Intelligenza Artificiale: una guida per principianti

Tutti parlano di intelligenza artificiale. È comprensibile: dopotutto, all'improvviso sono disponibili strumenti gratuiti (o economici) per creare una varietà di contenuti generati dall'intelligenza artificiale, inclusi testo e immagini, in una gamma illimitata di stili e apparentemente in pochi secondi.

Certo che è eccitante.

Ma fermati un attimo e fatti alcune domande:

• So davvero cos'è l'intelligenza artificiale?
• So da quanto tempo esiste?
• Conosco l'eventuale differenza tra AI e machine learning?
• E so cosa diavolo è il deep learning?

Se hai risposto affermativamente a tutte queste domande, questo articolo potrebbe non essere adatto a te. Se hai esitato su alcuni di essi, continua a leggere.

La rivoluzione dell'IA inizia... adesso?

Iniziamo riempiendo alcuni retroscena.

L'intelligenza artificiale è qualcosa di nuovo?

No. Concettualmente, almeno, l'IA risale al 1950 (ne parleremo più avanti). Come ricerca pratica iniziò a fiorire negli anni '60 e '70 quando i computer divennero più veloci, più economici e più ampiamente disponibili.

L'intelligenza artificiale nel marketing è qualcosa di nuovo?

No. Vale la pena ricordare che l'intelligenza artificiale ha avuto a lungo molte, molte applicazioni nel marketing diverse dalla creazione di contenuti. I consigli sui contenuti e sui prodotti sono stati alimentati dall'intelligenza artificiale per anni. L'analisi predittiva, utilizzata per prevedere il comportamento degli utenti sulla base di grandi set di dati del comportamento passato, nonché per prevedere la prossima azione migliore (mostrarle un white paper pertinente, mostrargli un cappellino da baseball rosso, inviare un'e-mail) è stata l'intelligenza artificiale - alimentato per lungo tempo.

Rinomati fornitori integrano l'intelligenza artificiale nelle loro soluzioni da quasi un decennio. Adobe Sensei e Salesforce Einstein risalgono al 2016. Il coinvolgimento di Oracle con l'intelligenza artificiale risale almeno allo stesso tempo e probabilmente oltre; semplicemente non gli ha mai dato un nome carino. Un altro distributore veterano dell'intelligenza artificiale è Pega, che lo utilizza prima per prevedere le migliori azioni successive nella sua offerta di gestione dei processi aziendali e successivamente nella sua piattaforma CRM.

Beh... l'IA generativa è qualcosa di nuovo?

IA generativa. IA conversazionale. Strumenti di scrittura AI. Tutte frasi del momento, tutte sovrapposte nel significato. L'IA generativa genera testi (o immagini, o anche video). L'intelligenza artificiale conversazionale genera testi in interazione con un interlocutore umano (si pensi ai chatbot basati sull'intelligenza artificiale). Gli strumenti di scrittura AI mirano a creare testi personalizzati su richiesta. Tutte queste soluzioni utilizzano, in un senso o nell'altro, "suggerimenti", ovvero aspettano che venga posta una domanda o venga impostata un'attività.

Tutto questo è nuovo? No. La novità è la sua ampia disponibilità. L'elaborazione del linguaggio naturale (NLP) e la generazione del linguaggio naturale (NLG) esistono ormai da anni. Il primo denota l'interpretazione dei testi basata sull'intelligenza artificiale; il secondo, la creazione di testi basata sull'intelligenza artificiale. Già nel 2015, sulla base dei miei rapporti, NLG basato sull'intelligenza artificiale creava rapporti scritti per i medici e per le operazioni industriali e generava persino previsioni meteorologiche per il Met Office, il servizio meteorologico nazionale del Regno Unito.

Dati in ingresso, testo in uscita. Solo non così ampiamente disponibile come qualcosa come ChatGPT.

Anche video. Almeno entro il 2017, l'intelligenza artificiale veniva utilizzata per creare contenuti video non solo personalizzati ma individualizzati, generati quando l'utente fa clic su Riproduci, così velocemente che sembra essere in streaming da una libreria video esistente. Ancora una volta, non ampiamente disponibile, ma piuttosto un'offerta aziendale costosa.

Scava più a fondo: ChatGPT : Guida di un marketer

Cos'è l'intelligenza artificiale: la versione semplice

Spieghiamolo da zero.

Inizia con gli algoritmi

Un algoritmo può essere definito come un insieme di regole da seguire nei calcoli o in altre operazioni di risoluzione dei problemi o di completamento delle attività, specialmente da parte di un computer. È "algoritmo" dal greco? No, in realtà deriva da una parte del nome (al-Khwārizmī) di un matematico arabo ^{del IX} secolo. Ma non importa.

Ciò che conta è che l'utilizzo di algoritmi per un calcolo o un'attività non è - ripeto, non - lo stesso che utilizzare l'IA. Un algoritmo si crea facilmente; facciamo un semplice esempio. Diciamo che gestisco una libreria online e voglio offrire consigli sui prodotti. Posso scrivere un centinaio di regole (algoritmi) e addestrare il mio sito Web a eseguirle. "Se cerca Jane Austen, mostrale anche Emily Bronte." "Se cerca libri sulla prima guerra mondiale, mostragli anche libri sulla seconda guerra mondiale". "Se cerca Agatha Christie, mostragli altri romanzi polizieschi."

Ovviamente avrò bisogno che i miei volumi di narrativa poliziesca siano etichettati in modo appropriato, ma finora è stato così facile. Da un lato, queste sono buone regole. D'altra parte, non sono regole “intelligenti”. Questo perché sono scolpiti nella pietra a meno che non torni e li cambi. Se le persone che cercano libri sulla prima guerra mondiale ignorano costantemente i libri sulla seconda guerra mondiale, le regole non imparano e non si adattano. Continuano a fare stupidamente ciò che gli è stato detto di fare.

Ora, se avessi le risorse di Amazon, renderei le mie regole intelligenti, vale a dire in grado di cambiare e migliorare in risposta al comportamento degli utenti. E se avessi la quota di mercato di Amazon, avrei un diluvio di comportamento degli utenti da cui le regole potrebbero imparare.

Se gli algoritmi possono insegnare da soli, con o senza supervisione umana, abbiamo l'intelligenza artificiale.

Ma aspetta. Non è solo apprendimento automatico?

AI contro apprendimento automatico

Per i puristi, l'intelligenza artificiale e l'apprendimento automatico non sono originariamente la stessa cosa. Ma - ed è un grande ma - i termini sono usati in modo così intercambiabile che non si può tornare indietro. Invece, il termine "AI generale" viene utilizzato quando le persone vogliono parlare di AI pura, AI nel suo senso originario.

Torniamo al 1950 (ti avevo avvertito che lo avremmo fatto). Alan Turing era un brillante informatico. Ha aiutato gli alleati a sconfiggere i nazisti attraverso il suo lavoro di intelligence per decifrare i codici. La sua ricompensa fu di essere trattato in modo abominevole dalla società britannica per la sua omosessualità (ancora illegale), trattamento che si tradusse in scuse ufficiali da parte del primo ministro Gordon Brown, più di 50 anni dopo la sua morte: “A nome del governo britannico e di tutti coloro che vivono liberamente grazie al lavoro di Alan, sono molto orgoglioso di dire: ci dispiace. Meritavi molto di meglio.

E l'intelligenza artificiale? Nel 1950, Turing pubblicò un documento fondamentale, "Macchine informatiche e intelligenza". Lo pubblicò, non su una rivista scientifica, ma sulla rivista di filosofia "Mind". Al centro del documento c'è una sorta di esperimento mentale che ha chiamato "il gioco dell'imitazione". Ora è ampiamente conosciuto come "il test di Turing". Nei termini più semplici, propone un criterio per l'intelligenza artificiale (o artificiale). Se un interlocutore umano non è in grado di distinguere tra le risposte alle sue domande da una macchina e le risposte da un altro essere umano, possiamo attribuire intelligenza alla macchina.

Naturalmente, ci sono molte, molte obiezioni alla proposta di Turing (e il suo test non è nemmeno progettato in modo intelligente). Ma questo ha lanciato la ricerca per replicare, o almeno creare l'equivalente dell'intelligenza umana. Puoi pensare a IBM Watson come a un continuo perseguimento di tale obiettivo (sebbene abbia molti casi d'uso meno ambiziosi e più redditizi).

Nessuno pensa davvero che una macchina per la raccomandazione di prodotti simile ad Amazon o un motore di creazione di contenuti simile a ChatGPT sia intelligente come lo sono gli umani. Per prima cosa, non sono in grado di sapere o preoccuparsi se ciò che stanno facendo è giusto o sbagliato: lo fanno sulla base di dati e statistiche predittive.

In effetti, tutta l'intelligenza artificiale discussa qui è in realtà apprendimento automatico. Ma non impediremo a nessuno di chiamarla AI. Per quanto riguarda la ricerca del livello umano o "IA generale", ci sono buoni motivi per pensare che non sia proprio dietro l'angolo. Vedi, ad esempio, "Il mito dell'intelligenza artificiale: perché i computer non possono pensare come noi" di Erik J. Larson.

Che dire dell'"apprendimento profondo"?

"Deep learning" è un altro termine relativo all'IA che potresti incontrare. È diverso dall'apprendimento automatico? Sì; è un grande passo oltre l'apprendimento automatico e la sua importanza è che ha notevolmente migliorato la capacità dell'IA di rilevare schemi e quindi di gestire immagini (e video) con la stessa competenza con cui gestisce numeri e parole. Questo diventa complicato; ecco la versione breve.

Il deep learning si basa su una rete neurale, uno strato di neuroni artificiali (bit di matematica) che vengono attivati ​​da un input, comunicano tra loro su di esso, quindi producono un output. Questo è chiamato "propagazione in avanti". Come nell'apprendimento automatico tradizionale, i nodi possono scoprire quanto fosse accurato l'output e adattare le loro operazioni di conseguenza. Questa è chiamata "propagazione posteriore" e comporta l'addestramento dei neuroni.

Tuttavia, c'è anche una moltiplicazione dei cosiddetti "livelli nascosti" tra il livello di input e il livello di output. Pensa a questi livelli che vengono letteralmente impilati: questo è semplicemente il motivo per cui questo tipo di apprendimento automatico è chiamato "profondo".

Una pila di livelli di rete si rivela molto più efficace nel riconoscere i modelli nei dati di input. L'apprendimento profondo aiuta con il riconoscimento degli schemi, perché ogni strato di neuroni scompone schemi complessi in schemi sempre più semplici (e c'è anche quel processo di addestramento di retropropagazione in corso).

Ci sono fornitori di intelligenza artificiale nello spazio martech?

Dipende cosa intendi.

Fornitori che utilizzano l'intelligenza artificiale

Ci sono circa 11.000 venditori nello spazio martech. Molti di loro, forse la maggior parte di loro, usano l'intelligenza artificiale (o possono argomentare che è quello che stanno facendo). Ma non stanno usando l'IA fine a se stessa. Lo stanno usando per fare qualcosa.

• Per creare raccomandazioni commerciali.
• Per scrivere le righe dell'oggetto dell'e-mail.
• Per consigliare le prossime migliori azioni agli esperti di marketing o ai rappresentanti di vendita.
• Per alimentare i chatbot.
• Scrivere testi pubblicitari.
• Per generare contenuti per test multivariati su larga scala.

L'elenco è infinito.

Il punto che voglio sottolineare è che l'intelligenza artificiale è un po' come il sale. Il sale viene aggiunto al cibo per renderlo più gustoso. Alla maggior parte di noi, almeno, piace l'uso appropriato del sale nel nostro cibo. Ma chi dice mai: “Prendo il sale per cena” o “Ho voglia di uno spuntino; Prendo un po' di sale.

Mettiamo il sale nel cibo. Mettiamo l'intelligenza artificiale nella tecnologia di marketing. A parte, forse, per scopi di ricerca, il sale e l'intelligenza artificiale non sono molto usati da soli.

Quindi sì, ci sono innumerevoli fornitori di martech che utilizzano l'intelligenza artificiale. Ma ci sono fornitori di martech che vendono AI come prodotto indipendente?

Venditori che vendono AI

La risposta è, nello spazio martech, molto pochi. L'intelligenza artificiale come prodotto significa in realtà un software di intelligenza artificiale progettato da ingegneri che può quindi essere incorporato e utilizzato nel contesto di qualche altra soluzione. È facile trovare fornitori di ingegneria che vendono software AI, ma per la maggior parte lo vendono a organizzazioni IT piuttosto che a organizzazioni di marketing e lo vendono per essere utilizzato per una vasta gamma di scopi di back-office piuttosto che per consentire il marketing o saldi.

Ci sono una o due eccezioni là fuori, che puntano chiaramente i loro prodotti ai marketer. Non abbastanza, tuttavia, per creare una categoria popolosa in un panorama tecnologico di marketing.

Abbiamo graffiato la superficie

Questo è tutto ciò che questo articolo intende fare: grattare la superficie di un argomento enormemente complesso con una ricca storia alle spalle e un imprevedibile futuro davanti. Ci sono questioni etiche da affrontare, ovviamente, come i casi quasi inevitabili in cui i modelli di apprendimento automatico saranno addestrati su set di dati distorti, così come l'altrettanto inevitabile plagio del contenuto umano da parte dell'IA generativa.

Ma si spera che questo sia abbastanza da masticare per ora.