Искусственный интеллект: руководство для начинающих

Все говорят об искусственном интеллекте. Это и понятно — в конце концов, внезапно появились бесплатные (или дешевые) инструменты для создания разнообразного контента, сгенерированного ИИ, включая текст и изображения, в неограниченном диапазоне стилей и, казалось бы, за считанные секунды.

Конечно, это захватывающе.

Но остановитесь на мгновение и задайте себе несколько вопросов:

• Действительно ли я знаю, что такое ИИ?
• Я знаю, как давно это было?
• Знаю ли я разницу между ИИ и машинным обучением, если она есть?
• И знаю ли я, что такое глубокое обучение?

Если вы ответили на все эти вопросы утвердительно, возможно, эта статья не для вас. Если вы сомневались в некоторых из них, читайте дальше.

Революция ИИ начинается… сейчас?

Начнем с заполнения фона.

Является ли ИИ чем-то новым?

Нет. По крайней мере, концептуально ИИ появился еще в 1950 году (подробнее об этом позже). Как практическое занятие он начал процветать в 1960-х и 1970-х годах, когда компьютеры стали быстрее, дешевле и доступнее.

Является ли ИИ в маркетинге чем-то новым?

Нет. Стоит иметь в виду, что ИИ уже давно имеет множество применений в маркетинге, помимо создания контента. Рекомендации по контенту и рекомендации по продуктам годами основывались на искусственном интеллекте. Предиктивная аналитика, используемая для прогнозирования поведения пользователей на основе больших наборов данных о прошлом поведении, а также для прогнозирования следующего лучшего действия (покажите ей соответствующий официальный документ, покажите ему красную бейсболку, отправьте электронное письмо) — это ИИ. - питание в течение длительного времени.

Известные поставщики внедряют ИИ в свои решения уже почти десятилетие. Adobe Sensei и Salesforce Einstein датируются 2016 годом. Участие Oracle в области искусственного интеллекта восходит, по крайней мере, так же давно и, вероятно, еще дальше; он просто никогда не давал ему милое имя. Еще одним ветераном внедрения ИИ является Pega, которая сначала использовала его для прогнозирования следующих лучших действий в своем предложении по управлению бизнес-процессами, а затем в своей платформе CRM.

Ну… Генеративный ИИ — это что-то новое?

Генеративный ИИ. Разговорный ИИ. Инструменты для письма с ИИ. Все фразы момента, все пересекающиеся по смыслу. Генеративный ИИ генерирует тексты (или изображения, или даже видео). Разговорный ИИ генерирует тексты во взаимодействии с собеседником-человеком (вспомните чат-боты на базе ИИ). Инструменты для письма с искусственным интеллектом предназначены для создания настраиваемых текстов по запросу. Все эти решения используют в том или ином смысле «подсказки» — то есть ждут, пока им зададут вопрос или поставят задачу.

Все это новое? Нет. Что нового, так это его широкая доступность. Обработка естественного языка (NLP) и генерация естественного языка (NLG) существуют уже много лет. Первый означает интерпретацию текстов с помощью ИИ; последний - создание текстов с помощью ИИ. Еще в 2015 году, основываясь на моих собственных отчетах, NLG на основе ИИ создавала письменные отчеты для врачей и для промышленных предприятий и даже генерировала прогнозы погоды для Метеобюро, национальной метеорологической службы Великобритании.

Ввод данных, вывод текста. Просто не так широко доступен, как что-то вроде ChatGPT.

Видео тоже. По крайней мере, к 2017 году ИИ использовался для создания не только персонализированного, но и индивидуализированного видеоконтента, который генерировался, когда пользователь нажимал кнопку воспроизведения, так быстро, что казалось, что он транслируется из существующей видеотеки. Опять же, не широко доступное, а скорее дорогостоящее предложение для предприятий.

Копай глубже: ЧатGPT : руководство маркетолога

Что такое ИИ: простая версия

Давайте объясним это с нуля.

Начните с алгоритмов

Алгоритм можно определить как набор правил, которым необходимо следовать при вычислениях или других операциях по решению проблем или выполнению задач, особенно с помощью компьютера. "Алгоритм" с греческого? Нет, на самом деле это часть имени (аль-Хорезми) арабского математика ⁹ века. Но это не имеет значения.

Важно то, что использование алгоритмов для расчета или задачи — это, повторяю, не то же самое, что использование ИИ. Алгоритм легко создается; возьмем простой пример. Допустим, я владею книжным интернет-магазином и хочу предложить рекомендации по продуктам. Я могу написать сотню правил (алгоритмов) и научить свой сайт их выполнять. «Если она ищет Джейн Остин, покажите ей еще и Эмили Бронте». «Если он ищет книги о Первой мировой войне, покажите ему также книги о Второй мировой войне». «Если он ищет Агату Кристи, покажите ему другой детектив».

Конечно, мне нужно, чтобы мои тома детективной литературы были соответствующим образом помечены, но пока это так просто. С одной стороны, это хорошие правила. С другой стороны, они не являются «интеллектуальными» правилами. Это потому, что они высечены в камне, если я не вернусь и не изменю их. Если люди, ищущие книги о Первой мировой войне, постоянно игнорируют книги о Второй мировой войне, правила не учитываются и не адаптируются. Они тупо продолжают делать то, что им велено.

Теперь, если бы у меня были ресурсы Amazon, я бы сделал свои правила разумными, то есть способными меняться и улучшаться в ответ на поведение пользователя. И если бы у меня была доля рынка Amazon, у меня был бы поток поведения пользователей, из которого правила могли бы извлечь уроки.

Если алгоритмы могут обучаться сами — под контролем человека или без него — у нас есть ИИ.

Но ждать. Разве это не просто машинное обучение?

ИИ против машинного обучения

Для пуриста ИИ и машинное обучение изначально не одно и то же. Но — и это большое но — термины используются настолько взаимозаменяемо, что пути назад нет. Вместо этого термин «общий ИИ» используется, когда люди хотят говорить о чистом ИИ, ИИ в его первоначальном смысле.

Вернемся в 1950 год (я предупреждал вас, что мы это сделаем). Алан Тьюринг был блестящим ученым-компьютерщиком. Он помог союзникам победить нацистов благодаря своей разведывательной работе по взлому кодов. Наградой ему стало отвратительное обращение британского общества за его (все еще незаконный) гомосексуальность, обращение, которое привело к официальным извинениям от премьер-министра Гордона Брауна более чем через 50 лет после его смерти: «От имени британского правительства и всех тех, кто которые живут свободно благодаря работе Алана, я очень горжусь тем, что могу сказать: нам очень жаль. Ты заслуживаешь гораздо большего».

Так что насчет ИИ? В 1950 году Тьюринг опубликовал знаменательную статью «Вычислительные машины и интеллект». Он опубликовал ее не в научном журнале, а в философском журнале «Разум». В основе статьи лежит своего рода мысленный эксперимент, который он назвал «игрой в имитацию». Сейчас он широко известен как «тест Тьюринга». Проще говоря, он предлагает критерий машинного (или искусственного) интеллекта. Если человек-собеседник не может отличить ответы на свои вопросы от машины и ответы от другого человека, мы можем приписать интеллект машине.

Конечно, есть много, много возражений против предложения Тьюринга (и его тест даже не продуман). Но это дало старт поиску репликации — или, по крайней мере, создания эквивалента — человеческого интеллекта. Вы можете думать о IBM Watson как о постоянном стремлении к этой цели (хотя у него есть много менее амбициозных и более прибыльных вариантов использования).

Никто на самом деле не думает, что машина рекомендаций по продуктам, подобная Amazon, или механизм создания контента, подобный ChatGPT, умны так же, как люди. Во-первых, они не способны знать или заботиться о том, правильно или неправильно то, что они делают, — они делают то, что делают, основываясь на данных и прогнозной статистике.

На самом деле весь ИИ, обсуждаемый здесь, на самом деле является машинным обучением. Но мы не собираемся запрещать никому называть это ИИ. Что касается стремления к человеческому уровню или «общему ИИ», есть веские основания полагать, что это не за горами. См., например, книгу Эрика Дж. Ларсона «Миф об искусственном интеллекте: почему компьютеры не могут думать так, как мы».

Как насчет «глубокого обучения»?

«Глубокое обучение» — еще один термин, связанный с ИИ, с которым вы можете столкнуться. Отличается ли оно от машинного обучения? Да, это; это большой шаг вперед по сравнению с машинным обучением, и его важность заключается в том, что он значительно улучшил способность ИИ обнаруживать закономерности и, следовательно, обрабатывать изображения (и видео) так же компетентно, как он обрабатывает числа и слова. Это усложняется; вот короткая версия.

Глубокое обучение основано на нейронной сети, слое искусственных нейронов (битов математики), которые активируются вводом, общаются друг с другом по этому поводу, а затем производят вывод. Это называется «прямое распространение». Как и в традиционном машинном обучении, узлы узнают, насколько точным был вывод, и соответствующим образом корректируют свои операции. Это называется «обратным распространением» и приводит к обучению нейронов.

Однако существует также умножение так называемых «скрытых слоев» между входным и выходным слоями. Подумайте об этих слоях, буквально складывающихся друг в друга: именно поэтому такой тип машинного обучения называется «глубоким».

Стек сетевых слоев оказывается намного лучше в распознавании закономерностей во входных данных. Глубокое обучение помогает с распознаванием образов, потому что каждый слой нейронов разбивает сложные узоры на еще более простые (а также происходит процесс обучения с обратным распространением).

Есть ли поставщики ИИ в сфере martech?

Это зависит от того, что вы имеете в виду.

Продавцы, использующие ИИ

По оценкам, в сфере martech насчитывается более 11 000 поставщиков. Многие из них, возможно, большинство из них, используют ИИ (или могут привести веские аргументы, что именно этим они и занимаются). Но они используют ИИ не ради него самого. Они используют его, чтобы что-то сделать.

• Для создания коммерческих рекомендаций.
• Для написания тем электронной почты.
• Чтобы рекомендовать следующие лучшие действия маркетологам или торговым представителям.
• Для питания чат-ботов.
• Написать рекламный текст.
• Генерировать контент для крупномасштабного многовариантного тестирования.

Список бесконечен.

Я хочу подчеркнуть, что ИИ немного похож на соль. Соль добавляют в пищу, чтобы сделать ее вкуснее. По крайней мере, большинству из нас нравится правильное использование соли в пище. Но кто когда-либо говорил: «Я буду есть соль на обед» или «Я хочу перекусить; Я возьму немного соли.

Мы кладем соль в еду. Мы внедряем ИИ в маркетинговые технологии. Помимо, возможно, исследовательских целей, соль и ИИ мало используются сами по себе.

Так что да, есть бесчисленное множество поставщиков маркетинговых технологий, использующих ИИ. Но есть ли поставщики маркетинговых технологий, продающие ИИ как самостоятельный продукт?

Продавцы, продающие ИИ

Ответ в том, что в сфере martech их очень мало. ИИ как продукт на самом деле означает программное обеспечение ИИ, разработанное инженерами, которое затем может быть включено и использовано в контексте какого-либо другого решения. Легко найти инженерных поставщиков, которые продают программное обеспечение ИИ, но по большей части они продают его ИТ-организациям, а не маркетинговым организациям, и продают его для использования в очень широком диапазоне бэк-офисных целей, а не для обеспечения маркетинга или продаж. продажи.

Есть одно или два исключения, явно нацеленные на маркетологов. Однако этого недостаточно, чтобы создать многочисленную категорию в ландшафте маркетинговых технологий.

Мы поцарапали поверхность

Это все, для чего предназначена эта статья: коснуться поверхности чрезвычайно сложной темы с богатой историей и непредсказуемым будущим впереди. Конечно, необходимо решить этические вопросы, такие как почти неизбежные случаи, когда модели машинного обучения будут обучаться на предвзятых наборах данных, а также столь же неизбежный плагиат человеческого контента с помощью генеративного ИИ.

Но, надеюсь, этого пока достаточно, чтобы пережевывать.