Да здравствуют чаты. Я вот совсем не тоскую по проводным телефонам и не мечтаю снова звонить в службу поддержки по номеру 8-800. И, тем не менее, чаты - загадочная штука. Когда пишешь менеджеру по продажам в мессенджер Facebook, что хочешь поменять адрес доставки, невольно задаешься вопросом, а человек ли тебе отвечает. Или этот услужливый и быстрый агент поддержки на самом деле робот под прикрытием?

Хотите верьте, хотите нет, но этот вопрос терзает людей намного дольше, чем кажется. Впервые отличить машину от человека попытался ученый Алан Тьюринг еще в 1950 году. В статье «Вычислительные машины и разум» он описал тест (который теперь называется «тест Тюринга»), с помощью которого предложил проверить, отличается ли разумное поведение, воспроизводимое компьютером, от человеческой способности мыслить. Тест проводится так: человек задает вопросы компьютеру и другому человеку, пытаясь по ответам угадать, с кем он общается. Если машине удается убедить человека, что ему отвечает другой человек, такой компьютер считают обладателем искусственного интеллекта.

Прошло больше полувека, а ученые продолжают спорить, насколько надежно работает тест Тьюринга. Но и сам вопрос, который сподвиг Алана Тьюринга придумать этот тест, до сих пор актуален. Сможем ли мы отличать человека от машины в мире постоянно развивающегося искусственного интеллекта? И раз искусственный интеллект уже меняет представления клиентов об общении со службой поддержки, как еще он изменит работу маркетологов?

Зачем маркетологам искусственный интеллект

Как и предвидел Тьюринг, люди часто не понимают, как работает искусственный интеллект, а иногда вообще не замечают его. По данным опроса HubSpot, 63% людей, совершающих покупки онлайн, не отдают себе отчет в том, что уже пользуются искусственным интеллектом. Сама идея искусственного интеллекта в том и состоит, чтобы органично встраиваться в инструменты и сервисы и делать их точнее и эффективнее. Например, вы сталкиваетесь с искусственным интеллектом, когда смотрите фильмы из рекомендаций Netflix или слушаете плейлисты, которые собирает для вас Spotify.

Искусственный интеллект проникает и в маркетинг, и скоро под его воздействием изменятся рабочие задачи маркетологов, а новые инструменты помогут работать продуктивнее. Представьте, что программа автоматически будет расставлять приоритеты в списке дел маркетолога в зависимости от его рабочих привычек. Или, например, искусственный интеллект будет персонализировать контент в зависимости от того, что конкретный покупатель пишет в соцсетях. И эти примеры – только небольшая часть перемен, которые принесет маркетологам искусственный интеллект.

Независимо от того, насколько искусственный интеллект изменит маркетинг, не все маркетологи превратятся в экспертов по информатике. Тем не менее, без базовых знаний об искусственном интеллекте никуда. Маркетологу нужно понимать, как использовать такие технологии, чтобы лучше работать с данными.

Ниже мы объясняем основные термины, связанные с искусственным интеллектом, которые нужны маркетологу. С небольшой оговоркой: этот текст ни в коем случае не претендует на истину в последней инстанции по искусственному интеллекту. Ни одна запись в блоге объемом в 1500 слов не даст ответы на все вопросы. Ученые до сих пор не пришли к единому мнению о том, что считать искусственным интеллектом. Но мы все же надеемся, что этот глоссарий хоть немного разъяснит, что такое искусственный интеллект и что означают связанные с ним понятия, и вдохновит вас продолжить изучать будущее маркетинга.

Искусственный интеллект: 13 терминов для маркетологов

     ·   Алгоритм

Алгоритм – это формула, которая выражает отношение между переменными. Маркетологи, которые работают в соцсетях, вероятно, знакомы с этим термином, потому что и Facebook, и Twitter, и Instagram используют алгоритмы, которые определяют, какие посты пользователи видят в ленте. Маркетологи, занимающиеся поисковой оптимизацией, с помощью алгоритмов поисковых систем выводят контент на первую страницу выдачи. Даже в домашнюю страницу Netflix встроен алгоритм, который предлагает пользователям новые сериалы на основе уже просмотренных.

С точки зрения искусственного интеллекта алгоритмы – это то, что программы машинного обучения используют, чтобы предсказывать результаты на основе набора данных, которые они анализируют. Например, проанализировав несколько постов в Facebook, программа машинного обучения способна создать алгоритм, который определит, какие заголовки записей в блоге соберут больше всего кликов в будущем.

     ·   Искусственный интеллект

В наиболее общем смысле искусственный интеллект – это область информатики, наука о создании машин, способных выполнять функции, для которых человеку нужен интеллект. Например, такие машины могут обучаться, видеть, говорить, общаться, рассуждать или решать задачи. Однако ученые не просто копируют работу человеческого мозга от нейрона к нейрону. Они создают гибкие интеллектуальные системы, способные выполнять творческие функции, которые максимально увеличивают шансы на успех поставленной задачи.

     ·   Боты

Боты (или чат-боты) - это программы на основе текста для общения с людьми. С их помощью можно автоматизировать отдельные действия или находить информацию. Обычно они встроены в мессенджеры вроде Slack, Facebook Messenger, WhatsApp или Line.

Часто боты имеют очень узкое применение, так как они запрограммированы использовать конкретный источник данных. Такие боты могут рассказать вам о погоде или помочь зарегистрироваться для голосования. Иногда для увеличения производительности они способны интегрироваться с системами, которые вы уже используете. Например, GrowthBot – бот для специалистов по продажам и маркетологов – подключается к HubSpot, Google Analytics и другим сервисам, чтобы показывать данные о самом читаемом посте блога или о ключевых словах для контекстной рекламы, которые покупает ваш конкурент.



Некоторые утверждают, что чат-боты нельзя относить к искусственному интеллекту, потому что они в основном выдают заранее подготовленные ответы и совершают предустановленные действия, то есть не могут «думать» самостоятельно. Тем не менее, остальные считают способность ботов понимать человеческий язык базовым свойством искусственного интеллекта.

     ·   Когнитивная наука

Если посмотреть шире, то искусственный интеллект - это часть когнитивной науки. Это междисциплинарное направление, которое объединяет философию, психологию, лингвистику, антропологию и нейробиологию и изучает мышление человека и его процессы.

Искусственный интеллект - лишь одна из областей когнитивной науки, она изучает, как машины могут воспроизводить структуру мышления человека.

     ·   Компьютерное зрение

Компьютерное зрение - это применение глубокого изучения (о нем ниже), которое помогает распознавать цифровые изображения. Конечно для человека распознавание изображений - одна из наиболее базовых функций. Вы видите мяч, летящий в вашу сторону, и ловите его. Но компьютеру нужно сначала увидеть объект, а потом описать его – это очень усложняет процесс подражания скоординированной работе человеческого зрения и мозга. Представьте, к примеру, насколько хорошо самоуправляемый автомобиль должен уметь распознавать и правильно реагировать на светофор, пешеходов и другие объекты, чтобы получить разрешение ездить по дорогам.

Впрочем, вам не обязательно быть владельцем автомобиля Tesla, чтобы испытать возможности компьютерного зрения. Вы можете попробовать сервис Google Quick Draw и посмотреть, насколько хорошо он распознает ваши рисунки. Компьютерное зрение использует машинное обучение, с помощью которого программа совершенствуется в процессе. Поэтому развлекаясь с помощью программы, вы поможете научить ее распознавать картинки еще лучше.

     ·   Анализ больших данных

Анализ больших данных - это процесс, в ходе которого компьютер ищет закономерности внутри массива данных. Например, компании электронной коммерции вроде Amazon используют этот процесс, чтобы анализировать пользовательские данные и рекомендовать товары через раздел «Пользователи, купившие этот товар, также покупают».



     ·   Глубокое обучение

На дальнем конце спектра искусственного интеллекта находится глубокое обучение – высокотехнологичный подраздел машинного обучения. Вряд ли вам понадобится знать, как это работает изнутри, но важно понять вот что: глубокое обучение может находить невероятно сложные закономерности в массивах данных, используя многоуровневые корреляции. Проще говоря, оно подражает тому, как нейроны располагаются в мозгу человека. Вот почему программисты называют этот тип машинного обучения нейронной сетью.

     ·   Машинное обучение

Из всех подразделов, связанных с изучением искусственного интеллекта, самые захватывающие прорывы ученые совершили в машинном обучении. Если коротко, машинное обучение - это способность программы обработать огромное количество данных и создать алгоритм прогнозирования.

Если вы когда-либо слышали, что искусственный интеллект позволяет компьютерам учиться с течением времени, скорее всего, речь шла о машинном обучении. Программы с машинным обучением обнаруживают закономерности в данных, и это помогает выполнять задачи. Чем больше данных они анализируют, тем лучше они подстраивают свою работу для достижения цели. Данные могут быть какими угодно: маркетинговая статистика по пользователям, читающим email-рассылку, или база данных с показателями подач в бейсболе. Благодаря машинному обучению компьютеры не нужно программировать напрямую, чтобы они учились (как, например, в случае большинства ботов). Поэтому про такие компьютеры часто говорят, что они учатся как маленькие дети: через опыт.

     ·   Обработка естественного языка

Обработка естественного языка (ОЕЯ) может усложнять боты, позволяя им понимать текст или голосовые команды. Например, когда вы разговариваете с Siri, она переводит ваш голос в текст, делает запрос через поисковик и отвечает, используя человеческий синтаксис.

На базовом уровне проверка орфографии в Word или Google-переводчике - это примеры ОЕЯ. Более продвинутые примеры ОЕЯ могут научить программу реагировать на юмор или эмоции.

     ·   Семантический анализ

Семантический анализ - это в первую очередь лингвистический термин, который обозначает процесс преобразования фраз, предложений, формулировок и параграфов в связное повествование. А также он применяется при построении языка в контексте культуры.

Если машина, обладающая возможностью обработки естественного языка, также применяет семантический анализ, это, скорее всего, значит, что она может понимать человеческий язык и контекстные детали, необходимые для считывания метафор, идиом и других фигур речи. Маркетинговые приложения, использующие искусственный интеллект, уже делают успехи в сферах вроде автоматизации контента. Представьте, какую пользу принесет семантический анализ, который будет создавать посты для блогов или электронные книги, неотличимые о тех, что делает контент-маркетолог.

     ·   Обучение с учителем

Обучение с учителем - это тип машинного обучения, в котором человек вводит специальные наборы данных и контролирует процесс, отсюда и название. В обучении с учителем выборочные данные помечены, а перед машиной ставится конкретная задача, которую она должна выполнить.

     ·   Данные режима обучения

В машинном обучении такие данные изначально предназначены для того, чтобы программа обучалась и выявляла паттерны. Впоследствии в программу вводится больше тестовых данных, чтобы машина училась проверять закономерности на точность.

     ·   Обучение без учителя

Обучение без учителя - это другой тип машинного обучения, в котором человек или совсем не участвует или участвует очень незначительно. В этом случае программа должна сама отыскать закономерности и сделать выводы.

Источник: https://blog.hubspot.com/marketing/artificial-intelligence-glossary-marketers?utm_campaign=blog-rss-emails&utm_source=hs_email&utm_medium=email&utm_content=41660713#sm.0000qo1r4t2kxda7usd2kb0ovnnz1