AI购物竟是人工驱动，硅谷创投圈又玩出新花活

正文

请到「今天看啥」查看全文

其实海外电商生态的碎片化从二十年前就存在，为什么直到这两年才有Nate这种宣称帮助用户突破单一平台限制，从而实现“一站购全球”呢？原因很简单，因为只有AI做“一站购全球”才有性价比，智能化水平不高的自动化脚本不足以做到从海量的独立站中筛选出最优结果，可使用人类来挑选的效率和成本又太高。

OpenAI用基于人类反馈的强化学习（RLHF），让拥有更强智能的大语言模型登堂入室。事实上，RLHF是强化学习（RL）的一个扩展，它将人类的反馈纳入训练过程，与传统的RL方法相比，RLHF的优势就在于能更好地与人类的意图保持一致，允许AI掌握嵌入人类经验中的决策要素，并根据需要对反馈进行整理，由此就使得大模型具备了强大的跨领域知识理解、逻辑推理、语言生成等能力。

从某种意义上来说，大模型才是理想化AI的雏形，即机器具备类似于人类的智能，能像人一样思考、学习和解决问题。比如，亚马逊的“Buy for Me”就是基于该公司的Nova和Anthropic的Claude模型，来实现用户通过自然语言输入自己的购物需求，并自动搜索匹配相关商品。

但遗憾的是，Nate其实并没有使用AI相关技术。根据其创始人Albert Saniger的说法，Nate使用了定制的深度学习模型，并使用了长短期记忆、自然语言处理和强化学习的混合技术。虽然大模型是拥有海量参数的深度学习模型，可这并不等于所有的深度学习模型都是大模型，而后者能涌现智能的关键是预训练。

请到「今天看啥」查看全文