Искусственный интеллект: применение в маркетинге, аналитике и вашей жизни

Posted on by riasevastopol

Словосочетание «ИИ» (Artificial Intelligence, AI) существует приблизительно с того времени, как человек задался вопросом, возможно ли продвинуться дальше в развитии, взяв доступ к объектам с неорганическим интеллектом. Эта тема достигла пика собственной популярности в 2016 году в первую очередь вследствие того что мы взяли первый настоящий доступ к услугам и продуктам, в той либо другой форме применяющим AI. Сейчас это уже не теория!

Области внедрения AI широки, кроме того в том маленьком круге вопросов, что будут освещены сейчас, в частности маркетинг, аналитика и влияние на каждого из нас.

Цель данной статьи — сделать тему дешёвой, дать объяснение некоторых главных терминов, осветить возможности применения AI в работе маркетологов, и поведать о последствиях для будущего, за которое мы несем ответственность.

Просматривайте кроме этого: Развитие ИИ: на пути к Сверхразуму

AI на данный момент. Локальный максимум

Неестественный разум постоянно казался тяжёлой для понимания темой. Попытаемся это исправить. Приведем весьма простой, дешёвый пример.

Google Photos.

В 2016 году люди сделали 2,5 триллиона фотографий. В то время, когда вам необходимо отыскать одно определенное фото, думается, что в вашем телефоне разместились все 2,5 триллиона!Искусственный интеллект: применение в маркетинге, аналитике и вашей жизни Настоящая неприятность.

Для ее решения Гугл Photos применяет AI.

Допустим, вы ищете фотографии суши/роллов. Легко набираете «суши» — и бум:

Обратите внимание, нет ничего, что было классифицировано заблаговременно и фото не отмечены тегами. Значит, Гугл Photos сам способен распознавать контент.

Инструмент еще умнее, чем может показаться на первый взгляд. В случае если ввести имя сына автора данной статьи и слово «суши», то будет выдана лишь одна фотография (та, что в середине). Если вы попытаетесь ввести имя его сына и слово «пляж», то получите все пляжные фотки с этим ребенком, хранящиеся в памяти устройства, всю его жизнь!

Сильно, да? ИИ.

Постарайтесь отыскать людей по лицам и именам в собственном смартфоне, объединив их с событиями / вещами / расположениями, и вы удивитесь, что вам выдаст AI.

Вот еще один пример из настоящего опыта. Дабы испытать Гугл Photos, было введено слово на втором языке — pain (фр. хлеб). И сходу были взяты следующие картины:

Все это изображения различных видов хлеба из разных мест, хранящиеся в памяти телефона.

AI способен перевести слово и отыскать необходимое из тысячи вторых объектов. Мгновенно.

Просматривайте кроме этого: оптимизация конверсии и Локальный максимум

AI на данный момент. Глобальный максимум

В 2016 AlphaGo, программа для игры в Го (китайская настольная игра), побила непобедимого гроссмейстера Ли Седоля. Считалось, что из-за огромной сложности Го, компьютеры еще не один год не смогут победить людей. Потенциальное количество позиций на доске больше, чем число атомов во Вселенной.

AlphaGo не только должна была вычислить все вероятные позиции для игры, но и выбрать лучшую из них. Помимо этого, для этого требовались стратегическое мышление и интуиция. Это был вызов, выходящий за рамки вычислительной мощности.

Пугающий момент наступил 11 марта. На протяжении игры AlphaGo сделала собственный известный движение №37. Телевизионные специалисты-комментаторы поразмыслили, что это неточность.

Рекомендуем вам взглянуть видео данной решающей 60 секунд на YouTube.

1:18:15 Тёмная фишка была перемещена к белой практически в середине доски, справа

Игра длилась еще три часа, но практически она была окончена на 37-м ходу. AlphaGo знала это, а человеку потребовалось время, дабы прийти к осознанию данного факта. Это было практически немыслимое происшествие.

Нетрудно осознать, из-за чего у некоторых людей появляется ужас за собственную карьеру. Для чего нам все эти рабочие места с белыми воротничками, людьми, каковые постоянно будут менее стремительными, действенными и продвинутыми? Кроме того узкоспециализированный образчик AI в кратковременной возможности может нивелировать сокровище человека в опытной среде, потому, что он будет делать в 50 раза больше работы, чем 1 гомосапиенс.

Принципиально важно подчернуть, что ужас человечества сосуществует с восхищением. Для нас характерно одновременное удержание двух противоположных идей.

Да, восторг неестественным разумом очень оправданно, в случае если представить, как он может поменять мир.

Заберём движение №37. Возможно, имеется движение №37 для решения проблемы глобального потепления, а мы просто не понимаем этого. Возможно, имеется движение №37 для синтеза атома ядра. Либо вечного перемещения.

Либо … любви. И должен быть №37 для политики. Поразмыслите, как здорово, что у нас будет неспециализированный ИИ (Artificial General Intelligence, AGI) для ответа этих нерешаемых неприятностей.

Само собой разумеется, многие выступают с важными предупреждениями. Делают это очень умные и осведомленные люди, к точке зрения которых стоит прислушаться. Однако, стоит выделить некие объективные моменты:

1. В действительности, пути назад нет. Люди продвигаются вперед, а за ними — сфера AI.

2. Запрещено представить себе, как будет смотреться год 2057. Все предостережения исходят из того, что сейчас являет собой человечество, что на данный момент для нас свидетельствует понятие «работа», каковы отечественные отношения с разработками в данном отрезке времени. Все это может стать неактуальным к 2057-му году (и еще меньше — к 2100-му).

3. Быть может, во второй половине 50-ых годов двадцатьпервого века AI будет функционировать так, дабы расширять отечественный личный интеллект, заполнять пробелы людской сознания и обнаружить решения трудноразрешимых задач.

Из этого предлагаемая стратегия поведения: осознавать реалии современного мира, инвестировать в постоянное образование, приспособиться, приращивать новые сокровища.

Попытаемся сейчас разобраться, что представляет собой ИИ.

Просматривайте кроме этого: Экскурсовод по неестественному интеллекту для разработчиков

Что это по большому счету за чертовщина?

ИИ, машинное обучение (Machine Learning, ML), глубинное изучение (Deep Learning)… Обычно эти термины употребляются как взаимозаменяемые. Не содействует ясности и естественная неясность каждого из них, обусловленная тем, что они находятся на ранних этапах эволюции.

AI — это интеллектуальная машина.

ML — это свойство обучаться без яркого программирования. На данный момент ML есть самый интересным методом применения AI.

Глубинное изучение — это особая техника ML.

Большая часть способов Deep Learning применяют неестественные нейронные сети, моделирующие работу отечественного мозга. На данный момент глубинное изучение формирует базу для большинства немыслимых достижений в области машинного обучения (и, со своей стороны, AI).

Кое-какие считают, что все, смоделированное людской мозгом, как при с глубинным изучением, будет ограничено свойствами отечественного интеллекта, что оно унаследует его недостатки и пределы. Еще одна неприятность содержится в том, что человек не может удерживать в памяти и перерабатывать огромные комплекты обучающих данных для каждой решаемой неприятности (что в обязательном порядке для Deep Learning).

Исходя из этого, пока Deep Learning по праву приобретает большое количество внимания, исследуются и другие способы, такие как контрфактуальная минимизация сожаления (Counterfactual Regret Minimization).

маркетинг и Машинное обучение

Машинное обучение во многом применимо в маркетинге. Поболтаем об отдельных идеях.

Одна из самый будоражащих — это возможность персонализировать рекламный контент, давая каждому потребителю подходящий как раз для него посыл.

Кроме этого впечатляют возможности ML в плане «умных ставок» (Smart Bidding), особенно это относится AdWords. Вы определяете желаемые результаты (целевая плата за воздействие, либо CPA, окупаемость рекламы, либо ROAS, плата за клик) и разрешаете неестественному разуму оказать помощь вам в достижении ваших целей — без вмешательства антропогенного фактора! Верное сообщение будет приходить нужному человеку в необходимое время.

Принципиально важно усвоить, что бизнес, основанный на массовых акция и кампаниях (управление маркетинговыми кампаниями, создание контента, офферов, подбор ключевиков и пр.) будет уходить в прошлое.

Большая часть поисковых рекламных кампаний, управляемых людьми (кроме того посредством особых инструментов) принимает к сведенью три либо четыре сигнала. Главное слово. Время суток. Местонахождение. Что-то второе.

Кроме того самые «автоматизированные» подходы самого продвинутого агентства смогут добавить только несколько пунктов к этому перечню. А такие приспособления, как Гугл либо Facebook, применяют много (в буквальном смысле) сигналов для верного рекламного объявления. Никакой «мануальный» подход этого не обеспечит.

Не упоминая уже о том, что верное послание будет направлено к миллиардам поисковых запросов в мире (сравните со собственными кампаниями).

Лишь поразмыслите о возможностях внедрения ML в маркетинговую email-программу. Ваша база данных содержит данные обо всех людях в перечне рассылки, обо всем когда-либо отравленном им контенте, каждом клике, отражающем сотрудничество с брендом, каждом вашем продукте, его жизненном цикле и т. д. Имеете возможность ли вы создать совершенную email-кампанию, соответствующую заинтересованностям любого потребителя, так, дабы максимизировать собственную прибыль?

Сейчас не существует ни одной талантливой на это платформы электронной рассылки, но для ML это, определенно, будет далеко не самая непростая неприятность. Исходя из этого, если вы связаны с email-бизнесом, направьте все усилия в сторону принятия на вооружение машинного обучения.

Личный подход — вот, что правит балом сейчас. Вы имеете возможность забрать все имеющиеся информацию о клиентах (квалифицированность лидов, моделирование предрасположенностей, поведение по окончании приобретения, жизненный цикл) и соединить их с сигналами об личных изюминках, поступающих из ваших маркетинговых платформ, дабы решить самые непростые неприятности.

Одна компания бытовой электроники отказалась от общения с клиентами методом рассылки базисных посланий. Новая стратегия подразумевала классификацию существующих клиентов, учет их прогнозируемой ценности для компании, их поведения в прошлом и текущего выраженного намерения, определение сокровища этого намерения, и отталкивание от контекста, в котором находится человек.

Все эти сведенья, пропущенные через десятки миллионов идентифицированных сигналов, преобразовывались в неповторимое послание тем, кто имел возможность принести громаднейшую сокровище. Этот процесс был масштабирован и стал причиной 30%-ному повышению коэффициента конверсии. Всего этого удалось добиться благодаря сочетанию сигналов, поступающих от целевой аудитории, с машинным обучением.

В будущем часть людской участия в данном виде деятельности будет сведена к минимуму. Да, люди еще будут требоваться для брендовых текстов либо, в целом, для привнесения творчества в бизнес. Но все воспроизводимые методы будут выполняться автомобилями.

Необходимо задуматься об оправданности наращивания кадрового потенциала.

Для маркетинга это превосходно: фактически совершенное соответствие посланий потребностям клиентов, подача в верное время — одни пользы. Но, само собой разумеется, все это неимеетвозможности не печалить на личностном уровне.

Просматривайте кроме этого: Экскурсовод по применению ИИ

Машинное обучение и аналитика

Тут действительность кроме того еще более жестка. Люди будут устраняться из аналитики. Сейчас мы необходимы лишь вследствие того что анализ и сбор данных — это сложное занятие, и немногие эксперты способны делать это прекрасно.

Барьером в применении автомобилей на сегодня помогает разобщенность: продавец аналитических одолжений трудится сам по себе, поставщик сервиса массовых кампаний — сам по себе, совокупность управления сайтом (CMS) — сама по себе, ваши мобильные приложения — сами по себе. И никто не пытается к объединению, но данный момент преодолим.

Если вы причастны к аналитическому бизнесу, у вас имеется в запасе лет пять. Да и то только вследствие того что компании, занимающиеся аналитикой, еще не восприняли революцию машинного обучения действительно. Ни Adobe, ни Гугл, ни SAP, ни IBM. (Но, Гугл делает шаги в сторону машинного обучения.)

И все же, в случае если зайти в приложение Гугл Analytics и надавить на ссылку Assistant в левой навигационной панели либо на ссылку Data Driven Attribution, то это даст вам намек на будущее, кроме того учитывая то, что до тех пор пока совершение действий возлагается на людей. Вероятнее, большие игроки быстро поменяют стратегию, поскольку существующая неприятность с антропогенным причиной, несомненно, провалится сквозь землю в течение следующей пары лет.

Автомобили будут превосходить нас в ответе довольно часто повторяемых объемных задач, а люди смогут заняться новыми обстановками.

В оптимизации и аналитике фактически все, чем мы занимаемся, подпадает под категорию «довольно часто повторяемые объемные задачи». Все это ставит под сомнение необходимость отечественной работы в ближайшее время. Готовьтесь и еще перед тем, как случится полное устранение профессии, постарайтесь перенести фокус на решение так называемых «малоизвестных малоизвестных» (unknown unknowns) — это все еще новая обстановка.

Аналитика была методом поиска самых разумных ответов. Но в том виде, что она имеется сейчас, аналитика скоро уйдет, и это превосходно: она будет автоматизирована, масштабирована, станет стремительнее, поразительнее и окажет более сильное действие на бизнес.

Просматривайте кроме этого: Человек + ИИ = Будущее интернет-маркетинга

ИИ. Будущее. Отечественные дети

Мы не можем угадать, каков будет мир через пара лет. И что по большому счету будет означать слово «работа». Меж тем, отечественные дети обучаются, приобретают образование, и мы не желаем ощущать себя беззащитными перед лицом прогресса.

Вот пара идей относительно того, какие конкретно главные навыки / атрибуты смогут пригодиться тем, кому предстоит перехватить у нас руль управления.

1. Эмоциональная устойчивость. Ко мне входит целый комплект черт, но, говоря коротко, необходимо иметь сильную эмоциональную базу в ответственных обстановках, как любовь, работа, общение со сложными людьми, сохраняя наряду с этим свойство быть радостными.

2. Умение распознавать трансформации и направлять их в собственную пользу. Человеку нравится статус-кво. Принципиально важно, дабы родители думали о том, как обеспечить владение целым комплектом навыков.

Запрещено довольными тем, что их отпрыски станут инженерами, преподавателями либо сантехниками.

3. Дисциплина. Крайняя сосредоточенность, умение доводить дела до конца, избегая отвлекающих моментов, кроме того определенная беспощадность в рвении к заблаговременно определенной цели.

Основной же вопрос звучит так: как готовиться к профессии, которая еще не существует? Пара советов для обучающихся:

  • На уроках физики и математики возможно постичь базисные способы работы AI, машинного обучения, обработки и теории анализа данных. В случае если в школе либо университете нет аналогичных предметов, отыщите возможность изучить их самостоятельно в сети либо на направлениях, и: матанализ, линейную алгебру, статистику и теорию вероятности. Кроме этого крайне важна компьютерная наука, если вы желаете узнать, как программировать. Помимо этого, смогут быть нужны инжиниринг, экономика, нейронаука, философия (в частности, эпистемология — наука о том, что имеется знание, научная теория, что означает «обучаться»).
  • Цель визита таких уроков — не простое запоминание. Обучающиеся должны осознать, как превращать данные в знания. Ко мне входит познание базисных статистических данных, и анализа и процесса сбора данных с учетом вероятных погрешностей и внимательным отношением к способам предотвращения самообмана на протяжении работы с искаженными данными.
  • Попытайтесь отыскать школьного преподавателя, аспиранта либо научного работника, талантливого конкретно оформить для вас ваши идеи.
  • Если вы учитесь в университете, задумайтесь об написании и аспирантуре кандидатской диссертации. Отыщите начальника с заслуженной репутацией, трудящегося над интересующей вас тематикой.
  • Займитесь той областью AI, что вас больше всего воодушевляет. Начните просматривать литературу по теме, посмотрите, что уже сделано и попытайтесь посмотреть на проблему по-иному. По итогам изучения напишите работу либо создайте фрагмент кода.
  • Подайте заявку на участие в программах стажировки в данной области, для получения реального опыта и знания того, как AI трудится на практике.

Подводя результат. В случае если у вас имеется дети, планирующие пойти в IT / компьютерную область (а в действительности, те, кому предстоит озаботиться любой профессией в следующие 5 лет), обдумайте все приведенные выше советы.

Просматривайте кроме этого: Чему обучаться: тренды оптимизации конверсии на ближайшие 5 лет

Вместо заключения

Если вы желаете взять более широкое представлении о ценностном и революционном потенциале AI, то стоит познакомить вас еще с парой разработок.

Японская tech-компания NTT Resonant научила AI давать рекомендации тем, у кого появляются неприятности в любви. И это не просто дурной чатбот с маленькими ответами: Oshi-el осознаёт непростые вопросы длиной в пара страниц, касающиеся неприятностей в семье, к примеру, и отвечает развернуто. Это устройство не идеально, но кроме того оно поразительно для отечественных дней.

Здоровье — еще одна сфера, показывающая прекрасный прогресс. 415 миллионов людей подвержены риску болезней в мире, и необходимо иметь множество экспертов для обнаружения заболеваний, а доктора имеется не везде. Метод Гугл, дополненный ML и машинным зрением (Computer Vision), уже трудится вместе с офтальмологами для диагностики болезней глаз, вызванных диабетом.

И это только один пример упрочнений в данной области, где нам оказывает помощь машинное обучение.

Приращение возможностей — это, возможно, самый оптимальный метод восприятия ближайшего будущего. Мир отыщет использование человеку в том, в чем он оптимален, а AI будет употребляться в том месте, где может показать себя наилучшим образом.

Будьте любопытны, выясняйте об неестественном его применении и интеллекте в профессиях, думайте о поколении, которое вы готовите к судьбе в будущем. Наступает время резких стратегических поворотов.

Используете ли вы машинное обучение для улучшения собственной работы — либо легко из любопытства? Загрузили ли вы уже TensorFlow и, в случае если да, то что вы с ним делаете? Дешёвы ли вам усиленные машинным обучением возможности Facebook либо Google? Если бы вам было нужно дать рекомендацию аналитику для жизни в AI-ориентированном мире, то что бы вы сообщили?

Думали ли вы когда-нибудь о том, как новшества скажутся на ваших детях?

Пришла ваша очередь задуматься.

Высоких вам конверсий!

По данным kaushik.net. Источник картины: Jorge Gamaliel Frade Chavez

Случайные статьи:

«Машинный интеллект: что он изменит в маркетинге и в жизни», открытая лекция Андрея Себранта


Подборка похожих статей:

riasevastopol

More Posts