AI +你
用一個句子或陳述告訴我們你是做什麼的。
我幫助高管們利用人工智能對他們的業務進行數字化轉型。
你如何定義人工智能?(或者，你最喜歡AI的定義是什麼?)
人工智能在預測的基礎上進行判斷，在沒有人為幹預的情況下采取行動。
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。人性是人類所研究過的最深刻的東西。在追求人工智能的過程中，我們不能忽視人類，這一點非常重要。在我看來，人工智能可以幫助我們充分欣賞和理解人類的深刻，如果我們正確地使用它。
你是如何開始從事人工智能的?
1998年，我用BASIC語言執行了我的第一個程序。就在那一刻——讓一台機器從世界上獲取數據，在此基礎上做出預測，並采取行動，而不需要我的幹預——我意識到人工智能將撼動我們的世界!
“人性是人類研究過的最深刻的東西。在追求人工智能的過程中，我們不能忽視人類，這一點非常重要。”
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?
如果不是你車裏的人工智能，你的油耗會非常非常低。
20世紀80年代以前的燃油噴射係統通常將穩定的汽油注入發動機，與空氣混合並點火，從而產生動力。今天的燃油噴射係統使用傳感器來收集有關發動機狀況的數據，如溫度、壓力和氣流，並將這些數據泵入一個模型，以優化所需驅動的燃油量。
更複雜的車型實際上使用來自其他傳感器的數據，包括汽車的角度和動量，以確定點火周期並更新所需的駕駛。
自20世紀80年代初以來，汽車一直在使用人工智能來優化燃油噴射——考慮到“早期”人工智能節省的燃料量和減少的汙染，這是令人難以置信的!
人工智能最讓你興奮的是什麼?
人工智能將人類解放出來，去做那些對人類很重要的事情——那些隻有人類才能做的事情。
人工智能也許能以更低的成本做你的工作。如果是這樣，這種轉變需要時間，你會看到它的到來。新的能力發出了一個信號——一個機會。他們為你提供了一個背景，讓你與你的專業網絡討論如何更好地為他們服務。它們促使你重新與你以前可能沒有考慮過的教育機會聯係起來。它們能讓你進行對話關於你如何再次為你的社區服務。
關於人工智能，你最擔心什麼?怎麼會出錯呢?
我們都會變得像香草一樣“光滑”。
我曾與一些即將從高中畢業的下一代“Zennials”交談，他們告訴我，他們更喜歡讓算法了解他們的一切，因為它可以告訴他們該做什麼(以及該看什麼、吃什麼、讀什麼，或如何互動)。
支持人工智能的模型通過從數據中進行概括，然後根據這些概括做出判斷。如果我們都變成了泛化，那麼我們將不再有自己獨特的視角，也不再需要實驗!
你認為對人工智能最大的誤解是什麼?
這是一項新技術。人工智能起源於數學，在美國獨立戰爭之前就已經存在了。
事實上，關於人工智能唯一的新事物是，我們現在擁有大量的動員數據，以及廉價、可擴展和強大的計算架構，以使其使用具有成本效益。
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?
治理、製定政策、培養製度和培養我們的孩子的能力。
誰對你對人工智能和未來的看法影響最大?
個體消費者。你的花費就是你的投票。我們作為人工智能領導者需要做的是告訴消費者這些技術意味著什麼，他們的數據是如何被使用的，以及人工智能對未來意味著什麼……這樣他們就可以做出明智的選擇。
最近人工智能領域有什麼讓你大吃一驚的進步嗎?
當自動駕駛汽車開始把乘客開到路障上時，我的大腦被震撼了，但不是以一種好的方式。
它強調了我們需要保持這些算法的質量水平，以便大規模部署。我認為我們還沒有考慮到我們應該為大規模部署的人工智能設定的性能標準和期望。
“作為人工智能領導者，我們需要做的是告訴消費者這些技術意味著什麼，他們的數據是如何被使用的，以及人工智能對未來意味著什麼……這樣他們就可以做出明智的選擇。”＂
如果你進入大學，知道你現在所知道的，你會學什麼?
我的建議是深入研究一個具有實質性重要性的話題——某個特定領域的話題，比如生物學、環境研究或娛樂管理——並主修它。
然後，輔修方法論科學，如計算機科學、應用數學或計量經濟學。隻有在兩者結合的情況下，我們才會看到AI在特定領域的應用改變遊戲規則。
人們將為老問題帶來新的視角，而這些問題是純方法學家或程序員從未接觸過的。在我看來，這些用例是下一個前沿。
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?
我們需要更多將人工智能的理論理解與實踐經驗相結合的項目。作為顧問委員會的成員Emory Goizueta商學院STEM-credentialed商業分析理學碩士我相信他們正是在設定這個標準。
這些學生的素質和幹勁給我留下了深刻的印象，我相信這樣的項目將改變商科教育的格局。
MSBA課程結合了商業、數據和技術，為學生成為有效的商業數據科學家做好準備。這個為期10個月的沉浸式課程強調在與聯邦快遞、洲際酒店集團(IHG)和家得寶(The Home Depot)等組織的真實合作關係中實踐學習，因此當他們結束後，他們將在任何行業中落地。
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?
從小處著手，尋找低風險、可靠的勝利。采取大的、緩慢的、昂貴的計劃的組織承擔了太多的風險。
隻要你知道去哪裏看，AI的勝利就無處不在。一旦你在那裏取得了成功，那麼做下一個對你的領導團隊來說會更令人興奮!
營銷人員在擴展人工智能時應該計劃的最大挑戰是什麼?
專注於用可操作的、有影響力的故事來提供預測和假設測試。大數據和人工智能因為昂貴和沒有回報而被人詬病，主要是因為人們忘記了它們應該解決一個重要的常識性問題。
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?
您的軟件如何為我們提供可操作的和有影響力的見解?
您的軟件如何量化並報告其建議的不確定性?
您的軟件如何使我們的組織能夠解決偏見、測試假設、管理組織變革和大規模部署?
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?
媒體業的中間商正在被吃掉午餐。很快也會有早餐和午餐。
你認為人工智能創造的哪些營銷工作現在還不存在?
我相信每個組織都會雇傭經過科學訓練的歸因、優化和隱私專業人員。這個新時代的團隊將在數據科學的幫助下，向高管們解釋事情的正確或錯誤之處以及原因，創造一種創新文化，並作為客戶隱私的倡導者。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?
組建你的第一個“AI審查委員會”。人工智能無法自行消除偏見。但人工智能確實創造了一個機會，通過使算法的訓練和驗證透明，讓來自不同觀點的董事會共同評估應用程序。
這是應用陪審團定理來減少人工智能方麵的偏見、管理公眾期望、獎勵新興技術領導者的好方法。
品牌如何在不侵犯隱私的情況下實現個性化?
我們需要建立一個客戶數據所有權的模型。
由人工智能驅動的客戶倡導者(由客戶自己通過移動設備擁有和操作)將在邊緣實現不同的隱私，同時仍然可以提供令人難以置信的有洞察力的個性化建議。這就像有了一個私人助理，而不是一個大哥。
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?
我認為文字和聊天中的新渠道策略對品牌演變至關重要。與人工智能相結合，我們可以培養與客戶的響應性、完全社交(而不是準社交)關係。我們甚至還沒有完全利用這些策略!
“大數據和人工智能因為昂貴和沒有回報而被人詬病，主要是因為人們忘記了它們應該解決一個重要的常識性問題。”
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
十年內更有價值?
- 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:我們還不知道的公司，或者目前還沒聽說過的公司
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
- Other:這三種我都喜歡，每一種都有自己的戰略優勢，應該在你的戰略中考慮到
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
- 不會贏得以上任何一個
最喜歡的人工智能電影?
少數派報告。這部電影很有先見之明地預測了未來幾年世界的走向。我們需要考慮電影提出的關於自由、正義、不平等和隱私的問題。
最喜歡的人工智能書籍?
華盛頓大學的計算機科學教授佩德羅·多明戈斯(Pedro Domingos)的《主算法》(The Master Algorithm)，幾年前我在全國商業經濟學家協會會議上與他同台。佩德羅給出了一個關於人工智能是什麼，它曾經在哪裏，以及它將走向何方的真正平衡和明智的觀點，這與我們經常聽到的過度炒作的觀點形成了鮮明的對比。
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?
我們在搜索發現的團隊開發了一種名為astrologger的技術，可以插入任何具有分析實現和明確定義的轉換目標的網站。
它基於網站用戶的實時數字行為，利用機器學習實時預測用戶的轉換概率，然後將這些分數公開供公司使用。
我們在網站上激活個性化引擎，優化目標，或者在Facebook等其他平台上，用戶可以立即根據他們的分數和細分市場重新定位。
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。
這是我最喜歡的播客之一來自Digital Analytics Power Hour。Michael Helbling, Tim Wilson, Moe Kiss和我聊了聊自然語言處理，以及它在人工智能營銷中的應用。