AI +你
用一個句子或陳述告訴我們你是做什麼的。
我是一名數據偵探，幫助客戶解決他們的數據謎團。
你如何定義人工智能?(或者，你最喜歡AI的定義是什麼?)
人工智能是一門利用數學幫助計算機執行模仿人類智能的任務的科學。
穀歌首席執行官桑達爾·皮采曾表示:“人工智能可能是人類有史以來最深刻的事情。”你同意嗎?為什麼，或者為什麼不?
我不同意。數學是人工智能的核心，是人類迄今為止研究的最深刻的東西。即使在今天，我們仍在不斷地發現和重新發現數學。就在幾年前，現代科學家終於破譯了一些巴比倫泥板，這些泥板對三角函數的解釋與希臘人推導的三角函數非常不同，更準確。我們還有很多東西要學，正是這些發現在數據科學、機器學習和人工智能領域產生了連鎖反應。
想想看，我們今天在人工智能領域所做的很多應用，都源於幾十年前的研究，可以追溯到20世紀40年代和50年代。
你是如何開始從事人工智能的?
我在21世紀初開始了我的旅程，當時我在一家金融服務初創公司工作，數字營銷分析開始變得重要起來。我的數學很差，所以多年來我不得不重新學習線性代數、統計學和概率。
2013年，我完全接受了R編程語言，開始做數據科學。到2017年，我開始痛苦地深入研究Tensorflow。
“打個比方，人工智能不過是烹飪，而數據就是你的食材。如果你的食材變質了，不管你有多麼好的廚房，或者你有多麼有才華的廚師。你的飯會壞的。”
在你的日常生活中，你最喜歡的人工智能的例子是什麼?大多數消費者認為這是理所當然的，甚至沒有意識到人工智能是可能的?
穀歌地圖。沒有哪個普通消費者會把路線優化當成深度學習功能，但它顯然是一個非常有價值的用例。人工智能最讓你興奮的是什麼?
人工智能提供了前所未有的規模和能力，將我們原本無法管理的大量數據轉化為我們可以使用的東西，這是我們幾十年來一直麵臨的問題。我們的很多數據都沒有被使用。
關於人工智能，你最擔心什麼?怎麼會出錯呢?
人性。人性是問題所在;人工智能隻是另一個人類可以使用或濫用的工具。
我特別擔心對人工智能的盲目信任和缺乏偏見的假設。機器從我們給它們的東西中學習。如果我們給他們有偏見的數據，他們會學習偏見，並大規模地複製它們。以非裔美國人的醫療數據為例。實際上，這些數據都沒什麼用，不是因為我們收集的數據不好，而是因為我們對非洲裔美國人存在社會上係統性的種族主義，把現有的數據用作培訓數據，會加劇他們已經存在的糟糕健康狀況。
這不是人工智能能解決的問題;這是一個隻有訓練人工智能的人才知道如何尋找並盡其所能緩解的問題。
你認為對人工智能最大的誤解是什麼?
我在所有的主題演講中都說:人工智能是數學，不是魔法。
這裏沒有魔法。人工智能隻是將數學應用於非常大規模的數據。
在可預見的未來，你認為哪種技能或特征最有可能成為人類獨有的東西?
機器將能夠模仿行為，但不能理解它們。在情感方麵尤其如此，所以任何依賴於情感的東西——同理心、判斷(願意變通規則)、一般生活經驗、人際關係——仍然可能是人類的領域。
坦白地說，任何我們人類無法理解的東西，我們的機器也無法理解。除了經驗數據和一些神經學數據，我們仍然無法理解情緒，但我們的情緒科學仍然處於早期階段。我們仍然不能創造生命，也不了解生命。我們仍然不了解重力。
任何我們夠不到的東西都是我們的機器夠不到的，直到我們有數據可以訓練它們。
誰對你對人工智能和未來的看法影響最大?
我關注了很多學術實驗室，比如麻省理工學院的機器學習實驗室，還有著名的程序員和研究人員，比如萊克斯·弗裏德曼和哈德利·維克漢姆。我也跟隨其他從業者，像Hilary Mason博士，Shingai Manjengwa, Carla Gentry和其他人。但最重要的是，我盡可能多地閱讀研究報告。
最近人工智能領域有什麼讓你大吃一驚的進步嗎?
喬納森·弗蘭克爾和邁克爾·卡賓的彩票假說論文。
他們的研究表明，他們能夠在深度學習網絡中找到同樣有效的子網絡，但規模隻有深度學習網絡的10%。這是不可思議的，因為它讓我們得以一窺當今網絡內部的可能性。如果有一個子集網絡，就像一個分形，如果你能得到正確的網絡部分，你可以節省90%的計算成本，並且仍然能得到相同的結果。
你可以看看那份報紙在這裏．
“工程師以直言不諱的誠實而聞名，當你和一家真正的公司交談時，他們會很樂意讓你和機器裏的人聊天。如果一家公司有所隱瞞，就不會讓你在沒有監督的情況下與工程師交談。＂
如果你進入大學，知道你現在所知道的，你會學什麼?
我會讓那個可憐的混蛋坐下來學習數學、計算機科學、心理學和人類學。
如果你是一所商學院的院長，為了讓學生更好地為智能自動化的未來做好準備，你現在會做什麼?
這是一個很難回答的問題，因為我們不知道未來會是什麼樣子，除了大量的重複性工作將由機器完成。
布魯金斯學會(Brookings Institute)說得最好:人工智能將接手任務，而不是工作。但拿走足夠多的任務，你就可以大幅減少員工數量。我想說的是，遵循貝佐斯的原則:專注於不變的事物。生活中哪些事情會保持不變?人們總是想要更好、更快、更便宜。人們總是會選擇快樂而不是痛苦。人們總是會選擇最簡單的道路，阻力最小的道路。
學習心理學、人類學和數學可以讓你正確地結合硬技能和軟技能來理解這個世界。
營銷+人工智能
對於希望在組織中試點人工智能的營銷人員，你有什麼建議?
從小事做起。找到一個測試用例，一些重要但你有數據的東西，並將其作為試點項目的起點。你不會一開始就大規模推出一個項目。確保你從簡單開始，這樣你就可以看到你的人員和流程的差距在哪裏。
營銷人員在擴展人工智能時應該計劃的最大挑戰是什麼?
目前最大的挑戰是數據。大多數組織的數據質量都非常糟糕。打個比方，人工智能不過是烹飪，而數據就是你的食材。如果你的食材變質了，不管你有多麼好的廚房，或者你有多麼有才華的廚師。你的飯會變質的。
你會建議營銷人員向聲稱擁有人工智能技術的供應商提出哪些問題?
對於營銷人員來說，學習人工智能的基礎知識和術語是至關重要的，以便能夠提出有洞察力的問題。大多數供應商都知道他們可以很容易地欺騙普通的營銷人員，他們對花哨的銷售說辭沒有防禦能力，因為他們真的不知道技術能做什麼和不能做什麼。
花大量時間聽播客，閱讀博客，在YouTube上看視頻，這樣你就能熟悉AI中的詞彙和概念，如回歸，分類，降維等。
然後，讓你選擇的供應商在銷售人員不在場的情況下與他們的一位工程師相處一段時間。工程師是出了名的誠實，當你和一家真正的公司交談時，他們會很樂意讓你和機器裏的人聊天。如果一家公司有所隱瞞，就不會讓你在沒有監督的情況下與工程師交談。
有多少比例的營銷任務將被智能自動化在某種程度上在未來五年內?
- 0％
- 1 - 10%
- 11 - 25%
- 26 - 50%
- 51 - 75%
- 76 - 99%
- 100％
在未來五年內，哪三個營銷類別將受到智能自動化最大的顛覆?
- 帳戶營銷
- 廣告
- 分析
- 通信
- 內容營銷
- 會話
- 客戶服務
- 數據管理
- 電子郵件營銷
- 公共關係
- 研究
- 銷售
- 搜索引擎優化(SEO)
- 社交媒體營銷
- 策略
- 其他
你認為在未來五年內，哪個營銷工作將被人工智能完全自動化並被淘汰?
基本的分析。有些機構讓初級人員從一個報告係統複製粘貼數據到另一個報告係統。這些工作崗位正在消失，就這樣。他們五年前就該走了。
你認為人工智能創造的哪些營銷工作現在還不存在?
Machine-assisted創意。人工智能正在變得越來越好——非常擅長創造視覺、圖像和音頻。為了一個概念而進行創造性的努力或永遠花在一個比較上的日子即將結束。很快，他們就會向機器詢問起點，然後對輸出進行微調。營銷人員可以做些什麼來確保在營銷中道德地使用人工智能?
個人和公司都要有道德。如果你是一家不道德的公司，你就不可能創造出有道德的人工智能。
品牌如何在不侵犯隱私的情況下實現個性化?
個性化是關於兩件事:行為和同意。
首先，讓客戶能夠以明確、有意義的方式表示同意。這將影響他們給你的東西。其次，少關注PII(個人身份信息)，多關注人們的行為。
一個典型的例子就是Bronies。人們想當然地認為，隻有8-11歲的女孩才會喜歡《小馬寶莉》，但實際上，26歲至40歲的男性卻深深愛上了《小馬寶莉》係列。如果你隻關注人口統計，你就會錯過一個有利可圖的細分市場。如果你專注於行為，你就會賣給想買的人，不管他們是誰。
在智能自動化任務和角色的過程中，品牌如何變得更人性化?
他們不能。品牌不是人。人就是人。品牌可以盡可能地讓開，讓他們的人類員工像人類一樣行事，而不是蹩腳的人形機器人。
“無論是個人還是公司，都要有道德。如果你是一家不道德的公司，你就不可能創造出有道德的人工智能。”
你會向想要了解和應用人工智能的營銷人員推薦哪些資源?
四個步驟。
首先，準備工具。使用免費的開源軟件，如R或Python，以及您選擇的IDE。
第二，獲取知識。參加課程;我喜歡IBM的免費CognitiveClass。Ai門戶網站，提供完全免費的課程，你可以參加，甚至小完成徽章。
第三，積累經驗。一旦你知道了自己在做什麼，就可以在Kaggle上參加一些比賽，把你的技能用真實世界的數據進行測試。
第四，獲得更多的經驗。找一份實習，免費做一三個項目，建立你的作品集。
快速
你用得最多的語音助手?
- 亞莉克莎
- 穀歌的助理
- Siri
- 不要使用語音助手
- 其他
10年後更有價值?
- 文科學位
- 計算機科學學位
首家市值達到2萬億美元的上市科技公司?
- 阿裏巴巴
- 字母
- 亞馬遜
- 蘋果
- 臉譜網
- 微軟
- 特斯拉
- 其他
構建人工智能解決方案的首選雲?
- 亞馬遜網絡服務(AWS)
- 穀歌雲
- 微軟Azure
- 不要使用或偏愛其中任何一種
- 其他:IBM
最好的猜測是，我們要多久才能實現人工通用智能(AGI)?
- 1 - 5年
- 6 - 10年
- 11 - 20歲
- 21 - 50歲
- 51 +年
- 從來沒有
未來十年的淨影響?
- 更多的工作被人工智能淘汰
- 人工智能創造更多就業機會
- 人工智能不會對就業產生有意義的影響
AI代理首先贏得什麼(或者至少與人類分享)?
- 諾貝爾和平獎
- 奧斯卡
- 普利策
- 不會贏的以上的
最喜歡的人工智能電影?
瓦力。這是對機器人技術的一個很好的了解，也是對人類的一個潛在結果。
最喜歡的人工智能書籍?
目前沒有。
你最喜歡的人工智能營銷技術，你的公司經常使用，降低成本和/或增加收入?
我自己寫的。
你最喜歡的人工智能內容，你想與我們的讀者分享嗎?包括任何相關的鏈接。
最終的想法
我們的讀者對人工智能有什麼最後的想法嗎?
人工智能是數學，不是魔法。我怎麼說都不夠。一旦你理解了這些技術和它們的功能，你就會更清楚地意識到它們的局限性和可能性。你不可能無中生有;人工智能的一切都來自它經過訓練的數據。
最重要的是，當你了解人工智能的工作原理時，你就知道它什麼時候適用，什麼時候不適用。就像煎鍋不太適合做湯一樣，人工智能解決一些問題非常好，而另一些問題則非常糟糕。它不是魔法，也不是靈丹妙藥，它不會讓非人工智能的問題(如文化、人員、破碎的流程等)消失——它隻會讓它們變得更糟。
把人工智能想象成咖啡——它讓事情發展得更快。這也意味著，如果你的基礎數據和假設不正確，它會更快更糟地出錯。