化，可實現快速的 AI 模型訓練工作負載。
- 推薦系統 AI 模型訓練與推論：Intel® Xeon® 可擴充處理器是 AI 訓練與推論的最佳 CPU1，而且在公有雲立即可供使用。
- 推薦系統 AI 加速：最新一代的 Intel® Xeon® 可擴充處理器還具有整合式 Intel® AI Engines，無須額外硬體即可協助加速結果出爐。這些引擎可協助大幅提升 AI 效能，並且降低硬體要求，因此總體擁有成本隨之降低。AI 調整指南這份逐步說明，有助於充分利用這些內建 AI 加速器的優勢。
- 推薦系統工作負載的整合式安全功能：唯有 Intel 提供 Intel® Software Guard Extensions (Intel® SGX) 這類創新的安全功能，協助保護記憶體資料，為您提供額外的安全保護層，尤其適用於多租戶雲端環境的推薦系統。始於硬體層的安全觀，有助於組織保護敏感資料與模型，協助遵守隱私權法規。
利用端對端 AI 管道軟體建立推薦系統
Intel 將 PyTorch 與 TensorFlow 這類熱門 AI 架構最佳化，在 Intel® 架構提供增強的效能，超越原始實作方式，加快訓練及部署的時間。開發者可以取用快速入門指南，獲得如何用幾行程式碼部署這些強大工具的說明。
針對零售使用案例，Intel 也提供了推薦系統參考工具組，其中包含訓練資料、模型與資料庫，可讓您快速啟動專案。這個工具組反映了成功部署的經驗反思，結合 Intel® 硬體機器學習工作負載適用的預先調校軟體套件。開發者可以在 GitHub 存取這個工具組。
此外，Intel 還與多家 AI 軟體供應商合作，將軟體在 Intel® 架構的效能最佳化。如需低接觸解決方案，請造訪 Intel 關於 Hugging Face 的簡介，或是 Intel® 解決方案市場。
與 Intel 一起將 AI 推薦系統引進任何地方
Intel 的社群中心與產業領導地位，有助於您加速 AI 推薦系統設計與開發工作方面的創新。存取程式碼與最佳化，並且取得相關硬體解決方案的秘訣，而且方案的關鍵特色有助於確保您的 AI 部署成功。