[ad_1]
هوش مصنوعی (AI) سیاه جدید شی جدید و براق پاسخگوی دعای هر بازاریاب پایان خلاقیت است. ظهور اخیر هوش مصنوعی از سالن های مبهم دانشگاه و اتاق های پشت علم داده توسط داستان هایی از هواپیماهای بدون سرنشین روبات ها و ماشین های بدون راننده ساخته شده توسط غول های فناوری مانند آمازون صورت گرفته است. گوگل و تسلا اما این هیاهو فراتر از واقعیت روزمره است.
هوش مصنوعی 50 سال سابقه توسعه آزمایش و تفکر در مورد ریاضیات و علوم کامپیوتر دارد. این یک شب احساس نیست. آنچه آن را هیجان انگیز می کند همگرایی مجموعه های بزرگ داده سیستم عامل ها و نرم افزارهای بهبود یافته قابلیت پردازش سریعتر و قدرتمندتر و کادر دانشمند داده ای است که مشتاق بهره برداری از طیف گسترده ای از برنامه ها هستند. استفاده ساده و روزمره از هوش مصنوعی و یادگیری ماشینی تفاوت بیشتری در زندگی مصرف کنندگان و مارک ها نسبت به برنامه های پر زرق و برق تبلیغ شده در مطبوعات ایجاد خواهد کرد.
بنابراین این تست واقعیت هوش مصنوعی را در نظر بگیرید:
داده های بزرگ کثیف هستند. ما در حال ایجاد داده ها و مجموعه داده های عظیم با نرخ فوق العاده ای هستیم که هر ساله دو برابر می شوند. رشد رسانه های تلفن همراه شبکه های اجتماعی برنامه ها دستیارهای شخصی خودکار پوشیدنی ها سوابق پزشکی الکترونیکی اتومبیل ها دستگاه های خود گزارش دهنده و اینترنت اشیا forth (اینترنت اشیا) در آینده فرصت ها و چالش های عظیمی را ایجاد می کند. در بیشتر موارد مدتها قبل از شروع تجزیه و تحلیل هماهنگی عادی سازی پر کردن و برقراری ارتباط داده های متفاوت کار قابل توجه و طولانی است.
جمع آوری ذخیره سازی فیلتر کردن و اتصال این بیت ها و بایت ها به هرکسی دشوار و سرزده است. تدوین به اصطلاح رکورد طلا به قدرت محاسباتی بسیار زیاد یک بستر قوی و منطق فازی یا یادگیری عمیق برای ارتباط بیت های مختلف داده و محافظت از حریم خصوصی مناسب نیاز دارد. این کار همچنین به مهارت بالایی در مدل سازی و کادر دانشمندان داده احتیاج دارد که بتوانند جنگل را به جای درختان ببینند.
یکی برای یکی هنوز بلند پروازانه است. رویای برقراری ارتباط بین فردی یک به یک بزرگ اما همچنان بلند پروازانه به چشم می خورد. عوامل پورتال نیاز به تهیه پروتکل های مشترک برای حل هویت محافظت از حریم خصوصی درک حساسیت ها و مجوزهای فردی شناسایی نقاط عطف و یک طرح دقیق برای چگونگی حرکت مصرف کنندگان و بخش ها در طول زمان و مکان در سفر خود از نیاز به طرفداری از نام تجاری است.
با استفاده از هوش مصنوعی ما در مرحله اولیه آزمایش و یادگیری هستیم که توسط شرکت های خدمات مالی ارتباطات از راه دور و خرده فروشی هدایت می شود.
پیش بینی تجزیه و تحلیل برای جوایز مردم. آمازون به ما آموزش داد تا انتظار توصیه های شخصی را داشته باشیم. ما با این ایده بزرگ شدیم که اگر این را دوست داشتید احتمالاً آن را دوست داشتید. در نتیجه ما انتظار داریم مارک های مورد علاقه ما ما را بشناسند و با استفاده از داده هایی که با مسئولیت پذیری آگاهانه و بدون دانش به اشتراک می گذاریم زندگی ما را آسان تر راحت تر و بهتر کنند. برای مصرف کنندگان تجزیه و تحلیل پیش بینی اگر محتوای شخصی مرتبط آموزنده و ارزشمند باشد کارایی دارد. هر چیزی کمتر از آن اسپم است.
اما پیش بینی های واقع بینانه و عملی بر اساس داده ها هنوز هم بیشتر یک هنر است تا یک علم. انسان ها موجوداتی با عادت هایی با برخی الگوهای علاقه و رفتاری بسیار قابل پیش بینی هستند. اما ما لزوما منطقی نیستیم غالباً ناسازگار هستیم و سریعاً نظرات خود را تغییر می دهیم یا روند کار و به طور کلی حریم خصوصی خود را تغییر می دهیم. هوش مصنوعی با استفاده از تکنیک های یادگیری عمیق که الگوریتم خود را آموزش می دهد می تواند با نظارت بر اقدامات در طول زمان همسویی رفتارها با معیارهای قابل مشاهده و ارزیابی ناهنجاری ها راهی برای درک این داده ها داشته باشد.
بستر گسترده به نظر می رسد اکنون هر شرکت فناوری در تجارت AI بوده و انواع ادعاها را مطرح می کند. با نصب بیش از 3500 پیشنهاد Martech و تعداد بیشماری از سیستم های قدیمی جای تعجب نیست که بازاریابان گیج و مبهوت هستند و بچه های فناوری اطلاعات در این زمینه دوری می کنند. بررسی اخیر در مورد Conductor نشان داد که 38 درصد از بازاریابان مورد بررسی از 6-10 راه حل Martech و 20 درصد دیگر از 10-20 راه حل استفاده می کنند. جمع آوری یک چشم انداز به هم پیوسته فناوری اطلاعات در خدمت اهداف بازاریابی و سست کردن سیستم های قدیمی و مجوزهای نرم افزاری موجود در هنگام پردازش مجموعه های عظیم داده چندان دلچسب نیست. در برخی موارد هوش مصنوعی نیاز به دور زدن سیستم عامل های اثبات شده فناوری دارد.
هوش مصنوعی ارزشمند و پیشرفته است. گلوله ای نقره ای نیست. این امر به ترکیبی از دانشمندان ماهر داده و یک پلت فرم معاصر قوی که با دید مشتری-محور و ذهنیت آزمایش و یادگیری طراحی شده باشد نیاز دارد. با بهره گیری از این طریق هوش مصنوعی بسیار بیشتر از هواپیماهای بدون سرنشین یا روبات ها به مصرف کنندگان می رسد.
[ad_2]