피자 배달은 최첨단 기술로 무장한 비지니스의 경연장이 되고 있다.

예를 들어, 피자 헛(Pizza hut)은 고객 주문을 받기 위해 2016 년 휴모노이드 페퍼 로봇을 채용했으며, 페덱스(FedEx)의 자율 주행 배송 로봇 '세임데이 봇(SameDay Bot)'도입하기도 했다.

도미노(Domino 's Pizza)는 2017년 포드와 팀을 이루어 자율 주행 차량을 배치하고 지난해 파일럿 프로그램으로 휴스턴의 공공 도로에 Nuro의 무인 배달 차량을 운영하고 있다. 또 드론(Drone) 운송을 실시하기도 했다.

이제 한 단계 끌어올리기 위해 도미노는 AI 기반 애플리케이션을 가속화하고 있다.

1 년에 30 억 개가 넘는 피자를 빨리 배달해야 할 때 빠른 결정을 내리는 것이 중요하다. 따라서 도미노는 주문이 언제 준비 될지를 보다 정확하게 예측하는 것을 포함하여 다양한 애플리케이션에 AI 사용을 모색하고 있다.

지난해 슈퍼볼에서 시작된 파이 포인트(Points for Pie) 앱은 현재까지 도미노의 가장 유명한 AI 프로젝트였다고 한다. 자사의 모든 종류의 피자를 이용하는 모습을 스마트폰 앱으로 촬영해 사진을 제출하면 회사는 고객에게 무료 피자에 대한 포인트를 주고 사진에 대한 응답으로 전송된 설문 조사는 전략적 기업 자산으로 간주되는 데이터 세트에 레이블을 지정하는 작업을 자동화하는 데 기여했다.

그러나 처음 실행하기 전에는 조직 내에서 많은 이견이 있었다. 아무도 자사 피자의 구매 및 포인트를 인식하는 방법을 확신하지 못했기 때문이다.

이에 도미논 데이터과학 팀은 5,000 개가 넘는 이미지를 사용하여 8 개의 V100 텐서 코어 GPU가 장착된 엔비디아 DGX 시스템으로 피자 이미지를 분류하는 모델을 학습하고 고유한 데이터 세트를 구축하고 도미노는 앱을 통해 제출된 모든 사진을 식별했다.

최근에는 도미노는 AI를 통해 주문 준비시기를 예측할 수 있게 됐다. 단순한 예측처럼 들리지만 GPU를 사용해 작업 관리자 및 직원 수, 파이프라인 및 주문량의 복잡성 및 트래픽 조건, 현재 교통 상황 등을 DGX 서버를 통해 정확도를 75 %에서 95 %로 향상시켰다.

처음에는 로드 타임 모델을 학습하는 데 3 일이 걸렸다. 이를 실용화하기에는 어려움이 따랐으나 DGX 서버를 통해 1 시간도 채 안되는 시간에 훨씬 더 복잡한 모델을 훈련할 수 있었다. 이는 처음보다 속도를 72 배 향상시킨 것이다.

도미노는 이제 다음 단계인 엔비디아 튜링 T4 GPU를 활용해 실시간 예측과 관련된 모든 도미노 작업에 대한 AI 추론을 가속화하는 것으로 이를 위해 T4를 사용하여 추론 스택을 구축하고 있다. 현재 대기 시간이 50 밀리 초에서 10 밀리 초미만으로 혁신적으로 개선된 것을 확인했으며, 이와 별도로 GPU에서 데이터 과학 쿼리를 실행하기 위해 오픈 소스 소프트웨어 BlazingSQL 을 활용했다.

이 모든 일련의 작업들은 고객이 최대한 빠르고 쉽게 피자를 맛볼 수 있도록 하는 것이다.

한편, BlazingSQL은 데이터의 로드, 조인, 집계, 필터링 및 조작을 수행하는 cuDF GPU DataFrame 라이브러리 용 SQL 인터페이스로 간단한 SQL 쿼리를 통해 대규모 데이터 과학 워크플로 및 엔터프라이즈 데이터 세트를 사용할 수 있으며, 엔비디아 RAPIDS 라이브러리에서 GPU 데이터 프레임(GDF)으로 액세스할 수 있다. 데이터 세트 구축과 관련된 AI 프로세스에서 모든 사용 사례에서 평균 10 배의 속도를 제공한다.