亚马逊云科技宣布,中国社交及直播出海标杆企业Joyme(乐我无限)全面使用亚马逊云科技来实现卓越运营,助力海外业务快速发展。Joyme采用亚马逊云科技在计算、存储、数据分析、机器学习等方面的多项核心服务,从过去粗放的经营模式转化为精细化运营,并通过创新开发直播内容审核识别系统和欺诈交易识别系统,加强风险合规管控,提升运营效率,实现了内容管理相关的业务成本降低40%,用户粘性提升10%,每年减少欺诈交易损失上百万美元。
Joyme是猎豹移动孵化的公司,其核心业务全球社交平台LiveMe汇集了来自200多个国家和地区的100多万名主播,月活跃用户数(MAU)超过3700万。目前该平台每天产生10万小时以上的直播内容,已经累积实现了1.2亿次的下载量。近年来,全球移动互联网市场的红利逐步消失,企业的获客成本越来越高,Joyme需要通过精细化运营稳住核心用户,同时拓展新渠道和新用户。同时,各国对直播内容平台的合规要求日趋严格,LiveMe需要强化合规,对直播内容进行高效的审核和管理。另外,在直播交易中,海外支付环境不同于国内,欺诈交易的风险较高,给LiveMe带来潜在的经济损失,为此Joyme也积极开展应用创新,尝试通过机器学习进行内容审核识别和欺诈交易识别。
LiveMe直播平台从一开始就构建在亚马逊云科技之上。亚马逊云科技“云、数、智三位一体” 服务组合赋能业务人员高效利用数据洞察,规模化应用机器学习,充分运用和发挥数据和AI的优势和创新作用,全面提升业务运转的效率,打造业务的可持续发展。
Joyme依托于亚马逊云科技,构建了支撑数据分析、内容分发推荐、风控、内容审核等功能的数据基础底座:利用Amazon Simple Storage Service(Amazon S3)存储数据,利用Amazon Aurora、Amazon Redshift和Amazon Opensearch Service高效地组织和管理海量数据。在此基础上,Joyme构建了内容审核识别系统和欺诈交易识别系统,利用Amazon EMR完成数据处理,利用标注平台完成样本标注,使其能够每天识别1亿张图片、10万条以上的视频和10万条以上的音频;利用Amazon SageMaker及相关服务,解放算法工程师的双手,让其高效完成建模与分析、数据特征和数据流构造、模型训练与推理、模型试错与优化的全套流程,让模型迭代周期缩短1倍,模型效果提升1倍。
在内容审核识别系统中,Joyme大量运用识别算法、检测算法、分割算法以及多模态相关算法,实时提取主播的内容特征,进行风险合规管控,识别优质内容、提高推荐效率,提升内容消费的宽度和深度。通过优化内容管理流程,让相关业务管理成本降低了40%;通过优化内容分发推荐系统,让用户黏性提升了10%。在欺诈交易识别系统中,Joyme通过引入机器学习能力,辅助运营人员识别线上订单交易风险,辅之以线下的风控运营,阻止欺诈交易,每年减少上百万美元的经济损失。
Joyme创始人、CEO何雁丹表示:“Joyme一直致力于通过技术创新,为全球用户创造有趣、有爱、卓越体验的互联网产品和服务;同时,不断提升运营效率,实现降本增效。亚马逊云科技‘云、数、智’三位一体的服务组合帮助Joyme加速了业务创新,并充分发挥数据和AI优势助力业务快速发展。未来,我们将探索利用亚马逊云科技更多新技术,例如在虚拟形象、语音驱动、图数据分析、跨区域容灾与自动伸缩、成本优化等方面,持续优化全球用户体验,提升运营效率。”
亚马逊云科技中国区数字原生事业部总经理梁岩表示:“亚马逊云科技广泛而深入的云服务为客户的业务和产品创新提供了诸多可能性,尤其大数据分析和机器学习的深度融合将为客户带来立竿见影的价值。Joyme通过借助亚马逊云科技的技术底座实现了精细化运营,其成果令人欣喜,也为业界树立了标杆。我们希望能凭借更多大数据与机器学习领域的领先技术,以及服务全球数百万客户的经验,为更多客户的业务发展提供创新力。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。