Kecerdasan Buatan: Panduan pemula

Semua orang berbicara tentang kecerdasan buatan. Itu bisa dimengerti - lagipula, tiba-tiba ada alat gratis (atau murah) yang tersedia untuk membuat berbagai konten yang dihasilkan AI, termasuk teks dan gambar, dalam rentang gaya yang tidak terbatas, dan tampaknya dalam hitungan detik.

Tentu saja itu mengasyikkan.

Tetapi berhentilah sejenak dan tanyakan pada diri Anda beberapa pertanyaan:

• Apakah saya benar-benar tahu apa itu AI?
• Apakah saya tahu sudah berapa lama itu ada?
• Apakah saya mengetahui perbedaan, jika ada, antara AI dan pembelajaran mesin?
• Dan apakah saya tahu apa itu deep learning?

Jika Anda menjawab semua pertanyaan itu dengan tegas, artikel ini mungkin bukan untuk Anda. Jika Anda ragu-ragu tentang beberapa di antaranya, baca terus.

Revolusi AI dimulai… sekarang?

Mari kita mulai dengan mengisi beberapa latar belakang.

Apakah AI sesuatu yang baru?

Tidak. Secara konseptual, setidaknya, AI sudah ada sejak tahun 1950 (lebih lanjut tentang itu nanti). Sebagai pengejaran praktis itu mulai berkembang pada 1960-an dan 1970-an ketika komputer menjadi lebih cepat, lebih murah dan lebih banyak tersedia.

Apakah AI dalam pemasaran sesuatu yang baru?

Tidak. Perlu diingat bahwa AI telah lama memiliki banyak aplikasi dalam pemasaran selain membuat konten. Rekomendasi konten dan rekomendasi produk telah didukung oleh AI selama bertahun-tahun. Analitik prediktif — digunakan untuk memprediksi perilaku pengguna berdasarkan kumpulan data besar dari perilaku masa lalu, serta untuk memprediksi tindakan terbaik berikutnya (tunjukkan buku putih yang relevan, tunjukkan topi bisbol merah, kirim email) — adalah AI -bertenaga untuk waktu yang lama.

Vendor terkenal telah memasukkan AI ke dalam solusi mereka selama hampir satu dekade. Tanggal Adobe Sensei dan Salesforce Einstein dari 2016. Keterlibatan Oracle dengan AI kembali setidaknya sejauh dan kemungkinan lebih jauh; itu tidak pernah memberinya nama yang lucu. Penyebar AI veteran lainnya adalah Pega, menggunakannya terlebih dahulu untuk memprediksi tindakan terbaik berikutnya dalam penawaran manajemen proses bisnisnya, dan kemudian dalam platform CRM-nya.

Nah… apakah AI generatif adalah sesuatu yang baru?

AI generatif. AI percakapan. alat tulis AI. Semua frasa saat ini, semuanya tumpang tindih artinya. AI generatif menghasilkan teks (atau gambar, atau bahkan video). AI percakapan menghasilkan teks dalam interaksi dengan lawan bicara manusia (pikirkan chatbot bertenaga AI). Alat tulis AI bertujuan untuk membuat teks yang disesuaikan sesuai permintaan. Semua solusi ini menggunakan, dalam satu atau lain hal, "petunjuk" - yaitu, mereka menunggu untuk ditanyai pertanyaan atau menetapkan tugas.

Apakah semua ini baru? Tidak. Apa yang baru adalah ketersediaannya yang luas. Pemrosesan bahasa alami (NLP) dan generasi bahasa alami (NLG) telah ada selama bertahun-tahun sekarang. Yang pertama menunjukkan interpretasi teks yang didukung AI; yang terakhir, pembuatan teks bertenaga AI. Sejak tahun 2015, berdasarkan laporan saya sendiri, NLG bertenaga AI membuat laporan tertulis untuk dokter dan untuk operasi industri — dan bahkan membuat prakiraan cuaca untuk Met Office, layanan cuaca nasional Inggris.

Data masuk, teks keluar. Hanya tidak tersedia secara luas seperti ChatGPT.

Video juga. Setidaknya pada tahun 2017, AI digunakan untuk membuat, tidak hanya konten video yang dipersonalisasi tetapi juga individual — dihasilkan saat pengguna mengeklik putar, begitu cepat sehingga seolah-olah mengalir dari perpustakaan video yang ada. Sekali lagi, tidak tersedia secara luas, melainkan penawaran perusahaan yang mahal.

Menggali lebih dalam: ChatGPT : Panduan pemasar

Apa itu AI: versi sederhana

Mari kita jelaskan dari bawah ke atas.

Mulailah dengan algoritme

Algoritma dapat didefinisikan sebagai seperangkat aturan yang harus diikuti dalam perhitungan atau operasi penyelesaian masalah atau penyelesaian tugas lainnya, terutama oleh komputer. Apakah "algoritma" dari bahasa Yunani? Tidak, itu sebenarnya dari bagian nama (al-Khwārizmī) seorang matematikawan Arab abad ^ke -9. Tapi itu tidak masalah.

Yang penting adalah menggunakan algoritme untuk kalkulasi atau tugas tidak — ulangi, tidak — sama dengan menggunakan AI. Algoritma mudah dibuat; mari kita ambil contoh sederhana. Katakanlah saya menjalankan toko buku online dan ingin menawarkan rekomendasi produk. Saya dapat menulis seratus aturan (algoritma) dan melatih situs web saya untuk menjalankannya. "Jika dia mencari Jane Austen, tunjukkan juga Emily Bronte." “Jika dia mencari buku WW1, tunjukkan juga buku WW2 padanya.” "Jika dia mencari Agatha Christie, tunjukkan padanya fiksi detektif lainnya."

Tentu saja saya harus menandai volume fiksi detektif saya dengan tepat, tetapi sejauh ini sangat mudah. Di satu sisi, ini adalah aturan yang bagus. Di sisi lain, itu bukan aturan "cerdas". Itu karena mereka sudah mati kecuali saya kembali dan mengubahnya. Jika orang yang menelusuri buku WW1 secara konsisten mengabaikan buku WW2, aturannya tidak dipelajari dan diadaptasi. Mereka terus dengan bodohnya melakukan apa yang diperintahkan.

Sekarang, jika saya memiliki sumber daya Amazon, saya akan membuat aturan saya cerdas — artinya, dapat diubah dan ditingkatkan sebagai respons terhadap perilaku pengguna. Dan jika saya memiliki pangsa pasar Amazon, saya akan memiliki banyak sekali perilaku pengguna yang dapat dipelajari oleh aturan tersebut.

Jika algoritme dapat belajar sendiri — dengan atau tanpa pengawasan manusia — kami memiliki AI.

Tapi tunggu. Bukankah itu hanya pembelajaran mesin?

AI versus pembelajaran mesin

Bagi yang murni, AI dan pembelajaran mesin pada awalnya bukanlah hal yang sama. Tapi - dan itu besar tapi - istilah tersebut digunakan secara bergantian sehingga tidak ada jalan untuk kembali. Sebaliknya, istilah "AI umum" digunakan ketika orang ingin berbicara tentang AI murni, AI dalam arti aslinya.

Mari kita kembali ke tahun 1950 (saya peringatkan Anda akan melakukannya). Alan Turing adalah seorang ilmuwan komputer yang brilian. Dia membantu Sekutu mengalahkan Nazi melalui pekerjaan intelijen pemecah kodenya. Imbalannya adalah diperlakukan dengan sangat buruk oleh masyarakat Inggris atas homoseksualitasnya (masih ilegal), perlakuan yang menghasilkan permintaan maaf resmi dari Perdana Menteri Gordon Brown, lebih dari 50 tahun setelah kematiannya: “Atas nama pemerintah Inggris, dan semua yang yang hidup bebas berkat karya Alan, saya sangat bangga mengatakan: Maafkan kami. Kamu pantas mendapatkan yang jauh lebih baik.”

Jadi bagaimana dengan AI? Pada tahun 1950, Turing menerbitkan makalah penting, “Mesin komputasi dan kecerdasan.” Dia menerbitkannya, bukan di jurnal ilmiah, tapi di jurnal filsafat “Mind.” Inti dari makalah ini adalah semacam eksperimen pemikiran yang dia sebut "permainan imitasi". Sekarang dikenal luas sebagai "tes Turing". Dalam istilah yang paling sederhana, ini mengusulkan kriteria untuk kecerdasan mesin (atau buatan). Jika lawan bicara manusia tidak dapat membedakan antara tanggapan atas pertanyaannya dari mesin dan tanggapan dari manusia lain, kita dapat menganggap kecerdasan berasal dari mesin.

Tentu saja, ada banyak keberatan terhadap proposal Turing (dan tesnya bahkan tidak dirancang dengan cerdas). Tapi ini meluncurkan pencarian untuk mereplikasi - atau setidaknya menciptakan yang setara dengan - kecerdasan manusia. Anda dapat menganggap IBM Watson sebagai pengejaran berkelanjutan untuk tujuan tersebut (walaupun memiliki banyak kasus penggunaan yang kurang ambisius dan lebih menguntungkan).

Tidak ada yang benar-benar berpikir bahwa mesin rekomendasi produk seperti Amazon atau mesin pembuat konten seperti ChatGPT cerdas seperti manusia. Untuk satu hal, mereka tidak mampu mengetahui atau peduli apakah yang mereka lakukan itu benar atau salah — mereka melakukan apa yang mereka lakukan berdasarkan data dan statistik prediktif.

Faktanya, semua AI yang dibahas di sini benar-benar pembelajaran mesin. Tapi kami tidak akan menghentikan siapa pun yang menyebutnya AI. Adapun mengejar tingkat manusia atau "AI umum", ada alasan bagus untuk berpikir itu tidak hanya di sekitar sudut. Lihat, misalnya, "Mitos kecerdasan buatan: Mengapa komputer tidak dapat berpikir seperti kita" karya Erik J. Larson.

Bagaimana dengan 'pembelajaran mendalam'?

"Pembelajaran mendalam" adalah istilah lain terkait AI yang mungkin Anda temui. Apakah berbeda dengan pembelajaran mesin? Ya itu; ini adalah langkah besar di luar pembelajaran mesin dan kepentingannya adalah meningkatkan kemampuan AI untuk mendeteksi pola dan dengan demikian menangani gambar (dan video) secara kompeten seperti menangani angka dan kata. Ini menjadi rumit; inilah versi singkatnya.

Pembelajaran mendalam didasarkan pada jaringan saraf, lapisan neuron buatan (bit matematika) yang diaktifkan oleh input, berkomunikasi satu sama lain tentangnya, lalu menghasilkan output. Ini disebut "propagasi maju." Seperti dalam pembelajaran mesin tradisional, node dapat mengetahui seberapa akurat outputnya, dan menyesuaikan operasinya. Ini disebut "propagasi balik" dan menghasilkan neuron yang dilatih.

Namun, ada juga perkalian dari apa yang dikenal sebagai "lapisan tersembunyi" antara lapisan masukan dan lapisan keluaran. Pikirkan lapisan-lapisan ini secara harfiah ditumpuk: Itulah mengapa pembelajaran mesin semacam ini disebut "dalam".

Tumpukan lapisan jaringan ternyata jauh lebih baik dalam mengenali pola dalam data masukan. Pembelajaran mendalam membantu pengenalan pola, karena setiap lapisan neuron memecah pola kompleks menjadi pola yang lebih sederhana (dan proses pelatihan backpropagating juga berlangsung).

Apakah ada vendor AI di ruang martech?

Itu tergantung apa yang Anda maksud.

Vendor menggunakan AI

Diperkirakan ada lebih dari 11.000 vendor di ruang martech. Banyak dari mereka, mungkin kebanyakan dari mereka, menggunakan AI (atau dapat membuat argumen yang bagus bahwa itulah yang mereka lakukan). Tapi mereka tidak menggunakan AI untuk dirinya sendiri. Mereka menggunakannya untuk melakukan sesuatu.

• Untuk membuat rekomendasi perdagangan.
• Untuk menulis baris subjek email.
• Untuk merekomendasikan tindakan terbaik berikutnya kepada pemasar atau perwakilan penjualan.
• Untuk memberdayakan chatbot.
• Untuk menulis salinan iklan.
• Untuk menghasilkan konten untuk pengujian multivariat skala besar.

Daftarnya tidak ada habisnya.

Poin yang ingin saya sampaikan adalah bahwa AI mirip seperti garam. Garam ditambahkan ke makanan untuk membuatnya terasa lebih enak. Sebagian besar dari kita, paling tidak, menyukai penggunaan garam yang tepat dalam makanan kita. Tapi siapa yang pernah berkata, “Saya mau garam untuk makan malam,” atau “Saya merasa seperti ngemil; Saya akan minta garam.

Kami memasukkan garam ke dalam makanan. Kami menempatkan AI dalam teknologi pemasaran. Selain itu, mungkin, untuk tujuan penelitian, garam dan AI tidak banyak digunakan sendiri.

Jadi ya, ada banyak sekali vendor martech yang menggunakan AI. Tapi apakah ada vendor martech yang menjual AI sebagai produk independen?

Vendor yang menjual AI

Jawabannya, di ruang martech, sangat sedikit. AI sebagai produk benar-benar berarti perangkat lunak AI yang dirancang oleh para insinyur yang kemudian dapat digabungkan dan digunakan dalam konteks beberapa solusi lain. Sangat mudah untuk menemukan vendor teknik yang menjual perangkat lunak AI, tetapi sebagian besar mereka menjual ke organisasi TI daripada organisasi pemasaran, dan menjualnya untuk digunakan untuk tujuan back-office yang sangat luas daripada untuk mengaktifkan pemasaran atau penjualan.

Ada satu atau dua pengecualian di luar sana, dengan jelas menargetkan produk mereka di pemasar. Namun, tidak cukup untuk membuat kategori terpadat dalam lanskap teknologi pemasaran.

Kami menggores permukaannya

Itulah yang ingin dilakukan oleh artikel ini: menggores permukaan topik yang sangat kompleks dengan sejarah yang kaya di belakangnya dan masa depan yang tidak dapat diprediksi. Ada pertanyaan etis yang harus dijawab, tentu saja, seperti kasus yang hampir tak terhindarkan di mana model pembelajaran mesin akan dilatih pada kumpulan data yang bias, serta penjiplakan konten manusia yang tak terhindarkan oleh AI generatif.

Tapi semoga ini cukup untuk dikunyah untuk saat ini.