В наше время искусственный интеллект — везде.

Есть генеративный ИИ для создания рекламы и ИИ-платформы для управления рекламными кампаниями. В ваш холодильник и, возможно, даже в вашу зубную щетку якобы встроен искусственный интеллект — по крайней мере, так утверждается на упаковке.

У рекламодателей, стремящихся внедрить технологии на базе искусственного интеллекта, и у потребителей, рассматривающих приобретение новой «умной» зубной щетки Oral-B, возникают схожие вопросы: что на самом деле означают заявления о присутствии ИИ в каком-то продукте? Действительно ли это важно?

Вы рекламодатель, руководитель агентства или разработчик рекламных технологий, желающий внедрить решения на основе искусственного интеллекта и/или машинного обучения в свой бизнес? Тогда эта статья расскажет, на что стоит обратить внимание в данной области.

База

AI и ML часто путают.

Одна из причин в том, что термин «искусственный интеллект» стал более популярным, и компании с продуктами, которые фактически используют ML, часто маркируют их как AI, чтобы выглядеть привлекательнее.

ML — это практика обучения алгоритмов, которые обрабатывают информацию и выявляют закономерности в огромных масштабах. ИИ — более широкая область создания программного обеспечения, имитирующего сложный интеллект или способного самостоятельно разрабатывать идеи и итерации, а не в результате программирования человеком.

Многочисленные продукты ИИ базируются на больших языковых моделях (LLM), таких как ChatGPT от OpenAI, Google Gemini или Claude от Anthropic. Эти модели обрабатывают огромные массивы контента — текстов, изображений и видео — чтобы интерпретировать запросы пользователей и генерировать понятные ответы.

В зарождающейся области искусственного интеллекта используется множество специальных терминов: глубокое обучение, нейронные сети и виртуализация — вот лишь несколько примеров. Это может сбить с толку. Например, генеративный чатбот с искусственным интеллектом, такой как ChatGPT, также является нейронной сетью — моделью машинного обучения, позволяющей программному обеспечению выявлять неочевидные закономерности в широком спектре данных.

Сложность нейронных сетей и связей, выявляемых компьютером между огромными массивами данных, затрудняет понятное объяснение принципов работы продуктов ML. Иными словами, часто бывает неясно, почему генеративный чатбот с искусственным интеллектом предоставил именно такой ответ, а не иной.

В качестве практического примера можно привести рекламный продукт на основе искусственного интеллекта — Performance Max от Google.

PMax не просто ретаргетирует аудиторию или находит «похожих» (lookalike) пользователей; он использует нейронную сеть, которая может определить человека как вероятную цель для конверсии даже при отсутствии очевидных сигналов, которые специалист по рекламе счёл бы релевантными.

Однако вы не можете спросить PMax, как именно он определил потенциальную цель. Даже разработчики Google, работающие над продуктом, порой не понимают, почему система принимает те или иные решения.

Что такое бот-трафик?

PubMag • 2024-12-07

ИИ или МО?

Таким образом, разница между ИИ и МО заключается в степени необходимого человеческого участия в соответствующих процессах.

Например, когда система на базе ИИ уже запущена, она не предполагает человеческого вмешательства при работе, в то время как системам на базе ML требуются пользователи для принятия решений.

Вполне вероятно, что поставщик технологий, использующий AI или ML, сам работает на основе платформы другой компании, специализирующейся на ИИ — например, OpenAI. Поставщик, предлагающий услуги с участием человека и настраиваемую модель, скорее всего, использует ML, тогда как продукт, поставляемый в готовом виде и доступный через API, представляет собой настоящее AI-решение.

Однако поставщики AI и ML существенно отличаются от компаний, использующих лишь алгоритмическое моделирование и стандартные наборы данных для оптимизации кампаний — даже если последние часто позиционируют себя как AI-решения для маркетинга.

Вы можете задаться вопросом: действительно ли рекламодателям, оценивающим технологии искусственного интеллекта или машинного обучения, необходимо вникать в такие детали?

Возможно, не стоит пренебрегать этими различиями. Хотя AI и ML отличаются друг от друга, оба представляют значительный прогресс по сравнению с предшествующими алгоритмическими продуктами, которые никогда не могли достичь сопоставимого уровня понимания.

«Если продукт поставщика основан на JavaScript, а специалисты по работе с клиентами не знают, как использовать Snowflake или облачные чистые комнаты, где применяются ML-модели для рекламы — это тревожный сигнал», — сказал AdExchanger один из крупных руководителей маркетинговой аналитики CPG.

Рекламодателям также следует добиваться прозрачности в вопросе о том, какие крупные языковые модели (ChatGPT, Anthropic, Gemini и т. д.) лицензирует тот или иной поставщик.

Неизвестные интеллекты

Помимо ориентирования в терминологии ИИ и МО, существуют и другие важные аспекты, которые следует учитывать поставщикам рекламных технологий, агентствам и рекламодателям при работе с этими инновационными технологиями.

Рекламные технологии — это область, где «все аналитики, но не все технические специалисты», — сказала Камакши Сиварамакришнан в интервью AdExchanger в 2023 году, когда продала свой стартап Samooha компании Snowflake.

Переход на технологии, основанные на ML и AI, часто означает изучение новых языков программирования, таких как SQL и Google BigQuery. Значительную часть ценности Samooha для Snowflake составили её функции машинного обучения, которые легко преобразуют код разработчиков рекламных технологий в результаты запросов на базе SQL.

Темпы решения задач ИИ и МО также различаются между собой. Хотя передовые технологии обычно работают быстрее, выполнение сложных задач ИИ и МО может занимать значительное время.

На сессии вопросов и ответов для разработчиков на конференции Amazon unBoxed в Остине в октябре прошлого года инженеры рекламных технологий жаловались на существенные задержки в работе аналитических команд при использовании продукта Amazon Ads ML — решения на базе AWS, известного как Amazon Marketing Cloud.

Облачный продукт Google для чистых комнат, Ads Data Hub, страдает от той же проблемы, добавили они.

Однако кажующаяся медлительность — это не проблема, объяснили технические менеджеры Amazon разработчикам; на самом деле, задержка — это необходимая часть процесса принятия решения.

Модели ИИ и МО охватывают огромные объёмы данных и могут самостоятельно запускать симуляции как часть процесса формирования ответа.

«Продукты ИИ созданы так, чтобы больше походить на человеческий интеллект, — сказали менеджеры по продукту Amazon. — Им нужна секунда, чтобы подумать».

И рекламодатели отвечают новым технологиям тем же, тщательно оценивая варианты, которые предлагают им ИИ и МО.

Использование ИИ в рекламном фроде и дезинформации

Digiday • 2024-06-18