《阿凡达》

转换技术系列突出了思科的非营利性赠款接受者,利用技术帮助改变个人和社区的生活。

人工智能(AI)和机器学习(ML)被用于许多不同的行业。AI和ML创造了更高效的虚拟医疗访问和更直观的在线教育平台。它们通过物联网设备来监测土壤健康,并为人们提供获取银行和其他金融服务的新方法,从而加强农业。

思科AI产品经理
艾莉亚·泰勒,思科人工智能产品经理

这种技术也可以用来改善非营利组织为当地社区提供的服务。在思科,我们有一个经过证明的记录,通过我们的战略社会影响赠款支持非营利组织,以及强大的回馈文化。思科的AI for Good项目通过将思科数据科学人才与没有资源使用AI/ML实现其目标的非营利组织联系起来,将这些价值结合在一起。

思科AI产品经理、前数据科学家艾莉亚·泰勒(Arya Taylor)负责AI for Good项目。Arya分享道:“AI for Good专门致力于思科的数据科学界。我们听说很多数据科学家都想把他们的技能用于解决问题。”

AI for Good团队通过与管理思科社会影响力赠款的团队以及直接接触非营利组织,不断努力扩大其非营利合作伙伴网络。AI for Good志愿者支持的组织之一是思科的非营利合作伙伴Replate.总部位于加利福尼亚州奥克兰市的Replate通过一个数字平台减少了食物浪费,该平台让企业可以方便地安排按需取走多余的食物。Replate的食品救援人员将捐赠的食品交给非营利性合作伙伴,由他们分发给所有年龄和背景都面临食品不安全的人。

思科的数据科学家使用ML来预测食物供应并优化Replate的运营

思科的AI for Good团队花了6个月的时间与Replate合作,开发了一个可以预测食物供应的模型,以最大限度地回收食物并优化运营。Replate的员工通过WebEx与思科的AI for Good团队会面,分享更多关于他们的食物回收方法。思科数据科学家首先评估了Replate的需求范围,并学习了如何最好地应用他们在ML方面的技能来产生影响。

思科的数据科学家之一,阿尔希·贾纳基拉曼
arthi Janakiraman,思科数据科学家

这个Cisco AI for Good项目由数据科学家Aarthi Janakiraman领导,她也是公益事业的冠军,这意味着她从头到尾领导了这个项目,以确保项目的成功。该项目的其他成员包括数据科学家Idris Kuti和ML操作专家David Meyer。该团队研究了思科的机器学习模型如何让Replate在他们的捐赠网络中预测多余的食物供应。

由于Replate向其合作伙伴提供了各种捐赠计划,因此计算可用性和能力可能具有挑战性。因此,思科的数据科学家们开发了一种ML模型,可以预测每个捐赠者在任何一天的捐赠总量。这种更准确的预测有助于Replate提供食物的食品救援人员,以及依赖送餐服务的非营利组织。

“在我们的项目开始之前,”Arya解释道,“Replate使用基于规则的模型,使用不同的阈值来决定估计的数量。但是在机器学习中没有一个单一的门槛可以适用于每一个捐赠者;它只是对捐赠者变得更加个性化,并随着收集到更多数据而发展。所以,它更像我们的大脑,而不是一个静态的概括。”

阿尔希举了一个例子:“假设有一个为Replate捐赠的人,他们告诉我们,下周五他们将能够提供60盘食物。这个数字往往是一个扭曲的估计——捐款通常来自杂货店、企业自助餐厅或农贸市场,由于消费的多变性,这些人可能无法提供准确的预测。我们的模型将吸收有关捐赠者的不同信息,并估计出更准确的捐赠金额(以磅计)。该估计将进入Replate的算法,并将食物救援任务匹配到正确的司机。”

通过结合机器学习模型,Replate还可以预测现有和新的合作伙伴的捐赠量。新捐赠机构第一次募集的数量将根据来自类似地区或行业的捐赠机构的数据进行预测。“这种预测将对我们的行动产生重大影响,使我们能够更好地完成任务,”Replate的高级数据科学家迈赫兰·纳瓦比(Mehran Navabi)说。“Replate将把这些模型实现到我们的代码库中,并将它们集成到我们现有的路由算法中。这些算法将联合起来,自动派送每位捐献者。”

两个戴着面具的人带着一车食物进来
食物救援者正在送货

思科和Replate:共同努力,创造持久的变化

Replate的团队与思科数据科学家会面,在整个项目生命周期中每两周汇报一次进度,并讨论如何提高平台的技术能力。AI for Good团队创建的模型将使更智能的调度成为可能,这将使更多的食品被回收并运送到有需要的社区。

Mehran Navabi是Replate的高级数据科学家
Mehran Navabi是Replate的高级数据科学家

Mehran说,Replate面临的一个挑战是满足其非营利合作伙伴的不同需求和期望,这些合作伙伴为不同的人口提供不同的食物储存和分发能力。拥有一个预测食物供应的模型可以减少浪费,并帮助Replate将食物运送任务与正确的司机联系起来,以确保尽可能多的食物将被给予有需要的人。该项目甚至可以通过向Replate提供做出更智能、更有预见性的调度决策所需的信息,增加可回收的剩余粮食数量。

现在,思科的AI for Good团队将把这个项目移交给Replate,并给他们留下一份维护计划,允许他们在谷歌云平台上对模型进行再培训。他们还建立了一个服务,可以跟踪模型的准确性,所以任何调整都可以随着时间的推移。

迈赫兰表示:“与思科的AI for Good团队合作令人难以置信。“他们的团队是专业和知识渊博的。总的来说,他们的沟通非常好。这种伙伴关系使Replate与思科团队建立了富有成效和有益的联系,并促进了我们收集和解释数据的新方法。”

订阅思科CSR