久久精品国产亚洲av高清色欲,2019国产最新视频在线观看,国产男女猛烈无遮挡免费视频,少妇与子乱a级全毛片

　最近的營銷圈除了點評百雀羚圍觀谷歌I/O大會等待戛納自嗨節(jié)之外，談?wù)摰淖疃嗟木褪菄H象棋高手IBM沃森( Watson)客串了一把文案。

　　豐田氫能源汽車Mirai是豐田的未來旗艦車型，目標受眾是各憑態(tài)度搞事情的科學怪客和大咖潮人。為了貼上這些有個性才任性的消費者，豐田公司和乙方伙伴盛世長城(Saatchi & Saatchi)也作了一手好死：顛覆傳統(tǒng)廣告，為每一類人群甚至每一個人都制作與眾不同的廣告。要實現(xiàn)這一目標，盛世長城洛杉磯辦公室請來了IBM的沃森?！　?/p>

　　在兩個半月的準備之后，由沃森操刀制作的上千條廣告上周在Facebook 開始投放。這一系列以“千言萬語就是沒毛病(Thousands of Ways to Say Yes)” 為主題的視頻，在不明真相的吃瓜群眾看來根本沒有人工智能的痕跡。

　　培養(yǎng)一個合格的初級文案需要兩三年，而沃森只需要兩個半月。依靠最初的50條文案參考，沃森靠深度學習和自然語言處理等方法，學習YouTube油管和 Wikipedia上面的視頻，建造起一個神經(jīng)網(wǎng)絡(luò)，學習如何進行文案創(chuàng)意。雖然每一條文案在“出街”之前還需要人工檢查，但是這已經(jīng)在動搖愚蠢人類的一個固執(zhí)的信念：創(chuàng)意是人類的專屬，是人工智能的極限和禁區(qū)。

　　從數(shù)字營銷到AI營銷

　　從赫淮斯托斯黃金機器人到弗蘭肯斯坦，人們扮演上帝的企圖心從未泯滅。在過去的60多年里，人工智能在一個又一個高潮和低谷的螺旋中發(fā)展。

　　今天，人工智能的奇點臨近。谷歌的語音識別技準確率已經(jīng)達到了98%，F(xiàn)acebook的DeepFace的人臉識別準確度接近97%，而圍棋高手和文案達人IBM的沃森在過去短短五年中“智商”已經(jīng)提升了244倍。

　　人工智能之于營銷，就像自動駕駛之于汽車，你可以質(zhì)疑它的缺陷，但無法阻擋它的到來。

　　運動品牌Under Armour的應(yīng)用UA Record使用機器學習技術(shù)來為健身達人提供建議和激勵。調(diào)味品牌Knorr使用認知技術(shù)來為吃貨生成個性化調(diào)味配方。乙方公司更是緊貼人工智能。AKQA使用IBM的沃森幫客戶找到“潛在消費群體”。JWT聯(lián)手程序化創(chuàng)意公司Thunder改變廣告的制作和投放方式。

　　在即將到來的戛納國際創(chuàng)意節(jié)上，我們將可以欣賞到公關(guān)廣告界對人工智能的集體跪舔。

　　人工智能將解決始終纏繞數(shù)字營銷的三大問題：“相關(guān)性”、“即時性”和“個性化”。

　　數(shù)據(jù)挖掘和人工神經(jīng)網(wǎng)絡(luò)幫我們了解用戶并研發(fā)產(chǎn)品，算法和機器學習幫我們投放廣告，自然語言處理和語音交互幫我們服務(wù)用戶。人工智能沒有搶走文案、媒介、美工、社交賬戶運營的飯碗，但是卻正在改變了這些工作的職能范圍和價值定位。

　　在過去的五年中，人工智能已經(jīng)影響甚至主導了數(shù)字營銷每一次重大突破。我們越來越清晰地看到未來營銷的模樣：品牌和消費者之間的媒介不是媒體和社交網(wǎng)絡(luò)，而是人工智能，品牌與消費者的互動將真正實現(xiàn)一對一的溝通和個性化的設(shè)計和服務(wù)。

　　全球電信巨頭Telefónica希望依靠人工智能實現(xiàn)數(shù)字化轉(zhuǎn)型。這家西班牙公司今年二月份上線了人工智能系統(tǒng)Aura作為企業(yè)運營和用戶服務(wù)的“大腦”。這一決策背后的邏輯是，雖然電信員工會朝九晚五，但是電信通訊網(wǎng)絡(luò)永不休眠。

　　Telefónica的用戶無時不刻都在線，隨時都希望得到針對性的服務(wù)。根據(jù)Telefónica首席數(shù)據(jù)官的分享的數(shù)據(jù)，該公司45%的熱線電話都是為了查詢話費的。而Aura可以24小時在線，并且像Amazon的Alexa 或者 Google Assistant一樣提供個性化的用戶自助“對話式”服務(wù)。

　　當算法代替信息成為互聯(lián)網(wǎng)的新貨幣，人工智能營銷(Artificial Intelligence Marketing)也將取代數(shù)字營銷。人工智能能夠精確地衡量百雀羚的一鏡到底的微信廣告能創(chuàng)造多少銷售，同時也能幫助百事可樂評估大眾對廣告的發(fā)聵降低撤換廣告的風險。

　　機器一思考，人類就發(fā)笑

　　人工智能或許能讓創(chuàng)意從一門依賴經(jīng)驗和靈感的神秘手藝變成一種依靠算法和模型的大眾工具，實際上，核心問題則是：機器能夠懂創(chuàng)意。

　　判斷機器是否能夠思考，我們可以依靠圖靈測試。圖靈測試的核心其實不是“計算機能否和人對話”，而是“計算機能否在智力行為上表現(xiàn)得和人無法區(qū)分”。

　　如果我們把圖靈測試延伸到AI創(chuàng)意領(lǐng)域，這個命題就可以簡化為“人工智能創(chuàng)意是否表現(xiàn)的和人類作品無法區(qū)分”。

　　如果70%的觀眾在觀看了豐田Mirai的廣告之后，根本沒有意識到這是人工智能的創(chuàng)意，我們是否就可以認定，人工智能具備創(chuàng)意的能力。

　　反對者說即使計算機通過了圖靈測試，也不說明機器會思考。同樣，即使人們無法分辨一個創(chuàng)意是否由人工智能完成，也無法證明人工智能具備創(chuàng)意的能力。

　　人們可以用約翰·塞爾提出的“中文屋子”理想實驗來說明計算機只是依賴程序?qū)Ψ栠M行運算，而對這些符號(比如漢字或者豐田汽車的英文文案)本身的意義一無所知。這個理想實驗簡單，完美符合直覺。

　　人工智能在自然語言處理上尚且如此，就更不用提圖像識別和情緒判斷了。長久以來，質(zhì)疑人工智能的反對者們一個有力的證據(jù)就是即使最先進的人工智能也不能在識別出圖片中的小貓。而人類的嬰兒就可以輕而易舉地做到。

　　但在這個問題上，我們還不能急于下結(jié)論。2012 年，Google 的秘密實驗室 X lab 就進行了相關(guān)的研究。Google的深度學習系統(tǒng)Google Brain模擬包含三百萬神經(jīng)元的一個巨大組織，學習如何在沒有人接入的情況下，從 YouTube 視頻中提取的圖片中識別貓咪和人類。

　　Google 的實驗使用的是一種被稱為無監(jiān)督學習的方法。采用這個方法的機器將會被喂給一些粗略的數(shù)據(jù)，并且必須在無人介入的情況下自行分辨這些數(shù)據(jù)。

　　這種深度學習和人工神經(jīng)網(wǎng)絡(luò)的技術(shù)正在被應(yīng)用到廣告視頻創(chuàng)意領(lǐng)域。

　　20世紀?？怂构?016年出品的人工智能題材電影《Morgan(摩根)》算不上一個好電影。但是，這部被《紐約時報》評價為“情節(jié)簡單，智商欠費”的影片直到今天依然是人們討論的熱點。這主要是因為這部影片的預(yù)告片是由真正的人工智能IBM Watson一手操辦的。

　　搞定這個創(chuàng)作，Watson面臨兩個挑戰(zhàn)：第一，它要學習什么是恐怖。第二，它要引發(fā)絕大數(shù)觀眾的恐怖情緒。第二點挑戰(zhàn)難度不小。電影和小說、音樂以及繪畫等其他藝術(shù)形式一樣，很大程度是“主觀”的。特別是我們對恐怖電影的看法，有人認為《貞子咒怨》、《電鋸寂靜嶺》這種赤裸直接最嚇人，有人卻認為《閃靈》、《第六感》、《小島驚魂》這種細思恐極才可怕。對不同的人來說，恐怖的模式(Pattern)和種類(Types)各異，如何找到一個大多數(shù)認可并接受的“恐怖”模式并不簡單。

　　IBM的科學家John R. Smith和同事們先是讓Watson看了100部恐怖片的預(yù)告片，學習如何營造恐怖和懸疑。這一系列機器學習包括視覺分析(識別人物、物體和場景。每一個場景都會被打上情緒標簽，包括20種情緒和超過兩萬中情緒場景)、聽覺分析(人物的聲音語調(diào)和背景音樂)，以及每個場景的組成分析(場景、鏡頭以及燈光等組成)，來分析和學習恐怖片預(yù)告片的“套路”。然后Watson觀看了電影《Morgan(摩根)》，和制片方一起完成了預(yù)告片場景的選擇、編輯和制作。

　　一切歸于算法

　　即使上面的例子可以用來說明“人工智能可以理解符號的意義，甚至可以學習什么是恐怖”，但依然會被質(zhì)疑這里真正的創(chuàng)意還相差很遠。比如，IBM沃森可能只是在模仿和復制，而無法進行創(chuàng)新。雖然它可以深度學習，但是“關(guān)于什么是恐怖”事先已經(jīng)由人工定義，并且由人類限定并最終審定創(chuàng)意方向和最終創(chuàng)意作品。

　　但這要看我們?nèi)绾稳ザx創(chuàng)意以及理解創(chuàng)意是如何產(chǎn)生的：它到底源于知識經(jīng)驗的累積，還是源自從天而降的靈感。

　　藝術(shù)家們有一種傾向，相信靈感，相信所謂的神啟。藝術(shù)作品、詩歌、哲學等就像一道神圣的光從天上而來。但尼采認為，所有偉大的藝術(shù)家都是偉大的工作者。好的藝術(shù)家或者好的思想家即產(chǎn)生好的作品，也產(chǎn)生壞的作品。他們會用磨礪自己的判斷力，對所有好的壞的想法和作品進行過濾、篩選、組合以及重新加工。就像我們現(xiàn)在能從貝多芬的筆記和手稿中看到的，每一個精妙旋律的背后都需要時間的醞釀和反饋非修改。

　　創(chuàng)意是一點點積累起來的，它絕不是一下子從天上掉下來的，如果某一個想法或者靈感突然出現(xiàn)，它必然經(jīng)歷過一段時間的醞釀和急劇。這種欺騙，時間久了，我們自己都會信以為真。

　　如果人類的思考和想象力也是一種算法呢?

　　在17世紀中，萊布尼茲，托馬斯·霍布斯和笛卡兒就開始嘗試將理性的思考系統(tǒng)化為代數(shù)學或幾何學那樣的體系。英國政治哲學家托馬斯·霍布斯在其著作《利維坦》中有一句名言：“推理即計算(reason is nothing but reckoning)?！?/p>

　　2016年6月，Google開啟了Magenta項目，探索機器學習在藝術(shù)領(lǐng)域的潛力，讓人工智能成為藝術(shù)家。

　　也許很快就能成為現(xiàn)實。