人工智慧世界：遊戲才剛剛開始

20年前，IBM的超級計算機深藍（Deep Blue）擊敗了世界象棋冠軍加里·卡斯帕羅夫（Gary Kasparov），這是人工智慧歷史上第一次勝利。今天，超級計算機已經非常聰明，不僅可以輕鬆擊敗象棋選手，而且還能在有3000年歷史的中國圍棋等同樣複雜的比賽中獲勝，最近它在與多位人類撲克高手的挑戰中也贏得了比賽。這些針對人類的勝利都要歸功於人工智慧。

人工智慧的目標就是賦予計算機人類一樣的思維和推理能力，讓它們像人類一樣聰明，甚至比人類更聰明。當然，還有許多其他方法可以實現這一點。

幾年前，研究人員通過使用手寫功能對深藍進行教學，複製了頂級人類象棋玩家的知識和智慧。通過人工智慧，IBM的超級計算機能夠識別以前見過的策略，考慮所有可能的棋步，預測人類的反應，然後決定最佳走法。正是因為前期不斷訓練它查看大量數據，編寫各種演算法，讓它有能力執行沒有人為干預的任務，這一切才成為可能。這個過程造就了現在所謂的「機器學習」。

但這並不止於此。在像中國圍棋這種更複雜的遊戲中，尤其是撲克，不僅要預見數十億種選擇，而且還需要「感覺」或直覺，這就要求有更智能的系統來打敗人類玩家，此時就需要深度學習過程來發揮作用。

深度學習是機器學習一個高度創新的分支，緊密模仿人腦在處理數據和創建決策模式方面的工作。換句話說，人類嘗試許多不同的方法，從實踐中學習，然後才會做出最終決定。由於這種自我學習過程，它從經驗中直觀地學習到如何以最優方式下棋或出牌，無需添加人工輸入或手動實施的規則。

深度學習使計算機非常精準

深度學習是人工智慧研究中最有前途的子領域之一。今天，人工智慧技術在依賴技術的行業中應用廣泛。深度學習提供的超精準度也被廣泛應用於廣告業。這些自我學習演算法提供了高度準確的產品建議，同時還能預測用戶點擊廣告（轉換潛力）的概率或購買價值（轉換價值）。這將為各個品牌提供更有效的廣告活動。

廣告深度學習要求在大量數據上使用演算法，在沒有具體說明或規則的情況下像人類一樣行事。人工智慧提出推薦建議，電子商務公司可以依此說服客戶購買更多產品，其他公司也可以提出有關音樂、事件，甚至是約會簡介這樣的建議。

針對性廣告（個性化重定向）使用的典型方法是，用戶會看到根據預定義假設創建的廣告創意。如果你查看帶有金色搭扣的黑色鞋子，建議可能會根據收集到的歷史信息顯示帶有扣子的黑色靴子。但是深度學習不會預設規則，而是會根據經驗展示最佳組合，可能是下一雙黑色鞋子，也可能是更好的選擇，比如棕色涼鞋，配套的皮包等。

沒有人會為計算機編程讓它來執行上述特定操作，每個顯示出來的建議都是由數據和演算法學習驅動的。換句話說，只有在編寫如何讓計算機自己編程的演算法時才需要人類的行動。

未來會帶來什麼？

全球知名的市場研究機構eMarketer和新加坡互動廣告局（IAB Singapore）關於「東南亞廣告支出」的研究表明，到2020年，該地區的數字廣告消費份額將翻一番，達到53.5％。手機、視頻和社交媒體廣告日益增長的需求促進了這一增長。隨著消費者不斷從品牌中尋求更好的體驗，無論對離線還是在線服務提供商來說，個性化將成為區分東南亞公司的主要因素。

深度學習不僅在廣告業，而且在其它不同行業也將發揮越來越重要的作用。隨著數據量激增，企業應該考慮實施這些新的人工智慧技術來分析各種結果，幫助我們更好地理解這個世界。

本文譯自marketing-interactive.com，原作者是在線廣告公司RTB House首席運營官Daniel Surmacz。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！