«Большие данные похожи на подростковый секс: все об этом говорят, никто на самом деле не знает, как это сделать, все думают, что это делают все остальные, поэтому все утверждают, что это делают они…» — Дэн Ариели, 2013.

Мне нравится приведенная выше цитата о больших данных, потому что она прекрасно отражает атмосферу, окружающую новую, привлекательную, но малопонятную технологию. Общее возбуждение и неосведомленность подростков о сексе усугубляются групповой динамикой. Преувеличения и дезинформация распространяются со скоростью лесного пожара, потому что стремление казаться способным и опытным превосходит способность стать теми вещами на самом деле.

Это пьянящее сочетание возбуждения и невежества можно найти в дискуссиях об искусственном интеллекте (ИИ). Всем известно, что машины добились впечатляющих успехов в областях, которые раньше были исключительно ареной человеческого интеллекта. Эти достижения находятся в процессе расширения видов задач, которые могут выполнять машины, и возникающая в результате автоматизация окажет глубокое влияние на работу и общество в целом. Это захватывающе, страшно и относительно технично — немного похоже на секс для подростка.

Особенно остро проблема стоит перед маркетологами. Маркетинг стал эпицентром взрыва огромных объемов новых доступных данных. Новые методы автоматизации распознавания и использования закономерностей в данных на основе искусственного интеллекта открывают перед маркетологами невероятные возможности. Понятно, что маркетологам в основном не хватает глубокого понимания этих новых методов, но это незнание со временем будет обходиться все дороже.

Мы в Blackbelt хотим помочь, и первым шагом, как и в любой области знаний, является установление терминологии. Ниже приведен краткий список терминов, связанных с ИИ, которые важны для маркетологов, что они означают и что вам нужно о них знать:

Искусственный интеллект.

Определение: раздел компьютерных наук, занимающийся задачами, которые исторически требовали человеческого интеллекта.

Что вам нужно знать. Искусственный интеллект – очень расплывчатый термин, относящийся ко всему, что компьютеры делают, отражая человеческие возможности. Исторически машины были намного хуже людей в задачах, связанных с быстрым распознаванием полезных шаблонов в данных, поэтому часто использование ИИ в бизнесе сегодня относится именно к этим задачам. Обработка изображений, языковая обработка, автономное принятие решений и предиктивная аналитика обычно попадают в эту категорию задач, которая включает в себя основную часть ключевых достижений ИИ на сегодняшний день.

Например: «Все наши конкуренты говорят, что используют искусственный интеллект для оптимизации своих кампаний. Мы должны что-то делать, чтобы не отставать!»

Машинное обучение.

Определение: Область искусственного интеллекта, связанная с автоматическим извлечением и применением шаблонов в данных.

Что вам нужно знать. Машинное обучение — это денежный термин в области искусственного интеллекта. Автоматическое извлечение шаблонов для использования в прогнозировании, кластеризации и классификации — это область, которая быстро развивается и демонстрирует наиболее значительный прогресс.

Например: «Я хочу проверить, нельзя ли применить алгоритм машинного обучения к данным нашей маркетинговой кампании. Я знаю, что никто не оптимизирует эти кампании, и было бы здорово посмотреть, какую ценность мы можем получить».

Очистка данных.

Определение: процесс обнаружения и исправления ошибок в наборе данных.

Что вам нужно знать. В реальном мире данные беспорядочны, и их очистка часто является самой трудоемкой частью их использования в машинном обучении. Непоследовательность в том, как данные собираются и записываются, приводит к несогласованности данных, что препятствует их эффективному анализу. Когда человек проводит ручной анализ, он замечает и очищает этот материал. Когда у вас есть автоматизированный процесс, обычно требуется, чтобы кто-то вручную выявлял и исправлял проблемы с данными. Для большого набора данных это может быть уйма работы.

Например: «Мы продолжим этот проект по машинному обучению, но мы должны убедиться, что у нас достаточно времени для очистки данных. Никто не просматривал эти данные годами».

Алгоритм.

Определение: процедура, которая решает математическую задачу.

Что вам нужно знать. «Алгоритм» для некоторых обладает почти магической силой, но это всего лишь процесс. Вот алгоритм расчета чаевых в счете за обед: (1) вычесть налог из суммы, (2) умножить результат на 20 процентов. Конечно, алгоритмы могут быть довольно сложными, и в машинном обучении у вас обычно есть алгоритм, который компьютер использует для получения другого алгоритма. Поскольку «алгоритм» — очень общий термин, он может применяться ко многим вещам, поэтому им можно злоупотреблять. Однако на самом деле это просто означает «процедура».

Например: «Этот поставщик постоянно говорит о своем замечательном алгоритме, но кого это волнует? Мне нужно только видеть, что это улучшает результаты».

Модель (математическая).

Определение: представление реальной системы в математических терминах.

Что вам нужно знать. Математические модели используются так же, как и физические модели — они позволяют вам играть с чем-то громоздким/хрупким/опасным/важным без особого риска. Хотите знать, что будет, если этот самолет влетит в скалу? Давайте попробуем это с моделью! Ой. Вот что происходит. Хотите узнать, что произойдет, если вы утроите свои расходы на рекламу? Для этого существует математическая модель. В ИИ модель вашего заданного набора данных является нормальным выходом для нескольких алгоритмов машинного обучения. Затем эту модель можно использовать для классификации или прогнозирования будущих данных.

Например: "Наш алгоритм машинного обучения создал эту модель на основе ваших данных, и теперь мы можем обновлять ее по мере поступления новых данных, чтобы она становилась все лучше".

Здесь важно помнить, что знание — сила. Чем больше вы узнаете об искусственном интеллекте и машинном обучении, тем лучше вы сможете ориентироваться в этом новом мире маркетинга. Вы также будете менее склонны совершать неловкие — а иногда и очень важные — ошибки, которые допускают подростки в сексе. Разве ты не рад, что оставил эти годы позади?