در این روش ماشین سعی میکند، تصاویر دوبعدی را پردازش کرده و با استفاده از آنها جهان سهبعدی ما را پردازش کند، در این تکنیک، کامپیوترها جهان ما را با استفاده از دوربینها میبینند، آنها را با استفاده از الگوریتمهای بینایی ماشین پردازش کرده و سپس تحلیل میکنند، در پایان میتوانند اشیای موجود در تصویر را درک کرده و با توجه نوع آنها تصمیمگیریهای خاصی را انجام میدهند. سیستمهای خبره یکی از شاخههای هوش مصنوعی میباشد که میتواند با شبیهسازی نحوهی تفکر یک متخصص فرایند تصمیمگیری را انجام دهد، در حقیقت اینگونه سیستمها الگوهای منطقی مورد استفادهی یک متخصص در تصمیمگیریهای واقعی را شناسایی کرده و بر اساس آنها همانند یک انسان متخصص اقدام به تصمیمگیری میکنند و در نهایت نتایج به دست آمده از تجزیه و تحلیل دادهها را به سایرین ارائه میدهند. بازاریابان همچنین میتوانند از هوش مصنوعی در جهت بهینهسازی محتوای خود برای جستجوی صوتی استفاده کرده و به بهبود سئو و ترافیک سایت شرکت خود کمک کنند، زیرا دنیا هرروز بیشتر و بیشتر به سمت دیجیتال با استفاده از صدا در حال حرکت است.
شبکهی عصبی مصنوعی نیز همانند سیستم عصبی انسان، از طریق ارائهی مثال، تجربیات جدید را میآموزند، الگوها را شناسایی و آنها را دستهبندی میکند، در یک سیستم زیستی، یادگیری از طریق برقرار اتصالات سیناپسی بین اعصاب انجام میشود و در یک شبکهی عصبی مصنوعی این یادگیری از طریق گرهها (Node)های این شبکه و برقرار ارتباط بین آنها انجام میپذیرد. تابع مورد نظر باید با توجه به داده های بالا باید رابطه بین قیمت و متراژ را به دست بیاورد و بتواند قیمت خانه D به مساحت 5 متر را محاسبه کند. با این روش نمایندگان ارائه خدمات در انجام گفتگوهایی که نیاز به پاسخ شخصی بیشتری دارد، زمان و آزادی عمل بیشتری در اختیار خواهند داشت. این به این معنی است که بازاریابان میتوانند محتوای بازاریابی را برای مشتری ارسال کنند که بهاحتمالزیاد بتوانند وی را در بهترین زمان ممکن به سمت خرید هدایت کنند. بیش از ۴۳٪ از مشتریان نیز تمایل داشتند از شرکتهایی که تبلیغات و بازاریابی را برای مشتریان شخصیسازی میکنند خرید نمایند. مثلاً اگر به دنبال خرید بلیت یک پرواز بودهاید و پس از چند روز به سایت بازگشتهاید تا آن را بخرید اما با چند صد دلار افزایش قیمت مواجه شدهاید، این یک نمونه خوب از قیمتگذاری پویا در کار است.
در عصر حاضر هوش مصنوعی یا AI در حال تغییر چهره کنونی بازاریابی دیجیتال با مفهومی که میشناسیم است. در الگوریتم های خوشه بندی (Clustering) به عنوان نمونه ای از الگوریتم های ماشین لرنینگ بدون ناظر، هدف گروه بندی داده ها بر اساس ماهیت آن ها و متناسب با خواسته ما از سیستم است. به بیانی دیگر در فاز آموزش و یادگیری ماشین، داده های ورودی برچسب گذاری شده اند و قیمت هر خانه از پیش مشخض شده است. در یادگیری نیمه نظارتی، ماشین یاد می گیرد که تصمیم مشخصی را اتخاذ نماید. تمام اینها توسط یک چارچوب هوش مصنوعی به نام DSSTNE تأمین میشود که بهعنوان یک نرمافزار منبع باز برای بهبود قابلیتهای یادگیری عمیق آن به وجود آمده است. حال که با انواع مختلف هوش مصنوعی آشنا شدید، بیایید کمی بیشتر ابعاد حضور آنرا در زندگی روزمرهی خود بررسی کنیم، دستیارهای صوتی مختلف، مانند گوگلناو، سیری، کورتانا، الکسا و… بیشتر افراد قبل از ورود به سایتهایی مانند آمازون یا نت فلیکس با پیشنهادات مناسب با سلیقه خود مواجه و آشنا میشوند. بسیاری از ما در زندگی روزمرهی خود با واژهی هوش مصنوعی (Artificial Intelligence) که به طور مخفف آن را AI نیز مینامند مواجه میشویم، اما شاید درک صحیحی از معنا و مفهوم آن نداشته و با کاربردهای آن آشنا نباشیم، در این مقاله قصد داریم، به طور کامل به بررسی هوش مصنوعی و طبقهبندیهای آن پرداخته و بیشتر با کاربردهای آن در زندگی روزمرهی خود آشنا شویم، پس تا انتهای این آموزش با همیار آیتی همراه باشید.
روند انجام کار در Semi Supervised Learning به این صورت است که ماشین همواره با استفاده از روش صحیح و خطا و کسب تجربه به دانش بیشتری دست یافته و سعی می کند در هر زمان دقیقترین جواب ممکن را ارایه کند. شیوههایی که مشتریان به پیامهای بازاریابی پاسخ میدهند و با آنها ارتباط برقرار میکنند در حال تغییر است. مصرفکنندگان بیشتر با پیامهای بازاریابی شخصی ارتباط برقرار میکنند. یکی از دلایل این است که، مصرفکنندگان امروزی انتظار دارند شرکتهای تجاری متناسب با مکان، جمعیت و یا علایق مصرفکنندگان پیامهای تبلیغاتی و بازاریابی خود را تنظیم کنند. در یادگیری ماشین بدون ناظر، سیستم با توجه به بررسی داده های وروردی الگوهایی برای خوشه بندی داده ها ارایه می کند. کاربرد هوش مصنوعی مسئلهای ضروری و موردنیاز برای تفسیر الگوهای پیچیده موجود در گفتار افراد است همچنین درک معنی سوالاتی که جستجوی گفتاری میشوند؛ چراکه این الگوها بسیار متفاوت از جستجوهای تایپشده سنتی هستند. هوش مصنوعی میتواند مقادیر زیادی از دادهها را پردازش کرده و بر اساس الگوهایی که از آنها به وجود میآید، پیشبینیهای دقیقی انجام دهد. در اینگونه سیستمها با استفاده از سنسورهای مختلف و هوشمند اطلاعات محیط اطراف دریافت شده و به ماشین داده میشود، در نهایت ماشین با استفاده از پردازش دادههای دریافت شده نتایج خاصی را استنتاج کرده و با توجه به آنها تصمیمگیریهایی را انجام میدهد، از این روباتها میتوان در شرایطی که حضور برای انسان خطرناک است، استفاده کرده یا برای شبیهسازی رفتار طبیعی انسان از آنها بهرهمند شد.
نحوه تعامل ما با مشتری و قرار دادن مهمترین اطلاعات در مقابل چشم او درست در زمانی که بالاترین احتمال برای دریافت پاسخ از طرف وی وجود دارد، این همان نوشیدن جام مقدس است. با تجزیهوتحلیل دادههای مشتریان بر اساس الگوریتمهای یادگیری ماشین، بازاریابها قادر خواهند بود تا تجربه مشتری شخصیسازیشده نسبتاً دقیقی را ارائه دهند. هرچند ما نمیتوانیم تعریف دقیقی از هوش (Intelligence) ارائه دهیم، اما در حقیقت میتوان تمام رفتارهای انسانی از سادهترین تا پیچیدهترین آنها را به هوش نسبت داد، برای درک بهتر این موضوع یک حشره را در نظر بگیرید، پیچیدهترین رفتارهای یک حشره نیز نوع فرایند غریزی بوده و نمیتوان هوشمندی را برای آن در نظر گرفت، یک حشره حتی با وجود بارها تکرار یک عمل باز هم هیچگونه درک و استدلالی از آن نداشته و تنها به صورت غریزی (یا به نوعی از قبل برنامهریزی شده) یک عمل را انجام میدهد، اما در مورد موجود هوشمندی مانند انسان (و گونههایی خاص از حیوانات) امکان کسب اطلاعات و بهکارگیری آنها در سایر موقعیتها و حتی با اهداف گوناگون نیز امکانپذیر است. در این الگوریتم برای مثال مجموعه ای از اشکال مختلف بدون هیچگونه طبقه بندی از پیش تعیین شده و قانون مشخص به عنوان ورودی به سیستم داده می شوند.
سیستم های یادگیری عمیق مبتنی بر شبکه های عصبی سایت vector-robot (Neural Network) هستند. شبکههای عصبی مصنوعی (Artificial Neural Networks) یا ANN که به اختصار آنرا شبکه عصبی نیز مینامند، نوع خاصی از مدل یادگیری است که روش کارکرد سیناپسها در مغز انسان را تقلید میکند، همانگونه که گفتیم این سیستم ایدهای برای پردازش اطلاعات است که از سیستم عصبی زیستی انسان الهام گرفته است و دقیقا همانند مغز انسان به پردازش اطلاعات میپردازد. استفاده از هوش مصنوعی در جستجو میتواند غلطهای املایی احتمالی را نشان داده و گزینههای دیگری را برای انتخاب به شما پیشنهاد دهد. این سیستم میتواند از اطلاعات جمعآوریشده برای ارائه پیشنهاد محصول بر اساس علایق شما، خریدهای گذشته و آنچه افراد دیگری خریداری کردهاند که مشابه کالای شما بوده، استفاده کند. که البته این پیشنهاد ممکن است تحت تأثیر مرورهای قبلی یا خریدهای شما ارائه شود. همه و همه با استفاده از هوش مصنوعی جملات شما را تحلیل کرده و پاسخهایی برای آنها ارائه میکنند.
در یادگیری بدون ناظر، داده های ورودی به سیستم داده می شوند ولی خروجی نهایی مثل الگوریتم های Supervised Learning از پیش مشخص و آماده نیست. در الگوریتم های ماشین لرنینگ سوپروایزد، خروجی هایی که برای هر داده ورودی باید به دست بیاید، مشخص شده اند. الگوریتمهای ژنتیک با هدف تقلید فرآیند تکامل طبیعی موجودات زنده ابداع شدند، در حقیقت این سیستمها از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه برای پیشبینی و یا تطبیق دادن الگوهای موجود استفاده میکنند و به مرور زمان تکامل پیدا میکنند. به طور کلی متناسب با اینکه یادگیری در ماشین لرنینگ به چه طریقی انجام می شود، سه نوع یادگیری در این علم، مطرح می شود. این مورد بهعلاوه گزارشهایی که در مورد مشکلات قابلیت مشاهده تبلیغات وجود دارد و یا افزایش موارد تقلب در تبلیغات، باعث میشود شرکتها و آژانسهای دیجیتال مارکتینگ نسبت به نحوه انتخاب نوع تبلیغ و هزینههای آن محتاطانهتر عمل کنند. نظر شما در اینباره چیست؟ “آیا منظور شما این بود …
برخی هوش مصنوعی را به عنوان تهدیدی برای جامعهی جهانی تلقی میکنند، از نظر عدهای پیشرفت هوش مصنوعی میتواند باعث خودسر شدن آن و عدم فرمانبرداری از انسان شود، از آنجایی که هوش مصنوعی میتواند بیاموزد و تصمیمگیری کند و از طرفی خستگیناپذیر است شاید بتواند در آینده به یک نیروی افسار گسیخته تبدیل شده و دیگر از انسانها نیز فرمانبرداری نداشتهباشد. تست A/B یا رفتارشناسی مخاطبان روشی سنتی برای بهینه سازی تبلیغات است، اما این فرآیند بسیار پرزحمت بوده و دارای تعداد بیشماری از متغیرها برای نمایش دادن است به همین دلیل زمان و منابع زیادی برای انجام نیاز دارد. نتایج حاصلشده از پلتفرمهایی همچون گوگل مای بیزنس نیز تجربه کاربری خوبی را برای جستجوگران فراهم میکند و با افزایش تعداد دستگاهها و دستیارهای مجهز به هوش مصنوعی، جستجوی صوتی گوگل در حال فراگیر شدن روزافزون است. ازاینرو معتقد است نرخ کلیک واحد اندازهگیری صحیحی نبوده و برای اندازهگیری بازده به معیارهای تبدیل (CV) روی آوردند. این یک تجربه بهتر به کاربر و یک ROI (نرخ بازگشت سرمایه) بهتر نیز به تبلیغ دهنده ارائه میدهد زیرا اینگونه تبلیغات هدفمند برای کسانی که علاقهمندی زیادی به این نوع تبلیغات ندارند نمایش داده نخواهد شد و یا با میزان کمتری اتفاق خواهد افتاد.
هوش مصنوعی برای تولید محتوا اکنون بسیار پیچیده شده است تا جایی که مجله استایلیست سه مقاله نوشتهشده توسط آرتیکول در باب تولید محتوای خودکار را در نسخه ویژه “Robots” خود منتشر کرد. هوش مصنوعی به شاخهای از علوم کامپیوتر اطلاق میشود که به خودکارسازی رفتار هوشمندانه توسط ماشین میپردازد، به زبان سادهتر میتوان آن را تقلید یک ماشین از رفتار هوشمندانهی انسان دانست. چت رباتها را میتوان بهگونهای برنامهریزی کرد که پاسخهای معینی را برای سؤالات متداول ارائه دهند و اگر سؤال بیشازحد مشکل یا پیچیده باشد، مکالمه را به یک اپراتور انسانی هدایت کنند. چت رباتیک نهتنها مقرونبهصرفه تر از استخدام تعداد زیادی نیروی انسانی برای پاسخگویی به سؤالات هستند، بلکه میتوانند این کار را به روشی کارآمدتر و حتی گاهی بهتر انجام دهند. در گوگل ادز با کمک سرویس ریمارکتینگ امکان نمایش تبلیغات تنها به کاربرانی که با وبسایت کسب و کار تعامل کردهاند نیز وجود دارد.
کاربرد هوش مصنوعی این امکان را به بازاریابان میدهد تا ارتباطات خود با مشتری را در سطح فردی شخصیسازی کنند نه مانند گذشته که تنها گروههای هدف را برای این کار در نظر داشتند. یکی از شاخههای زیرمجموعهی هوش مصنوعی یادگیری ماشین است، در این روش، کامپیوتر پس از پردازش دادهها به صورت هوشمندانه الگوهای موجود در آنها را استخراج کرده، آنها را یاد میگیرد و میتواند از آنها استفاده کند، در صورتی که علاقهمندید بیشتر در این مورد بدانید، مقالهی یادگیری ماشین را مطالعه کنید. پردازش زبان طبیعی یا Natural Language Processing یعنی درک ماشین نسبت به گفتار، نوشتار و ارتباطات انسانی، با استفاده از این تکنیک رایانهها میتوانند نتیجهگیریهایی با مبنای احساسی از ورودیهای زبانی دریافت کرده و با توجه به آنها تصمیمگیری کنند. این فرایند در چنین سیستمی بدون برنامهنویسی صریح انجام میپذیرد، یعنی به طور مستقیم برنامهای برای انجام واکنشهای خاص برای سیستم نوشته نشدهاست، بلکه سیستم به کمک الگوریتمهای خود و با توجه به نتایج بهدست آمده از پردازش دادهها، الگوریتم خود را توسعه داده و موارد جدید را به آنها میافزاید، به زبانی ساده ماشین خودش را به صورت خودکار بهروز میکند. الگوریتمهای پردازش زبان هوش مصنوعی در سالهای اخیر فوقالعاده پیشرفته شدهاند و این امکان را برای ماشینها فراهم کردهاند که جایگزین عوامل انسانی در خدمات مشتری و فروش شوند.
از لحاظ مفهومی، ماشین لرنینگ (Machine Learning) یا یادگیری ماشینی زیر مجموعه ای از هوش مصنوعی (Artificial Intelligence) یا به اختصار AI به حساب می آید. این تأثیر بر صنعت نشر تبلیغات بسیار زیاد بوده است چنانکه تخمین زده میشود تا پایان سال جاری، با فرض ادامه این روند، در حدود ۳۵ میلیارد دلار زیان به بار آید. در واقع، در Supervised Learning پیش بینی و تخمین مطرح است. در این مثال انتظار می رود که سیستم طراحی شده بتواند متراژ یک خانه را به عنوان ورودی گرفته و قیمت آن را به عنوان خروجی تخمین بزند. برای کاهش بار کاری و پاسخ سریعتر به مشتریان، برخی از شرکتها و سازمانها اکنون از چت رباتیک برای پاسخگویی به سؤالات متداول مشتری و پاسخ فوری در هر زمان از شبانهروز استفاده میکنند. برای اجرای تبلیغات گوگل میتوانید با کارشناسان پارس ادوردز تماس بگیرید. با این روش دیگر تنها هدف کاربر از این بازدید ملاک سنجش نیست بلکه نحوه اندازهگیری، مبتنی بر درک رفتار و فعالیت خریدار و سبد خرید وی میباشد که این مقدمهای است بر اینکه این سفر چگونه به وسیله هوش مصنوعی آغاز میشود.
این مبحث خود شامل دوره ها و منابع آموزشی مستقلی می شود. مثلا داده ها را به این صورت برچسب گذاری می کنیم که خانه های پایین تر از 2.500 تومان ارزان و بالای 2.500 تومان گران قیمت در نظر گرفته بشوند. در ادامه برای جمع بندی مطالب گفته شده، دو مثال مطرح می کنیم. اگر بخواهیم داده ها را رده بندی کنیم از Classification استفاده می کنیم. این خود سیستم است که باید بتواند بر اساس ساختار و الگوی داده های ورودی و روش آزمون و خطا، خروجی را ایجاد کند. بسیاری از بازیهای رایانهای از هوش مصنوعی قدرتمندی در ساختار خود بهره میبرند، به گونهای که شخصیتهای بازی و یا دشمنان شما در هر مرحله میتوانند رفتار شما را یادگرفته و از آن بر علیه خودتان در بازی استفاده کنند. آیا فکر میکنید گسترش هوش مصنوعی میتواند باعث آسیب رساندن به انسانها شده و حتی به نابودی نسل بشر بینجامد؟ بسته به تقاضا، در دسترس بودن، مشخصات مشتری و سایر عوامل میتوان از کاربرد هوش مصنوعی برای تعیین قیمت محصولات بهصورت پویا استفاده کرد تا هم میزان فروش و هم سود افزایش یابد.
هوش مصنوعی تولید انواع قالبهای محتوا را سرعت میبخشد. خودروهای هوشمندی که میتوانند بدون حضور راننده به مسیر خود ادامه دهند، نمونههای بسیار قدرتمندی از هوش مصنوعی را در خود جای دادهاند، همچنین میتوانید رد پای هوش مصنوعی را در مسائل امنیتی، چهرهنگاری، گجتهای هوشمند و… این یادگیری می تواند با و یا بدون حضور یک مربی یا ناضر باشد که در ادامه توضیح داده می شود. در این الگوریتم های یادگیری با ناظر،تا زمانی که مدل ساخته شده به سطح مورد نظری از دقت در دستیابی به خروجی های از پیش تعیین شده برد، فرآیند یادگیری ادامه پیدا می کند. حال مدل ساخته شده باید بتواند تشخیص دهد که خانه D با توجه به قیمت محاسبه شده گران است یا ارزان. به بیان دیگر هدف اصلی در Supervised Learning ارایه یک تابع است که بتواند با دریافت وروردی، به خروجی از پیش تعیین شده برسد. بازاریابی محتوا باعث بازگشت سرمایه بسیار خوبی برای شرکتها میشود؛ اما ازنظر جمعآوری منابع مفید و کافی کاری بسیار دشوار است همانطور که در پیشبینیهای گارتنر نیز آمده بود، برای بیشتر برندها نه جمعآوری اطلاعات کافی، بلکه تولید محتوای مناسب چنانکه بتواند برای همه کاربران مفید بوده و در تجربه شخصی آنان جای داشته باشد چالشبرانگیز شده است.