本文转载自公众号《读书芯》（ID：AI_Discovery）人工智能在营销领域的成功揭示了人类的一些思维和行为模式，可以转化为其他应用。以人性化的语音助手（包括苹果的Siri、亚马逊的Alexa、谷歌的Home）为例，可以看出正是这些科技公司控制和颠覆了营销行业，引领了AI的发展。营销行业已经成为人工智能创新的试水之地，尤其是在人类行为的建模和人工智能与人类交互的探索方面。决策算法随着人工智能开始逐渐渗透到日常生活的方方面面，人们越来越需要机器像人一样“思考”。人们开始更加关注人工智能背后的伦理道德，专家们对自动驾驶汽车、预测性警务和自主武器的决策算法的认识也在提高。这些模型极难训练，因为历史数据可能存在很大偏差。为了避免发生严重事故，这些算法必须充分理解人类的认知，以便做出具有道德良知的正常人在类似情况下会做出的选择。人类和机器都依赖模式进行认知，但人工智能的批评者担心机器无法真正理解人类的思想。当前的人工智能局限性阻碍了机器使用溯因推理或创造性思维的能力。然而，机器学习模型在复制人类行为模式方面取得了巨大进步，其中大部分前沿研究都来自数字营销。机器学习打赢营销首战人工智能彻底改变了营销行业，并继续推动新的发展。超过60%的美国公司将AI应用于现有的营销解决方案，其中最常见的是使用机器学习来预测客户需求、推荐产品、优化广告和自动化客户服务。监督机器学习（SupervisedMachineLearning）是最常见的机器学习方法。监督机器学习有广泛的应用，从训练聊天机器人到图像分类。这些模型可以有效地分析变量以确定结果，并可以成功地模拟人类行为模式。然而，这种方法在很大程度上依赖于高质量的数据集，这些数据集具有确定的正确结果作为训练材料。无监督机器学习（UnsupervisedMachineLearning）监督学习期望从数据中获得特定的结果，而无监督学习侧重于检查数据本身，因此不需要预先标记的训练数据。聚类等算法可以找到数据集背后的关联，可用于细分客户和市场、分类和检测异常值。无监督机器学习，类似于引入新的观察者或独立顾问，可用于发现全新的或意想不到的联系。强化机器学习（ReinforcementMachineLearning）强化学习可用于在历史数据集不可用时实时评估传入数据。该算法可以近乎实时地主动学习和做出调整。就像人类的试错过程一样，这种方法依赖于快速行动和即时反馈。强化机器学习非常适合新版本的个性化推荐系统，用于调整新的广告活动，因为它们通过社交媒体传播。基于AI的商务领域的尖端创新麦肯锡估计，到2020年12月，85%的品牌与美国客户的关系将在没有人工干预的情况下得到管理。尽管许多公司都在大力投资基于机器学习的营销，但只有6%的公司采用更先进的人工智能，例如个性化营销活动、协同过滤和预测模型。传统上，人们认为人工智能不能进行管理和战略决策——管理者应该能够平衡效率和公平，这是难以量化的。然而，鉴于机器学习在营销等其他以人为本的商业领域取得了不可否认的成功，研究人员开始探索如何将人工智能引入管理和营销策略。在短期内，一种可能的方法是使用模糊逻辑来制定预期场景和结果列表，由人工操作员做出最终决定。随着计算能力的提高和数据集的改进，最终这些模型可以完全自动化。推荐系统、数字广告和动态定价算法中已经启动了自动决策的试点项目。在基于AI的战略营销方面取得进展的少数公司将他们的工作高度保密，他们工作的价值不容小觑，即使对于行业先驱也是如此。到2025年，人工智能驱动的营销预计将产生400亿美元的收入，这将推动大笔资金进入各行业的人工智能研究。用于预测分析、人机交互、自动化和认知的新算法和方法在数字营销领域不断涌现。基于营销的研究有助于理解人类行为，这将推动技术领导者和创新者开发可以像人类一样做出选择的自动化系统。未来的某一天，或许这些系统能够超越人类，帮助企业做出比人类更好的决策。
