AI 如何帮助 Domino 改善比萨饼的配送

当使用“人工智能”（AI）和“机器学习”（ML）一词时，人们经常想到先进的行业，例如太空探索和生物医学，这些行业严重依赖研发。 事实是，人工智能和机器学习应该是所有行业（包括零售业）都在关注的东西。 我们现在处于客户服务时代，服务上的细微差异可以大大改变市场份额。

上周，Nvidia举行了年度GPU技术会议（GTC）的虚拟版本，该会议已成为现实AI / ML用例的展示。 从历史上看，该展览一直是技术含量很高的展览，但多年来，它已演变成一项活动，公司可以展示如何使用先进技术来转变业务。

 

[ 也在InfoWorld上：2020年的人工智能预测 ]

Domino's正在使用AI和ML来改善商店和在线运营

Domino's是一个熟悉的零售业务的示例，展示了其如何使用AI和ML。 该公司提出了成功的配方来改变其运营方式。 秘密要素是Nvidia的技术，领先的比萨连锁店正在使用该技术来改善商店和在线运营，提供更好的客户体验并更有效地传递订单。

因此，Domino's看到了更开心的客户和更多有关其驱动程序的提示。 但这只是多方面的一小部分。 那么，将比萨饼从多米诺骨牌的商店运到某人的房子要怎么办？ 答案很复杂。

Nvidia DGX-1服务器使Domino's加快了AI和ML计划

Domino的数据科学团队通过利用Nvidia的DGX-1服务器（用于深度学习研究的集成软件和硬件系统）来测试公司的速度和效率。 对于不熟悉DGX服务器产品线的人，Nvidia已创建了一系列可以立即投入使用并开始使用的交钥匙设备。 另一种方法是将硬件，软件和AI平台整合在一起，并正确调整整个系统。 这可能需要数周的时间。

Domino的团队创建了一个交付预测模型，该模型使用订单的属性以及Domino商店中正在发生的事情（例如当时在场的员工，经理和客户的数量）来预测订单准备就绪的时间。 该模型基于500万个订单的大型数据集，虽然规模不大，但足以创建准确的模型。 所有将来的订单都将反馈到系统中，以进一步提高模型的准确性。

 

台式机和笔记本电脑无法通过AI和ML进行削减

Domino以前的模型使用支持GPU的笔记本电脑和台式机，培训时间超过16个小时。 Domino的数据科学和AI经理Zachary Fragoso在虚拟GTC 2020上的一次演讲中说，漫长的时间框架使模型的改进极其困难。

 

DGX-1的额外计算能力使Domino的数据科学家能够在更短的时间内训练更复杂的模型。 该系统将培训时间减少到一个小时以下，并将订单预测的准确性从75％提高到了95％。 Fragoso说，该测试证明了Domino可以通过更快地训练模型来提高生产率。

 

 

[ 也在InfoWorld上：深度学习与机器学习：了解差异 ]

资源共享是DGX-1的另一个好处

Domino在此过程中发现了另一个好处：资源共享。 DGX-1上的每个GPU都非常大（具有32 GB的RAM），Domino的数据科学家可以使用其中一部分GPU，并同时运行多个测试。 有了八个这样的GPU，数据科学家发现自己可以共享资源和知识，并且可以跨团队进行协作。

过去，由于数据科学家在自己的本地环境中工作，因此在团队之间共享工作（包括代码审查和质量保证测试）一直很困难。 现在，数据科学家正在使用通用的DGX-1服务器，他们可以轻松共享完全可定制和可复制的Docker容器。 这为数据科学家提供了一个庞大的资源池，可以在需要时使用和访问资源，因此他们不会处于闲置状态。 Domino与DGX-1集成的Docker解决方案还使跨不同环境的代码重现变得更加容易，因为所有数据都包含在Docker映像中。

Domino最近购买了第二台DGX-1，并开始将Kubernetes容器管理系统添加到组合中。 借助由优化引擎管理的Kubernetes，Domino可以为所有数据科学家动态分配资源，并更快地启动容器。 根据Fragoso的说法，即使是不熟悉Linux的数据科学家也可以通过点击鼠标来启动Docker容器。

在部署方面，Domino创建了一个推理堆栈，其中包括一个Kubernetes集群和四个Nvidia GPU。 这样，数据科学家可以使用在DGX-1上使用的相同Docker容器框架进行交互并构建模型。

 

Domino还收购了一个名为Datatron的机器学习操作平台，该平台位于带有GPU的Kubernetes集群的顶部，并为Domino提供了ML特定的功能。 Datatron允许实时监视模型性能，因此如果他们的模型需要重新训练，则可以通知数据科学家。

AI和ML正在IT部门的范围内快速发展

将推理堆栈引入内部，可使Domino拥有云提供商所提供的用于托管ML模型的所有优势，同时将所有数据和资源保留在内部。 Fragoso在演讲中解释说，它改变了数据科学家部署模型的方式，从而使他们对部署过程有了更多的控制。

 

[ 通过InfoWorld Daily新闻通讯了解软件开发，云计算，数据分析和机器学习方面的最新发展 ]

Fragoso最后向其他希望将这些技术引入内部的公司提供了建议：“考虑一下您的数据科学家将如何合作和协作。 在我们的案例中，DGX-1和我们的数据科学家正在一个共同的工作空间中进行交互。 当我们第一次购买该产品时，这是我们团队没有真正考虑的事情，对我们来说是真正的价值。”

从历史上看，数据科学家是公司内部的独立孤岛。 越来越多的IT组织被要求承担为AI和ML计划提供正确技术的任务。 对于大多数公司而言，数据科学家是昂贵的资源，让他们坐在那里等待模型完成就像在窗外扔好比萨。 正确的基础架构（例如DGX服务器系列）使公司能够加快处理时间，从而使数据科学家能够工作更多而等待更少。

 

From: https://www.infoworld.com/article/3535230/how-ai-helped-domino-s-improve-pizza-delivery.html