人工知能: 初心者向けガイド

誰もが人工知能について話している。 それは理解できます — 突然、テキストや画像を含むさまざまな AI 生成コンテンツを無制限のスタイルで、一見数秒で作成できる無料 (または安価な) ツールがすぐに利用できるようになりました。

もちろんエキサイティングです。

しかし、少し立ち止まって、いくつかの質問を自問してください。

• 私は本当にAIが何であるかを知っていますか?
• それがどれくらい前からあるか知っていますか？
• AI と機械学習の違いを知っていますか?
• そして、深層学習とは一体何なのか知っていますか?

これらすべての質問に肯定的に答えた場合、この記事はあなたに向いていない可能性があります。 それらのいくつかについて躊躇している場合は、読み進めてください。

AI革命が始まる…今？

背景を埋めることから始めましょう。

AIは新しいものですか？

いいえ。少なくとも概念的には、AI は 1950 年までさかのぼります (詳細は後述)。 1960 年代から 1970 年代にかけて、コンピュータがより速く、より安価になり、より広く利用できるようになるにつれて、実用的な追求としてそれが盛んになり始めました。

マーケティングにおける AI は何か新しいものですか?

いいえ。AI は、コンテンツの作成以外にも、マーケティングにおいて非常に多くのアプリケーションを長い間持ってきたことを覚えておく価値があります。 コンテンツのレコメンデーションと製品のレコメンデーションは、何年もの間 AI によって強化されてきました。 予測分析 — 過去の行動の大規模なデータセットに基づいてユーザーの行動を予測し、次善の策 (関連するホワイト ペーパーを見せる、赤い野球帽を見せる、電子メールを送信する) を予測するために使用される — AI - 長時間駆動。

有名なベンダーは、ほぼ 10 年間にわたって自社のソリューションに AI を組み込んでいます。 Adobe Sensei と Salesforce Einstein は 2016 年にさかのぼります。オラクルの AI への関与は、少なくともこれまでさかのぼります。 かわいい名前を付けたことはありません。 AI のもう 1 つのベテラン展開者は Pega で、最初に AI を使用して、ビジネス プロセス管理製品で次に最適なアクションを予測し、その後、CRM プラットフォームで使用しています。

さて…ジェネレーティブ AI は新しいものでしょうか?

ジェネレーティブ AI。 会話型 AI。 AIライティングツール。 その瞬間のすべてのフレーズは、すべて意味が重複しています。 ジェネレーティブ AI は、テキスト (または画像、さらにはビデオ) を生成します。 会話型 AI は、人間の対話者とやり取りしてテキストを生成します (AI を利用したチャットボットを考えてみてください)。 AI ライティング ツールは、カスタマイズされたテキストをオンデマンドで作成することを目的としています。 これらのソリューションはすべて、何らかの意味で「プロンプト」を使用します。つまり、質問されるのを待つか、タスクを設定します。

これはすべて新しいものですか？ いいえ。新しいのは、その幅広い可用性です。 自然言語処理 (NLP) と自然言語生成 (NLG) は、何年も前から存在しています。 前者は、テキストの AI による解釈を意味します。 後者は、AI を利用したテキストの作成です。 2015 年の昔、私自身のレポートに基づいて、AI を活用した NLG は、医師や産業オペレーション向けの書面によるレポートを作成していました。さらには、英国の国営気象サービスである気象庁の天気予報を作成していました。

データ入力、テキスト出力。 ChatGPT のようなものほど広く利用できるわけではありません。

ビデオも。 少なくとも 2017 年までには、AI を使用して、パーソナライズされただけでなく個別化されたビデオ コンテンツを作成するようになりました。これは、ユーザーが再生をクリックすると生成されるため、既存のビデオ ライブラリからストリーミングしているように見えるほど高速です。 繰り返しになりますが、広く利用できるわけではなく、むしろ高価な企業向け製品です。

さらに掘り下げる: チャットGPT : マーケティング担当者向けガイド

AI とは: シンプル バージョン

根本から説明しましょう。

アルゴリズムから始める

アルゴリズムは、特にコンピューターが計算やその他の問題解決またはタスク完了操作で従う一連の規則として定義できます。 「アルゴリズム」はギリシャ語から？ いいえ、実際には 9^世紀のアラブの数学者の名前 (al-Khwārizmī) の一部に由来しています。 しかし、それは問題ではありません。

重要なのは、計算やタスクにアルゴリズムを使用することは、繰り返しではなく、AI を使用することと同じではないということです。 アルゴリズムは簡単に作成できます。 簡単な例を見てみましょう。 オンライン書店を経営していて、おすすめの商品を提供したいとします。 100 のルール (アルゴリズム) を作成し、それらを実行するように Web サイトをトレーニングできます。 「彼女がジェーン オースティンを検索する場合は、彼女のエミリー ブロンテも表示してください。」 「彼が第一次世界大戦の本を検索する場合は、第二次世界大戦の本も見せてください。」 「彼がアガサ・クリスティーを探しているなら、他の推理小説を見せてください。」

もちろん、推理小説のボリュームを適切にタグ付けする必要がありますが、これまでのところ簡単です。 一方では、これらは良いルールです。 一方で、それらは「インテリジェントな」ルールではありません。 それは、私が戻って変更しない限り、それらが固定されているためです。 第一次世界大戦の本を探している人が第二次世界大戦の本を一貫して無視している場合、ルールは学習も適応もしません。 彼らは言われたことを黙々とやり続けます。

Amazon のリソースがあれば、ルールをインテリジェントにします。つまり、ユーザーの行動に応じて変更および改善できます。 もし私が Amazon の市場シェアを持っていたら、ルールが学習できるユーザーの行動が大量に発生するでしょう。

人間の監督の有無にかかわらず、アルゴリズムが自己学習できる場合、AI があります。

ちょっと待って。 機械学習だけじゃない？

AI 対機械学習

純粋主義者にとって、AI と機械学習はもともと同じものではありません。 しかし、それは大きな問題ですが、これらの用語は同じ意味で使用されているため、後戻りすることはできません。 代わりに、「一般的な AI」という用語は、人々が純粋な AI、本来の意味での AI について話したいときに使用されます。

1950 年に戻りましょう (そうすると警告しました)。 アラン・チューリングは優秀なコンピューター科学者でした。 彼は、暗号を解読する諜報活動を通じて連合国がナチスを打ち負かすのを助けました。 彼の報酬は、彼の（まだ違法な）同性愛のために英国社会によって忌まわしい扱いを受けることであり、彼の死から50年以上経った後、ゴードン・ブラウン首相から公式の謝罪をもたらした扱いでした。アランの仕事のおかげで自由に生きている私は、とても誇りに思っています。 あなたにはもっとふさわしい資格がありました。」

では、AI はどうでしょうか。 1950 年、チューリングは画期的な論文「コンピューティングの機械と知能」を発表しました。 彼はそれを科学雑誌ではなく、哲学雑誌「Mind」に掲載しました。 この論文の中心にあるのは、彼が「イミテーション ゲーム」と呼んだ一種の思考実験です。 現在では「チューリング テスト」として広く知られています。 簡単に言えば、機械 (または人工) 知能の基準を提案するものです。 人間の対話者が、自分の質問に対するマシンからの応答と別の人間からの応答の違いを区別できない場合、知性はマシンに帰することができます。

もちろん、チューリングの提案には非常に多くの反論があります (そして彼のテストはスマートに設計されていません)。 しかし、これにより、人間の知性を複製する、または少なくとも同等のものを作成するという探求が始まりました。 IBM Watson は、その目標を継続的に追求していると考えることができます (ただし、それほど野心的ではなく、より収益性の高いユース ケースが数多くあります)。

Amazon のような製品レコメンデーション マシンや、ChatGPT のようなコンテンツ作成エンジンが、人間のように知的であるとは誰も考えていません。 一つには、彼らは自分のしていることが正しいか間違っているかを知ることも気にすることもできません。彼らはデータと予測統計に基づいて行動します。

実際、ここで説明するすべての AI は、実際には機械学習です。 しかし、それを AI と呼ぶ人を止めるつもりはありません。 人間レベルまたは「汎用 AI」の追求に関しては、それがすぐそこまで来ているわけではないと考える十分な理由があります。 たとえば、Erik J. Larson の「人工知能の神話: なぜコンピューターは私たちのように考えられないのか」を参照してください。

「ディープラーニング」はどうですか？

「ディープ ラーニング」も、AI 関連の用語として目にする可能性があります。 機械学習とは違うの？ はい、そうです; これは機械学習を超える大きな一歩であり、その重要性は、パターンを検出する AI の能力を大幅に向上させ、数値や単語を処理するのと同じくらい適切に画像 (およびビデオ) を処理できるようになったことです。 これは複雑になります。 ここに短いバージョンがあります。

深層学習はニューラル ネットワークに基づいています。ニューラル ネットワークは、入力によって活性化される人工ニューロン (数学のビット) の層であり、それについて相互に通信し、出力を生成します。 これを「順伝播」と呼びます。 従来の機械学習と同様に、ノードは出力がどれほど正確かを調べ、それに応じて操作を調整します。 これは「逆伝播」と呼ばれ、ニューロンが訓練されます。

ただし、入力層と出力層の間には、「隠れ層」として知られているものの乗算もあります。 これらのレイヤーが文字通り積み重ねられていると考えてください。この種の機械学習が「ディープ」と呼ばれるのは、そのためです。

ネットワーク層のスタックは、入力データのパターンを認識するのにはるかに優れていることが判明しました. ディープ ラーニングはパターン認識に役立ちます。これは、ニューロンの各層が複雑なパターンをより単純なパターンに分解するためです (逆伝播トレーニング プロセスも進行中です)。

マーテック分野に AI ベンダーはありますか?

それはあなたが何を意味するかによります。

AIを活用したベンダー

マーテック分野には推定 11,000 以上のベンダーが存在します。 それらの多くは、おそらくほとんどが AI を使用しています (または、AI を使用していると十分に主張できます)。 しかし、彼らはそれ自体のために AI を使用しているわけではありません。 彼らはそれを使って何かをしています。

• 商取引の推奨事項を作成するため。
• メールの件名を書くため。
• マーケティング担当者または営業担当者にネクスト ベスト アクションを推奨する。
• チャットボットを強化するため。
• 広告コピーを書くこと。
• 大規模な多変量テスト用のコンテンツを生成するため。

リストは無限です。

私が強調したい点は、AI は少し塩のようなものだということです。 塩は、味を良くするために食品に加えられます。 少なくとも私たちのほとんどは、食事に適切な塩を使用することを好みます。 しかし、「夕食には塩を食べます」または「スナックのように感じます」と言う人はいません。 塩をいただきます。」

私たちは食べ物に塩を入れます。 AI をマーケティング テクノロジーに組み込みます。 おそらく、研究目的以外では、ソルトと AI が単独で使用されることはあまりありません。

そうです、AI を使用する無数のマーテック ベンダーが存在します。 しかし、AI を独立した製品として販売している martech ベンダーはありますか?

AIを販売するベンダー

その答えは、マーテック分野ではほとんどないということです。 製品としての AI とは、エンジニアによって設計された AI ソフトウェアを意味し、他のソリューションのコンテキストに組み込んで使用することができます。 AI ソフトウェアを販売しているエンジニアリング ベンダーを見つけるのは簡単ですが、ほとんどの場合、彼らはマーケティング組織ではなく IT 組織に販売しており、マーケティングやマーケティングを可能にするのではなく、非常に幅広いバックオフィスの目的で使用するために販売しています。販売。

1 つまたは 2 つの例外があり、明確にマーケティング担当者をターゲットにしています。 ただし、マーケティング テクノロジーの世界で人口の多いカテゴリを作成するには十分ではありません。

私たちは表面を傷つけた

この記事が意図しているのはそれだけです。その背景には豊かな歴史があり、予測不可能な未来が待ち受けている非常に複雑なトピックの表面をなぞることができます。 もちろん、機械学習モデルが偏ったデータセットでトレーニングされるというほぼ避けられないケースや、ジェネレーティブ AI による人間のコンテンツの盗用も同様に避けられないケースなど、対処すべき倫理的な問題があります。

しかし、うまくいけば、今のところ噛むにはこれで十分です。