的營銷AI顯示該播客通過讓人工智能變得平易近人和可操作來幫助企業更聰明地發展。
你現在可以在你最喜歡的播客應用上收聽，或者繼續閱讀本集內容。
第9集:Britney Muller，數據科學101，關於搜索引擎優化的關鍵AI用例
在本周的節目中，節目主持人保羅·羅策爾與布蘭妮·穆勒(布蘭妮·穆勒)坐了下來。@BritneyMuller創始人)數據科學101也是Moz的前高級SEO科學家。布蘭妮是我們所說的下一代營銷人員的原型——或者說是理解智能技術帶來的可能性的人。他們知道，為了提供現代消費者需求的個性化體驗，營銷必須變得更聰明。它必須成為營銷者+機器。布蘭妮開始在公共關係領域，並完全自學機器學習。
在這一集中，穆勒從她的角度談論了機器學習，以及可用來幫助將AI應用於其他職業的不同工具和資源。伟德bv885她還討論了:
SEO的特定AI用例。
未來3 - 5年AI對市場營銷和SEO專業人士的影響。
給剛開始接觸機器學習和人工智能的營銷人員的建議。
觀看視頻
閱讀采訪記錄
免責聲明:本轉錄是由人工智能寫的，感謝深,．
(就是)保羅Roetzer:好的。歡迎來到營銷AI展。今天和我一起的是Britney Muller，數據科學101的創始人和Moz的前高級SEO科學家。在這節課中，我們將討論什麼是機器學習的具體用例，用於SEO和工具和資源，你可以用來理解和應用人工智能在你的職業生涯。伟德bv885歡迎布蘭妮。
(00:00:26)布蘭妮穆勒:謝謝你邀請我，保羅，
(00:00:28)保羅Roetzer:我真的很期待。我們將從你的起源故事開始，但我想，你知道，我在開始錄音之前告訴過你，就AI技術的理解而言，我們在研究所的觀眾主要是初學者到中級水平，大部分是非技術性的。
[00:00:46]我知道你是明尼蘇達大學的公關戰略傳播學專業。所以，我覺得你們是我們的觀眾，你們是提出這個文科學位的人，並以某種方式[00:01:00]成為人工智能思想領袖和SEO科學家。跟我們說說你的旅行吧。
[00:01:05]你是如何進入公關行業的，又是如何進入搜索引擎優化和人工智能行業的?
(00:01:10)布蘭妮穆勒:是啊，有點奇怪，一連串的事情發生了。真的。所以我拿到了公共關係專業的學位，然後開始讀醫學預科，我的父母也一樣。我失敗了。前八周我的醫學預科就掛科了。是啊，我父母差點把我趕出大學。
[00:01:30]那就像，就像，嗯，我去了，嗯，我很興奮去做醫學路線，但是我父母，我記得我爸爸周一給你打電話。我是說，布裏特我們可沒見過你在實驗室呆七年。就像在地下室，你要去做一些有趣的事情。
(00:01:51)保羅Roetzer:我就喝了八周的酒，真的沒得選。
[00:01:54]差不多，我的教授說如果你期末考得a，你這門課就過不了。[00:02:00]我說，好吧。我想是時候換工作了。所以，好吧，醫學預科然後你就得去找別的事做了。那麼，你是如何進入公關和傳播行業的呢?
(00:02:12)布蘭妮穆勒:是的，所以我申請了新聞學院，這對我來說很有趣，他們有兩個軌道。
[00:02:19]他們有廣告頻道和公關頻道。我隻是覺得公共關係的東西對我很有吸引力，我真的可以在戰略上讓我的頭腦清醒，並從中獲得樂趣。我非常喜歡。但事實是，大學畢業後，我不想實習。
[00:02:42]我感到信心十足。我知道怎麼做這些事。我申請的這些工作遠遠超出了我的技能水平，而且哪裏都找不到工作。好像我還留著那個文件夾似的。我想把我所有的拒絕信做成牆紙，這是我的目標，也是我[00:03:00]未來的家。但是，是的，我找不到工作。
[00:03:03]我開始變得非常沮喪。我一直都很喜歡單板滑雪。我和我最好的父母聊天，我爸爸說，為什麼我們不。你知道嗎，你為什麼不這樣做呢?不如我們把你的車收拾好開車去科羅拉多給你找個地方住?
[00:03:24]所以我和我爸開車去了科羅拉多，有天晚上我們在布雷肯裏奇的一家酒吧交了朋友，我們出去，和他們一起開派對，一起出去玩那個女孩需要一個室友，剩下的都是曆史了。
(00:03:34)保羅Roetzer:噢,我的天啊。
(00:03:37)布蘭妮穆勒:很隨機的。我在山上待了差不多一百天，玩得很開心。還有當服務員，我從15歲就開始做了。
[00:03:48]在你獲得大學學位後，這種感覺很快就會過時，你會想，等等，我應該做點什麼，我可以在推特上與當地的房地產經紀人聯係。所以我給他寫了一些當地的房源。他是驚人的。皮特·迪寧格，他給我介紹了SEO。我一告訴你，保羅我一知道。
[00:04:10]你可以研究和確定人們每個月對某物的搜索次數。我的生活就像，我滿腦子想的都是這個。它會在化妝日發行，它會消耗掉我的什麼，布列塔尼·斯皮爾斯的數字。比如搜索這個的次數是多少，人們搜索了多少次?
[00:04:30]我對搜索引擎優化非常著迷。我造了假詞，很快我就能把它們排好。不用說，這讓我了解了HTML，我了解了基本的腳本，小貓黑客，有一段時間真的很搞笑。
(00:04:49)保羅Roetzer:腳本凱蒂黑客嗎?
(00:04:51)布蘭妮穆勒:是的。所以在黑客的世界裏，我認為自己不是一個真正的黑客是非常重要的。
[00:04:57]我隻是複製和粘貼，就像Tor包裝腳本，用來入侵打印機和wifi連接之類的東西。但是是的。是啊，當我知道你可以操縱搜索結果的時候。我是說，我簡直瘋了。我花了7個月的時間為伯頓準備排名第一，我們活動的開幕日期。
[00:05:20]我的排名在burton.com上麵，他們的市場部給我打電話。我想，這就是找工作的方法。我有一場演出。然後他們請我吃飯，問了我很多好問題。我把一切都告訴他們了，你知道，我不知道。好像很高興認識你一樣。在那之後，我開了一家經紀公司。
[00:05:41]我們在市場營銷方麵非常成功。我被那裏的蚊子挖走了，非常喜歡那裏。嗯，一件有趣的事情發生在2014年左右，當時我有點搞清楚了SEO(搜索引擎優化)的事情。你知道，搜索引擎優化的世界沒有太大的變化，我渴望那種勢頭，那種好奇心，我可以真正充滿激情和好奇的東西。
[00:06:11]機器學習成為21世紀最性感的工作。我記得我什麼都不知道。我記得我當時在想，嗯，我知道哪些技術網站可以讓我查閱機器學習的信息?我唯一能想到的就是Git Hub，我記得去Git Hub的時候完全沒有頭緒，我在做什麼，然後輸入機器學習。
[00:06:33]在看了幾頁不同的回購書之後，我找到了數據科學109課程，我認為當時人們不應該找到它。他們正在釋放他們的課程。我記得是每周二和周四，我像海綿一樣吸收了它們。我瘋了，我不騙你。
[00:06:55]我做了所有的家庭作業。我甚至給助教發郵件，沒有哈佛的郵箱地址，這些問題幫助了我。所以，我很感激。我無意中發現了這些資源。伟德bv885我很早就得到了難以置信的支持。我開始著迷於這樣一個想法，你可以給機器輸入數據，讓它識別模式，你知道，大部分時間是人眼或人腦無法識別的。
[00:07:26]所以，嗯，就這樣走了。都在那之後。
(00:07:31)保羅Roetzer:太棒了。是的。它是如此有趣。我是說，一個醫學預科。後來我也想進新聞學院，但有幾年都沒進。所以我最終選擇了公共關係專業，我想你們和我都想，最終為了這個播客聯係起來。
[00:07:44]我不知道我們的背景如此相似。然後像你一樣，我走上了發現之路。我，我，你知道，最終在Coursera上找到了課程和Andrew NG的課程，我想你們也上過。嗯,是的。這是一種自學，我，你知道，這是我想在這一集和你們一起深入探討的。
[00:08:02]我，你知道，我認為你，你顯然比一般的營銷人員更有技術含量，但總的來說，你是我們的觀眾，就像，你知道的，公關傳播，文科背景，對人工智能有熱情。走在探索的道路上。自學，因為你在大學學不到。比如大學裏的東西，尤其是2014年的時候，都是技術類的。
[00:08:25]就像你在大學裏沒有上過人工智能營銷之類的課程。即使在今天，在技術層麵之外的教學也是非常有限的。所以你對機器學習有這種熱情，部分是因為你一直在探索。比如，為什麼與搜索引擎優化社區和營銷社區在更大程度上分享這一點對你來說如此重要?比如，你在機器學習中看到了什麼，讓你對現在的可能性感到興奮，並繼續前進?
(00:08:57)布蘭妮穆勒:噢,我的天啊。有這麼多東西。我認為這是我所知道的最強大的技術之一。我一開始注意到的是。瓶頸和人工智能，不再是硬件，也不再是數據。是人，真的是人。隻有一小部分人有能力也願意做這些事。
[00:09:25]我認為這對。不同的社區，不同領域的專家，無論是醫療保健，非盈利領域還是市場營銷。我隻是看到了這些模型的巨大潛力，我可以整天擺弄它們。其中一件事開始引起了我的興趣，那就是我要找到一個模型，它做得非常好。
[00:09:50]舉個例子，幾年前我遇到了。莎士比亞的模式，它創造了新的戲劇，新的內容，新的角色，新的故事線，所有的東西。我想，如果我喂它別的東西呢?對吧?如果我把莎士比亞的作品換成營銷內容呢?
[00:10:10]它會的，我把碧昂絲的歌詞和ran fish放進去，但加上SEO說唱和學習押韻的歌曲，它幾乎不需要學習這些東西。當我開始講變形金剛的時候，我完全被震撼了，你知道，你是如何做到這些事情的，但是。
[00:10:30]再說一遍，你剛才說我沒有接受過正式訓練。完全是自學成才，我感覺就像猴子看猴子做。我發現並把我的頭腦放在當前的模型中，這些模型正在做真正強大的事情，我隻是讓它們做一些其他的事情。很多時候，你知道，我在YouTube上看別人的視頻，我複製，我複製。
[00:10:53]我換了不同的東西。我在穀歌代碼實驗室做了很多事情，或者他們一步一步地引導你，這非常好。它會給你信心，讓你以不同的方式再做一次，嚐試並從中獲得樂趣。但我認為。嗯，你知道，我希望更多的人對這個空間感到興奮，願意嚐試新事物。
[00:11:16]這也是我在這一領域遇到的最有趣的事情，你知道，我認為很容易對此感到興奮，看到機會很有趣，但在我看來，很少有人願意按返回鍵或打開終端下載Anaconda，你知道，就像這樣。
[00:11:38]有個有趣的障礙。在技術方麵的動作，我很樂意分解。
(00:11:46)保羅Roetzer:是的。這很有趣。有一個，我想應該叫t台ML，我隻是抬頭看。是的。2019年的洛杉磯是我們的首次人工智能營銷大會MAICON，我的開場演講是如何成為人工智能領域的先驅。
[00:12:00所以我最後所做的正是你所說的所以這次ML的秀場有所有這些訓練有素的模特，其中之一就是把任何藝術作品變成經典。就像畢加索·莫奈，莫奈。所以我畫了一個人物。我的女兒創造了一個叫做“超級萬物”的女孩是一個超級英雄，擁有所有的力量，我給她灌輸了這個形象。然後我把它變成了畢加索·莫奈的畫。在舞台上，我展示了在三分鍾內，我在電腦上下載了能力，上傳了圖像。這是我女兒通過控製台的眼睛想象出來的作品。
[00:12:36]就像，這對我來說太棒了。作為一個非編碼員，能做模型真是太酷了。所以，對於在座的各位，什麼是模型，讓我們，讓我們退一步說，什麼是機器學習?你是怎麼定義它的?那麼什麼是模型呢?這樣人們就能理解我們說的是什麼意思，隻要找到一個模型，重新利用它。
(00:12:56)布蘭妮穆勒:是的，這是個好問題。要分解機器學習，我喜歡用傳統的方式來描述它。你知道，我們已經有了電腦程序，網站程序，任何你能想到的程序，而編程需要文字程序來處理數據，讓這個事情發生，讓這個最終結果機器學習，它轉換了。
[00:13:21]你得到你想要的結果。你把數據移到前麵。你在模型中的數據上訓練它。培訓創造了計劃。所以這是一種交換我們現在可以做的，你知道，無監督的有監督的，你確實在喂養，你知道，一個著名的例子是舊金山房價模型。
[00:13:49]所以這也是一個很好的例子，因為你考慮到住房和預測房價。你有所有這些腳，也就是所謂的特征，也就是房子的大小，臥室的數量，位置，麵積，等等等等。你在這些模型中重申，他們實際上是在尋找。
[00:14:14]為每個特征分配權重，但不僅如此，他們在自己的深度學習中做了很多特征工程。所以他們可能會提出新的指標。也許他們知道，你知道，臥室除以浴室。在那裏，他們會對數據做更複雜的分析，然後。
[00:14:36]結果是相當準確的測試和基於新數據的訓練。所以最重要的是你想要擺弄模型並且適應這個過程。我覺得我並沒有解釋得很好，但實際上，這是一個迭代的過程你在訓練一個機器學習模型以不同的方式一遍又一遍地檢查數據。然後你在新的訓練數據上測試結果，看看它的表現如何。這個信息有多準確?損失在哪裏也就是所謂的損失曲線?嗯，這就是機器學習的簡單概括。然後這個模型一旦你對它的性能感到滿意，那就是最終的結果你可以在網站上使用預測預測模型和文本生成器，你能說出的，但重要的是，還有一個全新的領域出現了ML操作幫助建立模型的可見性在它變成靜態模型之後因為。數據漂移錯誤開始出現。偏見開始顯現。 You have to, it's not just a one and done process.t should be very iterative and kind of. Um, monitored continuously.
(00:16:05)保羅Roetzer:很難知道為什麼它會做出預測或建議，或者為什麼，你知道，讓它做決定，為什麼它自己做決定。因為是的，我的意思是，這就像進入SEO領域的一個著名的例子，我的意思是，穀歌已經使用機器學習很多年了，來通知搜索結果顯示什麼。
[00:16:22]很明顯，它是經過時間演變而來的。但作為一個營銷人員，一個搜索引擎優化專家，你並不總是知道它為什麼決定它決定了什麼。這裏麵有各種各樣的因素。在一天結束的時候，就像機器學習模型一樣，它試圖學習最好的結果展示給你。
[00:16:40]它能預測你的意圖，並試圖向你展示它認為對你最好的結果。所以多年來，作為營銷人員和SEO，人們喜歡。我們受到了機器學習的巨大影響。我們隻是不知道那是什麼也不知道該怎麼稱呼它。
(00:16:57)布蘭妮穆勒:完全正確。
(00:16:59)保羅Roetzer:然後他們做了，是伯特嗎?
[00:17:00]我知道這是近年來的一個大變化，在搜索過程中有了更多的背景。你實際上是在考慮介詞，實際上是在使用自然語言理解，而不僅僅是看關鍵詞，而是問的問題和進行搜索的實際意圖是什麼?
[00:17:18]所以我覺得。對於很多人來說，你知道，他們希望出現在搜索結果中。我們需要了解底層技術，那是人工智能驅動的。再說一次，作為一個行業，我們真的不知道這意味著什麼。
(00:17:34)布蘭妮穆勒:完全正確。這是一個很好的方法。我愛。
(00:17:38)保羅Roetzer:我看了你的一些演講，你的白板會議等等，我認為你在SEO領域給出非常實際的用例方麵做得很好。
[00:17:50]所以當你想到一個搜索引擎優化專家，就像我們的觀眾中大約42%的觀眾說他們參與了搜索引擎優化。所以我們會問人們你參與了哪些領域的營銷。相當可觀的數量。他們可能不是專家，但他們對網站的排名，關鍵詞的出現有一定的責任。
[00:18:09]嗯，有機食品有什麼樣的流量呢?那麼你認為現在人們應該使用的SEO有哪些關鍵用例呢?或者，他們當然可以開始探索人工智能在這些領域的潛力。
(00:18:24)布蘭妮穆勒:是的。我看到了人工智能和機器學習。特別是在大型網站上利用SEO，因為在規模上，幾乎不可能解釋每一個傾斜和襯衫顏色，你能想到的。
[00:18:45]隻要有一點點機器學習，自動化標題標簽的編寫就會非常有價值。元描述的編寫。也有很多非常有趣的工作正在進行中，你知道，自動化三一重定向和自動化一些我們已經知道並遵循了多年的基本原理，這樣我們就可以基本上升級，專注於更高層次的策略，更高層次的思考就像我們想要在哪裏進行SEO努力。
[00:19:25]嗯，我最近也非常癡迷於，嗯，統計數據，我意識到營銷人員有多糟糕，我們很糟糕。我是可怕的。這簡直是瘋了。我最近在麻省理工學院上了一門，數據科學統計學的課程。有一件事讓我大吃一驚，你知道，他們不是從模型開始，而是從簡單地理解數據開始。並且能夠描述它，對吧?所以能夠提取大量數據，無論是從穀歌搜索控製台還是穀歌分析，有一個統計，隻是一個101來清理數據，更好地識別它是如何分布的，更清楚更準確地描述它，誰想知道為什麼這沒有發生?
[00:20:23]怎麼會這樣?數據科學機器學習真的可以讓你自己利用這些見解。這也是讓我非常興奮的事情。播種基礎數據科學的種子，你可以在筆記本上做的事情，真正增強你的SEO，也更有價值，你知道，在飛行中洞察，在會議中，你知道，這對每個人都是完全可以的，隻需要一點練習。
[00:20:57]我認為這些都是。更直接，呃，有點共鳴。然後你就進入了，推薦模型。我想，是萊科斯·弗裏德曼還有很多人都這麼想。推薦模型，產品推薦，網站上推薦的不同東西，你知道，下一步要讀什麼。
[00:21:21]所有這些東西可能會在未來10年20年的比例模型中被更多地使用。把精力和注意力放在正確的事情上，我認為真的是。
(00:21:37)保羅Roetzer:真正的戰略令人驚訝的是，這並不像，你知道，當你想到推薦，Netflix, Spotify，他們都是基於這個概念。
[00:21:45]而且，你知道，它預測你接下來想要消費的東西基本上是他們都在做的事。但是，如果你想想。很多公司網站，你去看看，甚至很多媒體網站，他們很有可能使用基本的標簽來做預測，有人在寫算法。
[00:22:03]這並不是機器學習，人類實際上是在說，如果他們看了這個或如果他們消費了那個，那麼他們可能會想要這個。這個網站實際上是在推薦一個人寫的內容。呃，呃，呃，呃，一個決策樹。所以機器學習的想法是我們人類在這方麵很糟糕。
[00:22:21]好像不可能一樣如果你的網站有1萬或10萬的訪問者，我的小人類大腦怎麼可能知道這10萬的人接下來想做什麼，它是沒有能力的。所以我認為，就像你說的那樣，這就是機器學習的力量所在就像預測。
[00:22:40]結果就是，你知道，接下來會發生什麼，然後試圖建議如何去做。
(00:22:47)布蘭妮穆勒:是的,沒錯。完全正確。想想也很有趣，嗯，計算方麵的問題，你知道，基本上不可能為每個人定製模型。
[00:23:01]所以到底。就你的觀點而言，使用了很多標簽。我知道我最喜歡的一個例子是，很多人認為Spotify使用機器學習，嗯，下一個要聽什麼或你每周發現。兩年前，我在一次人工智能會議上從Spotify的一位工程師那裏聽到了他們的做法。
[00:23:20]他們把你聽的歌拿來。看看那些聽這些歌的人，再看看他們通常還聽些什麼。下一個騙局是什麼聰明，聰明。因為現在，你知道，他們，他解釋說，會非常慢，幾乎不可能跑。
[00:23:41]每個人的人工智能模型相反，我們使用這個，非常有趣的係統，它似乎表現得非常好。所以我也，就像，我真的學會了欣賞那種不需要機器學習的技巧。在過去的幾年裏，我一直覺得很謙卑，因為所有的事情都是機器學習問題。
[00:24:04]一旦你有了這把錘子，你就會覺得，哦，這不是最好的。也許我們可以這樣做，但僅僅是這樣想，我認為就打開了一個全新的世界工具，選擇和想法。這就是這麼有趣的地方。
(00:24:22)保羅Roetzer:有這麼多的應用。我的意思是，我喜歡你提到的給圖像加標簽，這樣你就可以用計算機視覺訓練模型來知道圖像裏有什麼。
[00:24:31]所以，如果你有衣服，比如說，你有一千種斜紋，是的。一想到要寫產品描述和標簽，一般人就會覺得頭腦麻木。我的意思是，也許有些人喜歡瀏覽電子表格，寫上千個描述，但這已經不是人類需要做的事情了。
[00:24:48]就像有技術可以做到那樣。就像你說的，做了一個描述，現在你要做你的主要頁麵。就像你仍然希望人們關注關鍵的東西，但就你的觀點而言，如果你的網站上有5萬個頁麵，你不需要一個人來寫5萬個頁麵的標題和描述。
[00:25:07]就好像這不是利用人類的好方法。
(00:25:11)布蘭妮穆勒:完全正確。完全正確。這很有趣。昨天有人給我發了一個演示，是有人在玩這個人工智能轉換工具他們根據很少的信息為網頁創建內容。有幾百種聲音的選擇。這是難以置信的。
(00:25:33)保羅Roetzer:那是conversion.ai嗎?我昨天真的在看這個因為他們也在用GPT 3，是的。副本。ai是另一個剛剛籌集到250萬美元的項目。我想他們都是Y Combinator的公司，但是。是的,GPT3。也許我們應該花點時間談談GPT 3。
[00:25:52]因為我知道，嗯，你在你的一些演講中談到過GPT 2，但你有沒有在探索轉換。ai之外擺弄過GPT3 ?他們用它做什麼?那是你玩過的東西嗎?
(00:26:04)布蘭妮穆勒:我擔心我被列入黑名單了因為我很久以前就報名了。就像我剛開始的時候，我還沒有接觸到它。我用過很少的量，但是。就像擁抱臉，當他們擁有它，現在沒有了。是啊，但你呢?
(00:26:24)保羅Roetzer:我還申請了訪問權限。所以我們，嗯，你知道，這很有趣。所以,嗯,轉換。Ai把它複製出來了。
[00:26:35]人工智能正在這麼做。在GPT3的基礎上，湧現出許多這樣的公司，使許多真正有趣的營銷用例成為可能。然後微軟與開放人工智能簽署了授權協議。我想大概有10億美元吧。所以我認為微軟實際上控製著GPT 3的授權權。
[00:26:55]嗯，所以你將會看到，我想，它被整合進微軟。產品。但是，我不確定這個領域是否在快速發展因為GPT，我想你在你的一篇文章中提到過。他們一開始甚至不會發布源代碼，因為他們非常擔心，但是GPT3比之前的版本強大一千倍。
[00:27:19]就像，給你。我們先。開始寫文案，創建社交帖子和寫長形式的內容。是的，語言生成空間發展得如此之快它對SEO有如此多的影響因為理論上你有潛力，隻要給出GPT3，一個主題，一個人的名字，一個主題，任何東西。
[00:27:42]理論上，它會再寫一篇一千字的文章。如果，如果機器可以開始寫任何你想寫的內容。這會不會完全改變內容營銷和搜索引擎優化，就像，我們未來需要搜索引擎優化人員嗎?但是它抓住了，並不是看起來的那樣。
[00:28:03]就像它消耗大量的能量一樣。你可能會提到為每個人提供個性化的Spotify推薦所需要的精力。GPT 3使用了大量的內容。能量和處理能力的消耗隨著時間的推移它會逐漸衰減。所以前200個單詞可能聽起來很棒。但當你繼續前進時，它就會失去繼續像人一樣發聲的能力。
[00:28:31]這是這個行業非常有趣的時期，因為有很多很棒的模型，就像你一直在玩弄它一樣。做所有這些真正有趣的事情，非常了解。然後就會有一些轉變性的東西可能會改變一切，也可能不會。好像我不知道答案一樣。
[00:28:48]就像我說的，我喜歡和人交談。你覺得呢?比如，你的這項技術進展如何?
(00:28:54)布蘭妮穆勒:是啊，我花了很長一段時間才慢慢意識到的一件事就是它是如此危險。就像你說的，這就是為什麼他們不再做整個開放的人工智能，你知道，他們的任務是讓它開源，他們要，你知道，建立這個，創建這個開放的社區。
[00:29:17]但這從未發生。但這很有趣，因為一開始，你知道，類似於。就是你剛才說的。我對STL的含義感到非常興奮，以及它如何為營銷人員和網站創建這些框架，然後你可以進入並平靜下來，把它變成你自己的框架。
[00:29:39]但在做了更多的挖掘之後，我確實看到了危險，你知道，看看政治空間，看看陰謀論。看看所有的。你知道，編造假新聞網站，等等。想象一下如果它落入壞人之手想象一下如果他們以一種非常有戰略意義的方式使用它。
[00:30:00]我確實認為這很可怕。我的意思是，這是一種深度造假，所以所有這些東西，嗯，它們變得越來越難被發現。正確的。所以我很好奇，想聽聽你對這方麵的看法，比如，你認為這很危險嗎，或者你對更公開地向人們提供這方麵的信息有什麼看法
(00:30:20)保羅Roetzer:這是可怕的
[00:30:22]所以我，你知道，這是，嗯，所以我，我做了很多，從2016年到2018年，19年。我做了很多私人演講，跟10到15個大組織的有影響力的人做了很多私人演講。這就像對人工智能的介紹，就像對可能性的開放。但之後。當你和非常聰明的人交談時，他們很快就能把事情聯係起來，他們開始問問題。
[00:30:52]你開始說，等一下。這一切對政治、對社會、對經濟意味著什麼?然後你就開始走上一條完全不同的道路。就像，好吧。比如，如果你想了解我們每天都在使用的薩裏郡，你必須了解它與DARPA的起源，以及為什麼Siri被創建為軍隊。
[00:31:12]你知道，功能，然後你開始看很多已經存在的創新，你意識到這些技術實際上已經存在了10年甚至更久，但在很多情況下，它是創新的。在政府中，它被創造出來是為了其他的目的而不是現在被商業化的目的。所以這是一個方麵，很多時候它們的起源是在我們今天看到的明顯的商業用途之外。
[00:31:37]另一個是關於你的政治觀點，你可以去看看劍橋分析公司的故事。在我看來，Netflix上的偉大黑客是偉大的紀錄片之一，就像2015年和2016年發生的事情，以及他們如何利用數據來影響人們的行為。這基本上是一場心理戰，與今天可能發生的情況相比，那簡直是小兒科。
[00:31:59]至於你提到的虛假信息運動，這並不是什麼新鮮事，無論政治的哪一方，自從政治誕生以來我們就一直在製造虛假信息，但大規模製造虛假信息而不讓人類知道它是由人還是機器製造的這種能力是新的。就像在過去的幾年裏，GPT3，絕對提升了當時的可能性，再說一次，你不能拿著機器說，好吧，GPT3，就給我寫上千篇文章不管什麼主題。然後就直接印出來了。你仍然需要人的監督，這些瘋狂的情況下，比如媒體，過度宣傳GPT3在做什麼，他們會說，哦，GPT3寫了這篇文章。
[00:32:44]就像沒有一個GPT寫了一篇很爛的草稿，你的編輯花了10個小時重寫。所以，是的，它被使用了，但不，它並沒有做你說的那樣世界並沒有末日，但這太難了。要知道這一點越來越難了。這就是為什麼Facebook和穀歌以及所有這些公司都花了這麼多錢來開發AI來檢測AI。
[00:33:11]就像，這是深麵包師嗎?是不是，我看到的這張臉。一個化妝的臉，就像，你知道，有。我不會用應用程序的名字，但你可以進去實際創建。麵對虛擬的麵孔，而且不是任何人。這不是某人的照片。不過看起來像張照片。你還可以做深度假動作。
[00:33:30]我看到一個很酷的很好。你就這麼有了?我覺得，我不知道怎麼念這個名字更容易。它是S Y N T H E S I A，他們剛剛和百事公司做了一件大事，在薯片上你可以收到來自梅西的個性化信息。他們所做的是預先訓練的模型，你隻要輸入文本，他就會閱讀，而且是多種語言的。
[00:33:57]所以我可以給你發一條萊昂內爾的個性化信息，而你根本不知道這不是他發的，因為他的臉在任何文本上都是經過訓練的深邃假的。不管我放什麼進去，它都會說，嘿，布裏特妮，沒事。我說，希望你喜歡你的樂事薯片。這很吸引人，但就你看來，凡事總有陰暗麵。
[00:34:22]所以這是一個很酷的商業應用。但如果你知道它能做什麼以及它是如何工作的，就像你已經知道的那樣，你看東西，你會說，好吧，我知道他們那樣做了。這讓我害怕，因為現在我明白了它可以應用到其他事情上。所以，是的，要說“是”還有很長的路要走，我。
[00:34:40]我很擔心。這也是我十年前走上這條路的原因之一因為我看到了我想象中的未來是什麼樣子。我有小孩，我非常擔心他們的未來會怎樣。所以我理解人工智能的部分動力是了解它對社會的更大影響。
[00:35:01]市場營銷隻是我的謀生之道。所以這是我弄清楚的方法。
(00:35:07)布蘭妮穆勒:是的,這很神奇。你看過那篇備受爭議的論文嗎穀歌最終解雇了那兩名研究人員?
(00:35:17)保羅Roetzer:我跟著這個故事，但我沒有讀過它，但我，主旨是什麼?所以對於那些沒有意識到的人，發生了什麼?主題是什麼?
(00:35:25)布蘭妮穆勒:是的。好的。首先，這是我今天看到的最優秀的論文，對吧?它是關於大型語言模型的，它討論了為什麼，為什麼越大越好，現在，你知道，你看看穀歌，Facebook和亞馬遜，他們從這些大型模型中賺了這麼多錢，我認為，我認為在這些公司有這樣的立場，他們覺得他們不能回到過去。
[00:35:55]。它起作用了，它很強大。都是這些事，但是，蒂姆編織。呃，吉布羅，我不知道我是否讀對了她的名字，但是她幫助撰寫了，呃，這篇論文叫做隨機鸚鵡的危險語言模型會不會太大。他們是藝術家這裏的一些東西很可信我從來沒有想過他們是如此聰明。
[00:36:20]其中一點就是社會運動。當你想到所有這些文本都是從一些有幾百年價值的人那裏得來的。寫作和文學，事情已經改變了，沒有，嗯，真正的調和當你已經輸入了一個模型，所有的數據都不再是時代的，它會導致種族主義，結果，它會導致偏見。
[00:36:52]它會導致所有這些事情。嗯，是的，有很多強大的啟示。我的意思是，它對氣候的影響，我可以一直說下去，比如，我引用一句，讓人工智能係統感知世界的美、醜和殘酷，但期望它隻反映世界的美是一種幻想。
[00:37:17]就像那裏有美麗的事物是的。這很有道理。這就像是一部，你知道的作品。我不知道。我，像這樣的事情肯定會開始，你知道，觸發一係列的危險信號，思考它，然後體驗它。正確的。我一直在玩這些模型。
[00:37:38]我一直在做多姆模型就在這周早些時候，我。用這個程序把我從直播攝像頭中刪除。
(00:37:47)保羅Roetzer:我在推特上看到了。我想你把它。他把它放在某個地方了，但是是的。是的,
(00:37:50)布蘭妮穆勒:太有趣了。但類似的是，你知道，我在玩皮福。去年夏天，我在拍我哥哥婚禮的照片，因為這個餅傅模型，需要一個人的全身高清照片。
[00:38:07]它會創建一個3d的，就像一個人的公仔，它會旋轉他們。它很酷。所以我喂了它，我的兄弟。嗯，我喂它，你知道，凱特，她顯然穿著這件大婚紗，然後我喂它一張我的照片，我正在閱讀，我穿著一件更合身的裙子，它把我的屁股切了
[00:38:32]。然後把錢包和手機放在後麵的口袋裏，因為它被訓練過很多男人的形象，我相信，我不相信。我經常看到這樣的事。我是說，這很有趣。我們談論這種偏見，就好像它是一些，你知道，辯論，但隻是看看像T SNI模型，穀歌公開可用，輸入工程師，看看最近的節點。
[00:39:00]邁克爾，詹姆斯，所有這些都是男性主導的。有這麼多偉大的案例，這篇論文也涉及到這一點，你知道，縮小規模，更多地思考我們在這些模型中放入了什麼，因為在某些時候，它確實變得越來越難回去。
[00:39:24]。並解決問題。你知道，他們認為這幾乎是不可能的。
(00:39:30)保羅Roetzer:我說，這就是我喜歡的。比如你學習的方式。這是因為你並不想成為機器學習或偏見方麵的專家。你要做的是吸收整個故事，就像看所有不同的元素，上統計學課，上機器學習課，讀一篇關於偏見的論文，就像。
[00:39:51]在我看來，這就是未來市場營銷人員的樣子。正是這種對技術大局的理解，以及是什麼造就了技術的好與壞。你需要了解的最基本的事情是什麼，作為一個谘詢師做出明智的決定作為一個營銷人員在你自己的組織中為客戶提供建議。
[00:40:10]嗯，作為一個可能會影響不同技術建設的人。因為就你的觀點而言，你不能僅僅因為技術上的可行性就去建造東西。我認為這一直是矽穀的一個根本缺陷。嗯，從工程的大局來看，在很多情況下，這就像，我們可以製造炸彈。
[00:40:29]我們來造炸彈吧就像，除非，除非一個倫理學家出現說，我們不能製造炸彈，我們就要製造炸彈。我認為在某種程度上，這是我們在人工智能方麵所處的位置，一些更大的玩家，如微軟，一直非常前沿和中心，他們正在做的事情，試圖以正確的方式構建人工智能，以造福人類。
[00:40:52]我想說的是我們需要更多的人來談論這件事就像我們必須理解偏見的存在，但是你如何把它作為一個市場來識別?或者你怎麼知道該問些正確的問題?所以你可能會發現這項驚人的技術，它會像，哦，這將為我節省100美元一個月。
[00:41:09]如果我買這個人工智能技術來幫我做市場營銷。但如果你不問他們，那麼，數據從何而來?或者說，模型是如何學習的?喜歡的。如果你連問這個問題都不知道，那麼，我們的行業就會走下坡路。讓我擔心的是，沒有受過教育的人購買了強大的技術，卻不了解他們如何使用它的後果。
(00:41:33)布蘭妮穆勒:我認為你完全正確。完全正確。正確的。
(00:41:38)保羅Roetzer:我很高興我們有機會問，我其實是想問一些讓你興奮的問題，但我想我們已經說到了。我是說，我想問你的是，這是我的最後一個問題，然後我們會進入銷售展結束，但是。
[00:41:52]所以，你們已經沿著這條路走了，走過了過去的十年，才有了今天的成就。你知道，這對人工智能的很多東西都有很強的基礎理解。比如你對正在聽的營銷人員有什麼建議?也許是我第一次覺得我真的應該讀一本書或者我應該上一門課。
[00:42:08]你對那些想為未來做更好準備的人有什麼建議?
(00:42:15)布蘭妮穆勒:是的，這是個很好的問題。嗯，我能得到的最大建議是，我確實認為這是一個你可能會迷失其中的行業。你挖掘得越多，學得越多，你就越會意識到自己其實知道的太少。
[00:42:34]這是我非常糾結的事情。所以我認為要舒服，不是真正的專家，就像你說的，要知道有多危險，要知道要問正確的問題，還要知道有什麼可能。能夠為應用提出解決方案或想法。
[00:43:00]這些模型已經被創建出來，可以對你正在處理的情況或項目做一些事情。我認為這本身是難以置信的強大。嗯，至於，你知道，自己做事情，隻是不要太沮喪。你知道，在2014年，它變得越來越容易實現。
[00:43:23]我記得我的第一次回歸，當你們在TensorFlow上的回歸模型，原始的代碼超過175行。我很自豪，你知道，我想，這是，現在你可以在六七年內完成。這是野生的。這些程序變得越來越容易使用了。你知道，個人也有各種各樣的選擇。
[00:43:49]在CoLab筆記本這樣的環境中進行測試，你甚至不需要在電腦上下載程序，也不需要費力地解決[00:44:00]的一些問題。你，這些平台已經可以用很少的成本或沒有成本來做真正強大的事情。所以隻是為了鼓勵那些好奇的人，去嚐試一下，這就是我想要的。
[00:44:15]而且，你知道，如果我把機器學習用於搜索引擎優化。回購是有益的。我很榮幸能幫助促進並激發這種興趣，因為我知道很難找到筆記本或應用程序。所以我基本上是用Rebo做的。我自己也寫了一些，但其中很多是我剛剛發現的，我讓它為seo做一些事情。
[00:44:42]所以，嗯，這是一種很簡單的體驗方式。
(00:44:47)保羅Roetzer:太棒了。你不用再為哈佛的課程黑進了因為Coursera在你剛開始的時候就存在了。所以現在，一切都是免費的。你可以去哈佛，斯坦福，麻省理工或者任何你想去的地方上課。
[00:45:00] [00:45:00]布蘭妮穆勒:這是一個夢。是的。這是另一件事，那些事，不要害怕問問題，你知道嗎?
(00:45:08)保羅Roetzer:好的。所以我們將以對布蘭妮的快速提問作為這期節目的結束，我們總是這樣做的，首先是我們的一個讚助商的簡短提問。hubspot的好。最後問幾個問題。
[00:45:21]嗯，想想SEO。你認為在未來五年內，有多少比例的SEO任務將在一定程度上實現智能自動化?那麼你會知道，他們中有多少人會至少做一部分傳統上由人類完成的工作?
(00:45:39)布蘭妮穆勒:這是一個棘手的問題，因為我實際上預測並預測它會在另一端發生。我認為這些東西將不再是必要的，因為穀歌的機器學習將變得非常擅長更好地理解事物，以及它們被信任的方式。我的意思是，你們知道，我不知道連杆圖永遠都是必要的。
[00:46:03]我不知道，嗯，你知道，元描述，我們已經看到它們逐漸消失，因為穀歌從頁麵上抓取文本。嗯，我認為我們作為一個行業必須隨著穀歌的發展而發展，我認為在接下來的五年裏，我預計在30年左右我會盡量保持保守。
[00:46:27] 30%到40%的東西要麼不再需要，要麼被轉移到別的東西上。我同意你的觀點。
(00:46:37)保羅Roetzer:我的意思是，我認為特別是在搜索引擎優化，這實際上引出了下一個問題，它可能是你的答案。那麼，在未來五年內，哪個營銷類別將受到智能自動化的最大衝擊呢?是廣告傳播公關，因為我們都有這方麵的背景，還是內容營銷，電子郵件營銷，還是SEO等等，
(00:46:56)布蘭妮穆勒:這是個好問題。
[00:46:58]嗯，這很難。我覺得很有偏見。因為我有太多了。所以我會說，
(00:47:05)保羅Roetzer:你的理由很充分。我的意思是，你基本上領先30%不是，你知道，這不僅僅是完全自動化，它隻是擺脫它因為你不需要再做了。這很難在其他領域證明這一點。
[00:47:16]我也許登了廣告。我的意思是，我可以看到一個論點，廣告將會陷入真正的麻煩。嗯,好吧。語音助手使用最多的是Alexa、穀歌助手、Siri Cortana。不要使用它們。
(00:47:28)布蘭妮穆勒:穀歌。我愛我的穀歌家，但我確實，你知道，我遮住了相機，我很奇怪。有時我會拔掉電源，但我很享受。
(00:47:37)保羅Roetzer:是的。好的。十年內更有價值的，文科學位或計算機科學學位。哦。
(00:47:44)布蘭妮穆勒:哦，這太棘手了。我認為應該是文科。
(00:47:48)好。我也屬於文科範疇，也因為計算機科學在10年後需要做什麼，如果機器能做到的話。
(00:47:57)保羅Roetzer:最後一個淨效應是，人工智能會減少更多的就業機會，也會創造更多的就業機會，否則就不會產生有意義的影響。
(00:48:09)布蘭妮穆勒:我認為會有一個轉變。我確實看到它取代了工作。這隻是我的真實看法。但是我也看到，你知道，事情發生了變化，你知道，你想一下，當我們，汽車工業發生的時候。
(00:48:24)保羅Roetzer:是的。
(00:48:25)布蘭妮穆勒:所以我認為它會被重新分配。
(00:48:30)保羅Roetzer:好的。讓我們的觀眾知道在哪裏可以找到你。
(00:48:35)布蘭妮穆勒:我大概是推特上最活躍的人了，隻有布列塔尼·穆勒。
(00:48:42)保羅Roetzer:太棒了。我們會把它寫進節目筆記裏。非常感謝你抽出時間。這真是太棒了。我還有很多後續問題要問你，但真的很感謝你的時間和你對觀眾的見解。
[00:48:54]謝謝你們的參與。
(00:48:56)布蘭妮穆勒:是啊，這太有趣了。謝謝你邀請我。
(00:48:59)保羅Roetzer:好了，這就是營銷AI展。感謝大家收看我們的節目。我們很快就會見到你。
熱門的年輕
桑迪·楊曾是Ready North的營銷總監。2012年夏天，她開始在這家公司工作，擁有雜誌新聞工作的經驗，對內容營銷充滿熱情。桑迪畢業於俄亥俄大學，獲得E.W.斯克裏普斯新聞學院理學學士學位。