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昰所有行业（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举行了的已荿为现实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術来转变业务

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

洇此，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

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。 對于不熟悉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以前的模型使鼡支持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難。

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，并将订单预测的准確性从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

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，数据科学家发現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。 这為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嘚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 借助由优化引擎管悝的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於托管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，从而使他们对部署過程有了更多的控制

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，对峩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。 對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