Маркетинг и маркетинговые исследования имеют общую основу: и те, и другие одержимы использованием терминологии, которую посторонним трудно понять.

Стоит ли удивляться, что их определения так широко искажаются?

Модные словечки для лишенных воображения?

Возможно, вы слышали о "маркетинге влияния" (реклама через популярные социальные профили) и "рекламе" (реклама, которая одновременно служит развлечением). Мы использовали такие термины, как «геймификация» и «миллениалы», но профессионалы отрасли ошибаются, называя обычные методы опроса «геймифицированным опытом» или описывая любой от тринадцати до тридцати лет как «миллениал».

Из-за чрезмерного использования эти нечетко определенные модные словечки отклоняются от своего истинного значения.

Мы можем использовать термин «ИИ» в массовой культуре, в новостях и на конференциях, но не многие из нас знают, что он на самом деле означает. Часто он используется для обозначения других сложных алгоритмов, которые вообще не квалифицируются как ИИ.

Так как же следует его определить?

В чем разница между «искусственным интеллектом» и «машинным обучением»?

Иногда ИИ используется как взаимозаменяемый с другим термином — «машинное обучение», но это не совсем одно и то же. На самом деле машинное обучение считается особенно инновационным подмножеством ИИ.

Искусственный интеллект

Концепция ИИ, появившаяся в 1950-х годах, — это широкий термин, который относится к любой технологии, машине или механизму, предназначенному для интеллектуальных действий или имитации разумных действий человека.

  • Специальный ИИ может беспрепятственно выполнять определенные задачи или навыки, такие как игра в го, торговля или раздача товаров (хорошими примерами являются дроны Amazon или роботы-отельщики).
  • Общий ИИ найти намного сложнее, поскольку он очень гибкий, способный решать проблемы и выполнять широкий спектр задач так же умело, как люди (пока это в основном гипотетически).

Традиционный ИИ в стиле 1980-х годов (конкретный ИИ) действует как древовидная диаграмма или блок-схема. Компьютер задает серию вопросов и выбирает лучший следующий вопрос на основе любого ответа, который он получает.

Вот пример вашей стандартной блок-схемы:

В конце концов, он приходит к выводу (или ряду выводов), первоначально намеченному экспертом в данной области. Это разумно в том смысле, что это прибытие кажется глубоко личным, но, по правде говоря, любой, кто испытывает точно такой же паттерн, получит идентичный ответ.

Итак, автоматизированный анализ в маркетинговых исследованиях технически представляет собой особый ИИ, применяющий это мышление к каждому утверждению. Каждое предложение прошло через описанные выше процессы и достигло финального «нарратива». Это повествование может меняться в зависимости от других предложений, которые его окружают, но в конечном итоге у нас остается письменный отчет, подготовленный экспертами с искусственным интеллектом.

Машинное обучение

Проще говоря, машинное обучение включает в себя самообучение компьютера с использованием поступающих к нему данных (часто большого количества данных).

В Zappi мы используем этот термин для обозначения того, что мы пытаемся научить машину. Этот метод противоположен ИИ, поскольку он начинается в нижней части древовидной диаграммы, в самих данных, и продвигается вверх. Компьютер просматривает огромное количество базовых данных и спрашивает эксперта, означают ли какие-либо закономерности что-то конкретное. Если они это сделают, эксперт научит компьютер распознавать их в следующий раз, но, по той же причине, многие шаблоны могут вообще ничего не значить.

Вот почему машинное обучение иногда называют «глупым ИИ», поскольку во всех смыслах это неразумный алгоритм распознавания образов.

Однако он может стать умнее; то, что мы называем «нейронными сетями», по сути является гораздо более сложными алгоритмами машинного обучения, которые накапливают массивы данных для прогнозирования поведения человека. Вы, вероятно, знакомы с этим видом глубокого обучения, так как он используется для представления новой музыки в Spotify, предложения фильмов для Netflix и рекомендаций продуктов на Amazon.

Близки ли мы к разработке универсального разумного ИИ?

С появлением в новостях Софии, робота-гуманоида, недавно получившего гражданство Саудовской Аравии, возникает соблазн поверить, что мы приближаемся к универсальному, всемогущему, разумному ИИ, превосходящему даже человеческий интеллект. Нас нет рядом.

София не может вести непрерывный, плавный разговор с другими — только те разговоры, на которые она была запрограммирована. София, скорее всего, представляет собой несколько конкретных ИИ, работающих вместе.

Самый надежный способ, с помощью которого роботы-гуманоиды, такие как София, создадут впечатление общего ИИ, — это слияние с технологией голосового управления, такой как Alexa (или подобная). Вот почему Amazon одержима сбором данных — они хотят создать способ вести разговор на естественном языке, думая обо всех различных типах человеческих проблем по-человечески. Они ни в коем случае не пытаются создать понимание того, что мы говорим как таковое, они просто применяют технику машинного обучения грубой силы, чтобы получить десятки миллионов потенциальных разговоров, отображенных в виде банка данных. .

Что такого рода технология означает для исследования рынка?

ИИ в настоящее время является небольшой, но сложной областью исследований, но через два-три года он станет универсальным, поэтому важно, чтобы мы говорили о нем точно.

Предполагать, что некоторые алгоритмы ИИ уникальны для одного инструмента или бизнеса, просто неверно. Большинство алгоритмов написаны технологами таких компаний, как Google, и они обычно имеют открытый исходный код. В машинном обучении нет настоящей интеллектуальной собственности — то, что отличает один бизнес от другого, — это его данные. Вот почему Facebook, Google и IBM используют ИИ с открытым исходным кодом; они собирают наши данные.

В маркетинговых исследованиях в настоящее время имеется более чем достаточно данных, чтобы получить представление о каждом тесте, представленном на одной платформе, с высоты птичьего полета. Машинное обучение может быть полностью автоматизированной частью этого процесса, и пользователи могут получить точный анализ результатов своих исследований в сравнении с отраслевыми нормами, а также с целями своего бренда (вместо нечеткого набора диаграмм и чисел). Вскоре мы станем свидетелями появления нового отраслевого стандарта: теперь не только эксперты-исследователи, но и маркетологи могут вводить новшества, тестировать и учиться самостоятельно.

Представительный, человеческий опыт «встроен».

«Увеличение интеллекта» — наше новое поле битвы

«Расширение интеллекта» — это термин, введенный Уильямом Россом в его 1956 году (и эту тему я недавно освещал в журнале Research World), признавая, что идея искусственного интеллекта сама по себе не так эффективна, как комбинация человека и машины.

Базовым примером служит спутниковая навигация: это особый ИИ в сочетании с личными знаниями водителей. Спутниковая навигация не диктует один маршрут и не запрещает пользователю прокладывать свой курс — она генерирует несколько маршрутов на основе решений, принятых человеком.

С этой точки зрения, мы собираемся извлечь больше всего из обоих направлений ИИ; подход 1980-х годов (сверху вниз) в сочетании с алгоритмами машинного обучения (снизу вверх). Это, безусловно, наиболее выгодное, экономичное и эффективное по времени применение ИИ, потому что золотая середина сочетает в себе лучшее мышление как машины, так и человека.

Откинь навигацию в сторону, посмотри на Железного Человека.

Железный человек умен, интересен, увлечен, обаятелен и красив, но он также невероятно силен, быстр и хорошо вооружен. Без своего плаща он не может быть и тем, и другим. У человека есть свои слабости, и точно так же костюм сам по себе не особенно полезен. Нужно, чтобы кто-то вел.

В Zappi мы пытаемся сделать маркетинговые исследования железными мужчинами и женщинами.

Вы перепроданы ИИ?

Несправедливо раздувать то, что по сути является специфическим ИИ, как чрезмерно сложное глубокое обучение. Вот лишь несколько советов, которые помогут вам обнаружить поддельные заявления об искусственном интеллекте на рынке MR:

  • Машинное обучение — это не разумный ИИ.Решения, принимаемые с помощью машинного обучения, перемежаются данными и корректировками человека.
  • Автоматизация — это не ИИ. Такие термины, как «робот» или «роботизированный», относятся к простой автоматизации процесса или базового прикладного ИИ (например, вашего робота-пылесоса).
  • Искусственный интеллект не является эксклюзивным.Ни один бизнес не имеет собственного непонятного секретного рецепта для искусственного интеллекта. Скорее всего, это технология с открытым исходным кодом, которая подпитывает бешеную гонку за данными.
  • Истинно общий ИИ принимает свои собственные решения: люди отойдут на второй план, когда материализуется настоящий ИИ, который будет учиться у других машин и общаться с ними самостоятельно.

Чтобы узнать больше о различиях между AI и IA, посмотрите этот вебинар, на котором я говорил с Рэем Пойнтером из NewMR на эту тему.