今年7月，我們抽簽來自12個國家的300名與會者就職典禮營銷AI大會(MAICON)在俄亥俄州的克利夫蘭。
如果你錯過了:該研究所推出MAICON的目標是幫助營銷領導者在他們的組織中理解、試點和擴展人工智能。超過50位演講者加入我們，幫助我們做到這一點，其中包括來自Facebook、均富、HubSpot、IBM、MIT Technology Review、Publicis Sapient、SoftBank Robotics、The Natori Company和Yext的演講者。
在MAICON現場，Paul Roetzer (@paulroetzer)，該研究所的創始人和MAICON的創造者，與八位領先的人工智能專家坐下來，問了幾個迫切的問題。你可以通過在網站上下載四集的播客係列收聽這些對話MAICON音箱係列或者你可以簡單地從下麵的第一集開始。
有關持續的營銷AI知識，請訂閱我們的營銷AI研究所通訊，並加入我們BETVlCTOR1946伟德麥孔20207月14 - 16日在克利夫蘭舉行。
第一集:什麼是營銷AI?另外，讓你的團隊走向成功。
在這一集裏，保羅采訪了Karen Hao (@KarenHao)，資深AI記者麻省理工科技評論，以及卡爾·杜拜布(@caldhubaib)， Pandata的首席數據科學家談到了人工智能的邊界，以及營銷人員現在應該如何開始。
下麵，了解更多關於我們的特色嘉賓-加上錄音後的完整轉錄。請注意，轉錄是使用AI與Otter編譯的。哎，那就怪機器上的錯別字吧:)
關於Karen的更多信息:凱倫是高級人工智能記者麻省理工科技評論．她涵蓋了技術的進步、倫理和社會影響。
凱倫還撰寫了一份名為《算法》(The Algorithm)的半周通訊，涵蓋了這項技術的棘手倫理和社會影響。在此之前，她曾在Quartz的編輯和產品團隊擔任科技記者和第一位數據科學家，報道城市的未來，試驗聊天機器人，並建立機器學習模型。在karendhao.com向她問好。
更多關於卡爾的信息:卡爾是俄亥俄州東北部的數據科學思想領袖。他帶領數據科學團隊幫助組織啟動數據科學計劃，並開始使用人工智能等先進技術來影響底線。他經常就機器學習的主題以及組織可以做些什麼來利用他們的數據產生影響發表演講。
卡爾在預測建模和創業方麵的工作獲得了國內外的認可。作為凱斯西儲大學的第一位數據科學畢業生，他孜孜不倦地倡導數據科學的職業和教育途徑，並為整個俄亥俄州東北部的勞動力發展計劃做出貢獻。
會話轉錄
嗨，我是Paul Roetzer，營銷人工智能研究所的創始人，也是BETVlCTOR1946伟德營銷人工智能大會(MAICON)的創始人。MAICON旨在幫助營銷領導者在他們的組織中理解、試點和擴展人工智能。
首屆活動於2019年7月16日至18日在俄亥俄州克利夫蘭舉行，吸引了來自12個國家的300名與會者。
有超過50位演講者，包括來自Facebook、均富、HubSpot、IBM、MIT Technology Review、Publicis Sapient、SoftBank Robotics、The Natori Company和Yext的演講者。
這個(四集)播客係列的特色是我們現場采訪的(8位)演講者的見解。我們涵蓋了一係列主題，包括:人工智能是什麼，如何在你的組織中開始使用人工智能，人工智能語音應用，如何使你的品牌人性化，以及人工智能將如何改變營銷的發展。
人工智能預計每年將對企業產生數萬億美元的影響，然而，大多數營銷人員仍在努力了解人工智能是什麼，以及如何將其應用到他們的業務和職業生涯中。
你有一個選擇。你可以坐下來，等待你周圍的營銷世界變得更聰明和改變，或者你可以現在就擁抱人工智能，積極主動地為自己和公司創造競爭優勢。
如果你選擇采取行動，我希望你能訂閱我們的營銷人工智能研究所通訊，並加入我們的MAICON 2020, 7月14日至16日在BETVlCTOR1946伟德克利夫蘭。
現在，回到播客。讓我們來聽聽我們的演講者有什麼要說的…
我們的第一位嘉賓是《麻省理工科技評論》人工智能記者Karen Hao。她涵蓋了技術的進步、倫理和社會影響。在我們的談話開始時，凱倫告訴我們她的角色:
凱倫我的日常工作是與正在開發技術的領先研究人員交談，有時我也會與高管或其他人交談，以及那些將研究應用於產品商業產品的公司的其他數據科學家交談。但我總是覺得它太寬泛了，因為這個領域裏發生的事情太多了，我不知所措，因為我想涵蓋一切。要學的東西太多了，而且進展得太快了。這就像在跑一場很長的馬拉鬆。
本質上。當我談到它時，我有一個論文，一個指導性的論文，那就是我真的認為技術人員和人文科學人員/社會科學家相互交談是很重要的，因為人工智能產生的很多工作將會影響社會。它將影響人類，因此需要在所有這些不同學科之間進行對話。所以當我尋找故事的時候，我是在尋找那些很快就會開始影響人們的事情。
保羅:我們的第二位嘉賓是Cal Al-Dubaib (Al-Due-Babe)，俄亥俄州東北部的數據科學思想領袖。他領導的團隊幫助組織啟動數據科學計劃，並開始使用人工智能等先進技術來影響他們的底線。卡爾跟我們說了他和熊貓人的關係。
卡爾所以在過去的三年半裏，它真的發生了很大的變化。這是因為數據科學的學科在不斷發展。所以今天當我想到我作為首席數據科學家的角色時，我要做四件事。我花了很多時間溝通，花了很多時間思考解決方案設計如何將不同的部分組合在一起。我做過很多關於思想領導和研究的工作。有什麼最新消息嗎?數據科學的發展速度是如此之快，以至於你必須一直保持在它的頂端。最後是最佳實踐和遵從性。所以當你談論今天發生的所有法規時，你真的走在了前麵。因此，把這四部分聯係在一起，了解我們的客戶所經曆的業務痛點，將它們轉化為解決方案，並確保它們是合規的。
保羅:有趣的是，我們在這個會議上探索營銷AI，但它回避了一個問題，AI到底是什麼?開始我們的談話，我們問卡爾誰喜歡這個話題。
卡爾:我喜歡這個問題，因為我不知道，什麼是人工智能?這是個好問題!事實上，我們每個月都有午餐會，我們是一群數據科學家，甚至我們也無法就人工智能的統一定義達成一致。我認為這是一個移動的目標。我今天聽到的一個最喜歡的定義就是"讓機器更聰明的科學"所以對我來說，這意味著你在做一項重複的任務，可能有一些人類決策的元素，你正在自動化它。這是讓機器更聰明的一種方法。或。
保羅:就像卡爾說的，人工智能的定義似乎是一個移動的目標，這個術語經常被扭曲，包括任何類型的算法或計算機程序。你如何區分某物是否使用了AI ?在與Karen的談話中，我們探索了為什麼人工智能這個術語如此難以確定，她給了我們一些人工智能在日常生活中的例子。
凱倫AI實際上指的是兩件事，這就是為什麼它令人困惑。它指的第一件事是場和場的目標，也就是建造。這些非常複雜，超級聰明，超級有用的人工智能係統就像你在科幻小說中看到的那樣。不完全是，但我們肯定會用這個比喻，這就像一件事，然後它指的另一件事就像現在技術的實際狀態。這就是為什麼它會令人困惑，因為有時人們會把兩者混為一談，認為我們現在擁有的是更先進的，但事實並非如此。而是他們把它和對這個領域的渴望混淆了。我們現在得到的是。你聽到的大部分都是人工智能的一個類別，叫做機器學習，機器學習是一個使用統計數據來發現數據中的模式，然後根據這些模式做出決策的過程。
所以。係統,你會看到像人臉識別的標簽你在Facebook上的照片或你的Netflix推薦機器學習算法所有這些東西都是采取什麼喜歡你在你的臉上,然後找到像像素的圖像模式,彌補你的臉,然後使用它來確定你的臉和其他這樣的照片或顯示,你看,你喜歡的東西作為數據的模式哦,好像她真的喜歡科幻和recommending more things like that. That's that's essentially A.I. in a nutshell right.
保羅人工智能今天在這裏。我們在日常生活中使用它，營銷人員也在尋找在工作中使用它的新方法。然而，許多營銷人員在開始使用人工智能時都遇到了困難，所以我們請Cal解釋為什麼他們的許多項目注定要失敗。
卡爾:對我來說，人工智能、機器學習、大數據……都來自於數據科學這門學科。對我來說，數據科學就是從數據中創造價值的過程。科學這個詞真的很重要。它本質上是實驗性的。這對商業世界來說有點新鮮。當你說，好吧，我們要做一些實驗來真正證明它的價值，這有時是行不通的，沒關係。這部分在翻譯中丟失了，特別是當你使用人工智能和機器學習這樣的詞時，你忘記了它的科學方麵。
因此，組織投入了大量資源，試圖讓這些倡議啟動。伟德bv885一旦失敗，就會關閉。就像哦，這行不通。這沒有任何價值。所以在數據科學上取得成功時，你必須有兩個非常非常有效的過程。一個是實驗，另一個是操作化。所以，在擴大規模並進入用戶手中時，要找出可行的方法。
保羅:所以我們看到，公司需要對人工智能的試驗持更開放的態度，但凱倫也提出了一些營銷人員麵臨的道德障礙。人工智能不僅僅是關於數據和科學，我們需要記住最終用戶——這項技術將影響到的真正的人。
凱倫:是啊。我的意思是，機器學習真正擅長的是預測，因為它能發現模式，應用模式。所以。當你喜歡它的時候比如亞馬遜就用它來向用戶推薦產品這是一種提高消費者轉化率的方式或者是讓普通的瀏覽器變成買家這有點像你在做的營銷任務。想想哪些任務最終歸結為預測。
這些都很有可能從機器學習中受益。我想說的是，另一方麵你必須確保你在這方麵是道德的，因為。你不需要一直把事情個人化。因為就像我們說的那樣有積極和消極的後果。如果你有超針對性的廣告一直在跟蹤人們。它們可能對那些有很多錢花的人有幫助。這對那些不喜歡的人來說可能有點掠奪性。
還有，幾個月前，美國住房部起訴了Facebook，因為他們。Facebook建立廣告和營銷工具的方式。使用機器學習來辨別。所以我認為最廣泛的報道。所以HUD起訴了Facebook的兩個賬戶。報道最廣泛的是。Facebook允許廣告商明確地縮小廣告的受眾目標受眾。很明顯，這導致了住房歧視，因為你可以說，看，我隻希望白人看到廣告或其他什麼。但是第二件事，Facebook被起訴的第二個賬戶，報道較少的是，即使你擺脫了顯式過濾，機器學習仍然在做隱式過濾。
有研究表明。是的。如果你根本不限製你的廣告，你在賣房子。待售房屋顯示給白人用戶多於少數族裔用戶，出租房屋顯示給少數族裔用戶多於白人用戶，這也適用於招聘廣告。因此，護士和秘書職位的招聘廣告最終將顯示給女性多於男性。看門人和出租車司機的招聘廣告更多地向少數族裔用戶展示。所以。當你在思考，當你在思考在你的營銷任務中實施機器學習的時候，要非常非常清醒地思考。但是否存在潛在的負麵後果。我該如何緩解呢?我認為這兩點將使你成為一個非常熟練的營銷人員。
保羅我們可以看到，今天的營銷人員麵臨著許多現實和道德上的障礙。這就引出了一個問題:在這個實驗的早期階段，企業如何建立他們的營銷人工智能項目以獲得成功?下麵是卡爾說的。
卡爾我們會問任何人這四個問題，尤其是在項目開始的時候。我們有一個方便的縮寫RISE。然後我會稍微定義一下結果，影響，衡量成功和道德考慮。所以從你想要考慮的結果開始。是誰。當我們談到自動化決策的概念時。誰是決策者，他們會做出什麼樣的決定。2 .衝擊權。如果你能根據這些信息采取行動，就會有可衡量的潛在價值。
衡量成功有點相關，但是你怎麼知道你什麼時候成功了。你如何設定這些基準，說你知道我們得到了什麼，這是一個解決方案，以提高我們的營銷活動的轉化率或點擊率。你期望在某個日期前看到的提升是什麼?如果你沒有達到目標，你就會說，好吧，你得試試別的東西。最後是道德方麵的考慮你提出的建議可能會考慮到性別或人口統計學的偏見。你們有像GDPR這樣的法規影響你們對客戶數據能做什麼和不能做什麼嗎?所以問這四個問題真的非常非常重要。至於要讓整個組織保持一致有三件事是你要做的信任和持續的表現。
保羅因此，我們可以使用Cal的RISE首字母縮寫詞，將我們的項目集中在:結果、影響、衡量成功和倫理考慮，以便將我們的項目設置為成功。
我們還詢問了我們的嘉賓對初學者的建議。對於那些剛剛開始探索人工智能的營銷人員，你有什麼建議嗎?
凱倫:閱讀我的通訊。它叫做算法。我為《科技評論》寫的，你可以去Bit。或者你可以穀歌它。我認為，它是揭開人工智能神秘麵紗的首選來源。它是。它更專注於研究。但實際上，我鼓勵那些正在使用商業化產品的人更多地投入到研究中。我認為它真的幫助我們人們建立一個更好的基本理解，他們在使用什麼，為什麼它是有效的，所以當像偏見和其他問題出現時。你可以利用你的基礎知識來理解如何解決問題或者你可以用不同的方式處理問題或者注意其他還沒有報道過的問題。
保羅:這太關鍵了。市場需要閱讀人工智能和研究方麵的最新消息，以幫助他們的努力。我們向卡爾提出了同樣的問題，為那些剛剛開始探索人工智能的營銷人員提供建議。
卡爾我再怎麼強調從小處做起的重要性也不為過。證明自己是成功的。通常情況下，你會聽到從上到下的所有人都在撒謊，這是做人工智能的錯誤理由。你真的想用它來解決實際問題。有時候你可以用相對較少的資源來解決的問題並不是那麼令人興奮。伟德bv885但你得證明它有效。正確的。回到購買信任和穩定表現的觀點。如果你能在一個組織內以共同的勝利為中心。
你可以證明你的價值，建立信任。但如果你持續投入大量資源，卻沒有可衡量的影響，或者你在解決錯誤的問伟德bv885題，你已經破壞了這種信任，突然之間就很難繼續購買。
保羅最後還有什麼想法嗎?
卡爾這是一個激動人心的時刻。通常當人們聽到人工智能和機器學習時，這些都是流行語，你隻想閉嘴，好像這根本不適用於我一樣。接受每個人都在一起學習的事實。嚐試找出對你有用的方法，並認真思考它在哪裏可以解決你可以證明價值的那個小問題。
保羅這是一個激動人心的時代，我們希望你們花些時間來探索人工智能如何融入你們的營銷戰略。
我是Paul Roetzer, MAICON的創造者。感謝收聽營銷人工智能播客。如果你喜歡今天與今年MAICON活動的Cal Al-Dubaib和Karen Hao的討論，我鼓勵你在MAICON.ai上查看我們2020年的活動。這個年度會議在克利夫蘭舉行，聚集了營銷和人工智能領域的領先專家。我們希望在那裏見到你。
本播客是由常青播客製作的。特別感謝:
製片人:布裏吉德·科因
音頻工程師:Dave Douglas和Eric Koltnow
謝謝收聽，我們下期見!