編者注:本文是市場人工智能大會(MAICON)係列演講的一部分。欲了解更多信息，請訪問www.MAICON.ai．它最初由吉姆斯特恩．
人工智能和機器學習處於炒作周期的頂端。為了讓你在Slack頻道上、在公司的休閑活動中，或者在與老板前往機場的途中保持對話，你會很好地記住以下三個需求和行為:
需求:數據、目標控製
行為:探測、決定修改
這一新興技術正在蓬勃發展，因為現在有足夠的計算能力(感謝遊戲係統需要圖形處理單元)、足夠的數據(感謝互聯網)和足夠的數據科學家(感謝Tom Davenport將數據科學稱為21世紀最性感的工作)。也要感謝五十年的研究和實驗。
雖然人工智能包括讓我們與Alexa對話的語音識別、可以評估數百萬份文件的自然語言處理、以及可以區分貓狗和駕駛汽車的可視化，但在市場營銷中發揮作用的是機器學習。
機器學習是係統查看數據集並為給定結果(檢測)發現最具預測性屬性的能力。然後它可以推斷關於數據的規則——從數據中——權衡屬性，並建議一個行動過程來最好地實現給定的結果(決定)。最後，機器可以查看該操作的結果，並改變其對屬性及其權重的看法(修改)。
程序員不再負責顯式地告訴機器做什麼以及如何處理異常。相反，利益相關者定義期望的結果，數據科學家為機器提供適當的數據集。這兩個動作將永遠是需要解決的複雜問題，但機器現在負責考慮替代方案，而不僅僅是執行指令。
需要1:大量的數據
機器學習對於營銷預算很少的小公司是沒有幫助的。要想真正有價值，ML需要一個很多的數據。如果你拋一枚硬幣，結果是正麵，你就會錯誤地預測結果總是正麵因為你的信息量在統計上微不足道。
為了在正確的時間把正確的信息傳遞給正確的人，機器必須從數十萬個例子中學習。如果你是可口可樂、亞馬遜(Amazon)或寶潔(Proctor & Gamble)，恭喜你，你有一個足夠大的市場。如果你沒有，你將不得不等待，直到機器學習作為服務(MLAAS)出現——它會出現的。
人們經常低估機器學習所需的數據量。馬爾科姆·格拉德威爾說過，一個人要掌握一件事需要10000個小時的經驗。機器需要同樣的輸入量，但幸運的是，它們的處理速度要快得多。
需求二:明確目標
認識嗎?反應?用戶?轉換?選一個，你的機器就會為你服務。但它必須非常清楚地定義。
如果你的目標是收益，機器最終會計算出你應該以5美元的價格出售10美元的紙幣。這將創造出比蘋果和穀歌在幾乎任何時候加起來都多的收入。
行為1:發現意義
有了明確的目標，機器就能從如山的數據中識別出最具揭示性的屬性。即使是有噪聲的數據和各種各樣的數據類型，它也能找出哪些位需要注意，哪些位需要忽略。
這台機器可以推斷出濕度、溫度和氣壓比風速、日照時間和空氣質量更能預測下雨。它將發現，根據郵政編碼、收入和股市狀況為豪華汽車做廣告，比根據年齡、教育程度和身高更有效。機器識別為預測性的屬性不必是邏輯的。他們不需要有意義，他們隻需要產生結果。
行為2:決定行動
隻要有足夠的數據和明確的目標，機器就可以推薦一係列的行動。本周做雨傘廣告。促進你的更大的豪華車在午餐時間。把這樣的信息發送給這樣的人。
此時，機器已經基於可用數據建立了預期結果的模型，並決定了下一步。這就是“智能”變得有趣的地方。
行為3:修改模型
一旦你接受了機器的建議，並從行動的結果中收集了新數據，機器就會重新考慮自己的意見，並做出相應的調整。它相信某一特定行動將產生最好的結果。但隨著新數據，它可以構築一個更好的較高的模型和推薦新的行動的信心。
需求3:控製行動
當你允許機器管理它所建議的行動——根據它的決定采取行動——你就建立了一個使一切都不同的反饋循環。
這台機器現在有它需要的所有數據選擇最佳的行動產生期望的結果,而且可以根據所采取行動的結果改變自己的想法。衝洗，重複，以驚人的速度無限。
今天，你等待著周末的促銷數據來到你的辦公桌上。然後你安排一個會議來討論結果，並計劃如何改變你的目標、信息和支出。接下來，創意團隊被引入，對內容和風格進行必要的更改。最後，新的迭代在幾周後就準備好了。
明天，機器將能夠在適當的時間向適當的觀眾不斷提供新的創意，評估結果，並不斷改進。
計算器變成了計算機，計算機變成了思考機器。您的任務是明確定義期望的結果，決定哪些數據可能有用，並根據結果調整這兩個數據。
你現在的工作是決定何時使用這項新技術，並密切監視它的行為，以確保它不會讓你以5美元的價格出售10美元的紙幣。
趕上吉姆·斯特恩的MAICON研討會，＂營銷人員的機器學習101，"學習如何明智地談論機器學習，並做好準備在您的組織中實現它。