2019-01-04

AI重磅來襲!引領產業全面革新

行政院數位政務委員會唐鳳。

文/詹致中 圖/台北市廣告代理商業同業公會提供

  每兩年舉辦一次的「數位亞洲大會(DigiAsia)」,今年來到第三屆,並與亞洲最大創新創業嘉年華 2018Meet Taipei 連袂開演。本次 DigiAsia 以「Experience AI」為主軸,邀請全世界超過30位國際講師共襄盛舉,從產業、媒體、科技、創意四大主題進行深度探討。


台灣公民積極推動開源

  大會第一天開場,邀請到行政院政務委員唐鳳分享「台灣社會創新發展趨勢」,他聚焦在政府與民間推動開源與創新的舉措,其中值得借鏡案例「空氣盒子」,全台擁有三千即時觀測點,由公民、企業與政府合作,在戶外安裝不到 100 美元的空氣偵測器,資料集結至雲端成為空氣品質大數據,堪稱是公民與科學家結合。

  唐鳳指出這項專案並無政府主導與干預,由民間自發性推動值得稱許。他也談到強調透明開放性理念的公民議題,在區塊鏈成熟發展後,不可竄改帳本技術,將能確保人際交流的透明誠實。由於科技發展快速更迭,為了促進民間更多應用,唐鳳每週三會到社會創新實驗中心無償駐點,也歡迎大眾前往討論、交流。


讓台灣產業 AI 轉型

  若票選今年科技關鍵字,AI 必定名列前茅。但專業人才極度稀缺,台灣人工智慧學校看見此痛點進而創立,執行長陳昇瑋談「人工智慧民主化在台灣」,開場先回溯數百年前工業革命誕生,導致不少工作消失。譬如鬧鐘未誕生前,由人提供早晨敲窗戶的叫醒服務。「如同希臘哲學家赫拉克利特所說,改變是世界上唯一不變事情!」

  陳昇瑋提到 iPhone 5S 的運算速度,比阿波羅 11號登陸月球電腦快上 1300 倍。這要歸功莫爾定律,從1970 年代開始,電晶體每 2 年倍速成長,而現在 AI 機器學習成長曲線更陡。陳昇瑋解釋,機器學習是種讓電腦學習規則的演算法,解釋容易,但執行困難。

台灣人工智慧學校執行長陳昇瑋。

  1950 年代科學家想把人的思考邏輯放入電腦,以符號邏輯來運作,但人思考如黑盒子,因此發展遭遇瓶頸。1980 年代捲土重來,企圖把全宇宙知識寫入電腦,但知識在不同脈絡有多重意義,「比方 Apple,可以指吃的蘋果或品牌。」2010 年機器自行學習規則的方法有重大突破,機器學習(Machine Learning)帶來第三波AI浪潮。「讓電腦自行找規則,會跟人的設想不同。」回到辨識手寫數字案例,演算法會自行辨識,如何解讀圖形會更準確。所以 AI 辨識人臉也並非只看兩眼距離,而是從整體五官線條計算出權重高低,藉此分辨異同。

  「能否透過 AI 人臉辨識同性戀?」去年發表研究,分析 35,000 張圖像,人類判斷成功率約 6 成,AI 高達9 成。但規則由 AI 自行判斷,所以機制不明。陳昇瑋表示,只要有數據,電腦幾乎能學習所有事情,包括辨識聲音、圖像,甚至翻譯、下棋、駕車、對話。目前 AI 看似智慧之舉,皆是從機器學習領域下的深度學習(Deep learning)而來,但尚未擁有真正智慧。

  以醫學辨識血管健康為例,AI 學習主要三種作法。第一種是醫生講規則與數值,由工程師輸入電腦,比方生病血管會多長,血管顏色跟背景差異,稱為專家系統。第二種是傳統機器學習,由醫生做特徵指認,讓電腦從這些規則自行學習差異。第三種是深度學習,不需要醫生,只要提供大量影像,讓電腦自行歸納規則。「或許會出現人類無法理解特徵,但實驗證明準確率最高。」

  由於機器學習將全面統治人類生活,台灣人工智慧學校由 6 家企業捐助下成立。透過短期培養大量人才進入到各行各業,在全台四個校區每年培養出 4,800 位工程師與經理人。陳昇瑋表示,「AI 正全面影響生活,甚至未來會造成失業問題。」因此台灣人工智慧學校提出「移地解題」方案,希望產業把問題帶來學校,把答案帶回公司,帶領台灣 AI 轉型。

TutorABC 行銷副總經理劉彥谷。


讓 AI「教」由人專注「育」!

  TutorABC 行銷副總經理劉彥谷以「未來教育:AI」延續教育議題,他分享自家企業導入科技與英語學習,打造個性化服務。他讚揚孔子有教無類與因材施教理念,但72弟子要擴大到成千上萬人,唯一解法就是AI加大數據。他表示15世紀印刷術發明後,書本傳遞知識到每人手中,老師實現大量教學的里程碑,而 AI 更進一步,逐漸實現客製化一對一教學場景。「未來 AI 做到極致,能達到千人千面服務,每個人有屬於自己學習路徑和合適老師。」

  網路發明後,解決人們資訊侷限的根本教育問題,而網路集結與釋放眾人知識,串連不同渠道就能掌握各類訊息,不用再依靠學校,而 AI 又進一步做到極致個性化。「教室裡面是常態分布,只能聽老師與課本。當有資優生或學習障礙者要個別指導,傳統教育無法常態分布左右兩側,就需要倚靠 AI。」

  TutorABC 架構老師、教材、學生重要三元素。透過演算法給予學生適合教材與老師。比方有醫生要到國外開腫瘤科研討會,系統接受需求會交叉比對關鍵字推薦教材,再從過去上課歷史紀錄,分析偏好師資推薦教學。「每個人都有獨一無二的路徑。」劉彥谷補充,前兩次的教育革命是印刷與網路,第三次是 AI,讓知識得到精準匹配。

  「AI 是否會取代老師?」劉彥谷說他常被問類似題目。他認為教育本質是教跟育。教是傳遞知識、學習進度管理、糾錯改正,確保知識正確傳遞給學生。而育是培養人格與喜好。他借用愛因斯坦名言,教育是離開學校後還記得的事,本質在探索未知,而非搜尋已知。

  AI 無法取代人類原因,在於電腦學習對象來自人,且無法培育出人格和探索未知!即便現在深度學習能做到多維度決策,仍無法替代老師價值。AI 能力是幫助知識有效傳遞和管理,讓老師節省更多時間,專注在更重要的育。「未來教育重要是跟 AI 相處、學習當 AI 主人。了解 AI 邏輯,但保有自身創意!」


走向人機合一《Merge》未來

  PHD 近年來對外極力宣揚《Merge》概念,探討人與科技融合的未來。新加坡奇宏策略媒體策略規劃主管 Ronnie Thomas 以「來自未來的故事」拉開《Merge》序幕,PHD在這本書提出五個階段,從 1950 年 電腦出現後的浮現(Surfacing)階段,到 1990 年組織(Organising)有大量數據存在網路,開始學習組織資訊,比方網站、作業系統、搜尋引擎、App 等。目前我們正處於萃取(Extracting)2010 年到 2025 年第三階段,以機器學習為基礎來提取各種資訊。再往下個階段是 2020 年預測(Anticipating),最後來到 2030 年提升(Elevating)階段,奈米生物技術進入市場,人與科技最終融為一體。

  Ronnie 引用 Google 工程總監 Ray Kurzweil 這一百年變化,超過人類兩萬年來的總和。他舉 2005 年指間大小 SD 記憶卡還只能存 128 MB,去年就研發出 128 TB,儲存量以指數增長。「另外,每兩天就有 5 EB(EB=10 億 GB)數據被儲存。」但 99.5%數據都沒被使用,而機器學習讓人類終於可以提取、理解大數據。

新加坡奇宏策略媒體策略規劃化主管 Ronnie Thomas。

  Ronnie 指出未來手機可能消失,用手掌就能播電話。工具成為人體一部分,也呼應 John Culkin 教授所談,「我們塑造出工具,反過來工具也形塑了我們。」回到商業層面,當人與科技一體,品牌就要去了解如何利用技術增加價值與提升生活品質。Ronnie 分享多項呼應《Merge》的案例,比方透過聲音感測器加上演算法來維護居家安全,或是以機器人跟自閉症兒童互動。農業也結合衛星提供種植建議,或是實現全自動化畫耕種。更進一步是拓展感官,如機器視覺延展攝影師視角,更激進如色盲藝術家 Neil Harbisson,在大腦植入晶片來擴增感官。

  「融合不容易,但可以從三點著手。」Ronnie 提到第一點是想清楚為何要創新,其次是知道要創造什麼樣的體驗,最後是了解如何創新,無論困難複雜仍有切入點去嘗試實驗。Ronnie 表示,行銷領域從聊天機器人、AR、VR 皆能入手,關鍵是打造創新的路線圖,將技術逐步擴展到品牌活動。


AI 將帶來新體系!

  前位講者分享許多令人讚嘆的科技,那「行銷人該如何理解 AI ?」美國實力媒體執行副總裁兼創新長Tom Goodwin 解釋,他的工作是去掌握全世界創新,以及了解改變及未改變部分,來指導客戶面對科技對商業的影響。

美國實力媒體執行副總裁兼創新長 Tom Goodwin。

  他先說明,若在 Google 搜尋關鍵字 AI,會看到很多科幻感的人形機器圖片,但實際上 AI 由很多伺服器、大量數據的機房組成。「現在所有的事情都在改變!」Tom 說無論是 3D 印表機、無人機、AR、VR、AI 語音助理、自動駕駛、區塊鏈,各樣科技進化的背後皆由AI 推動。他指出 AI 目前可以聽懂人類語言,但應用有侷限性。「如西洋棋是驚人案例,但也只能專注於下棋,不能從事其他類別。」

  AI 有許多分支,例如機器學習、NLP、專家系統等等。而機器學習又分成深度學習、監督式學習、非監督式學習等。這些演算法需要大數據餵養,讓電腦學習規則。Tom提到目前在行銷領域,AI可做到「動態創意」。偵測時間、位置、天氣、新聞等不同訊號來即時創造廣告,雖然技術不成熟,但讓回應提高 2 到 3%;Google AI 語音助理做到電話預約餐廳、理髮廳,距離智慧服務又推進一步。

  Tom 進一步分享近未來的 AI,自動化服務降臨,各行業先知們也在關注機器智慧超過人類智慧的奇點,AI 是否會失控?特斯拉創辦人 Elon Musk 就認為 AI 會毀滅人類,但 Facebook 創辦人 Mark Zuckerberg 抱持相反看法。Tom 引用 Google 技術總監 Ray Kurzwei、機器人之父 Rodney Brook 等專家見解,具備人類智慧水平AI 已經在轉角,也可能幾百年後才會到來。

  世界第一個工廠用水利驅動,讓機器獲得電力。蒸汽機發明後帶來更強力量,促使新工廠誕生,現在AI 也將重新塑造革新體系。Tom 從歷史觀察,技術演進會經過三個階段:簡單、適應、再思考。他舉出如數位化的革新,讓手寫支票接受數位簽名拍攝、手機轉帳取代臨櫃與 ATM,讓銀行、商店流程產生翻轉。若面對現在 AI 當道,「再思考」物理與虛擬界線消弭,從互動介面、客戶服務、購買流程、螢幕、廣告格式、隱私、再行銷、創意或工作流程,都有嶄新做法。所以新時代人們要抱持好奇心,持續實驗與學習,聚焦人而非技術,達成與 AI 協作核心目標。


新媒體時代-用科技說出好故事

  人類說故事的技藝超過上萬年,法國拉斯科存在近兩萬年前的壁畫,堪稱是最早的廣告。Innity 創億集團執行長彭子亮解釋,故事是日常交流重要部分,詩、歌曲、電影也是故事。他這次帶來「如何用故事增加你產品的生命力?」

  「行銷不再是關於你製造什麼東西,而是關於你說什麼故事,對品牌至關重要。」彭子亮引用行銷大師 Seth Godin 名言,成功的品牌必須會說故事,並在正確時間、訊息給予對的人,讓他們產生共鳴。

  在當代行銷傳播環境,社群媒體重新定義說故事(Storytelling)方式。彭子亮解釋,Facebook 在 2018 年第二季,透過介面與演算法調整,讓使用者參與從新聞變成故事。「新聞和故事差異在於新聞更專業與結構化,而故事是自由生成,未刻意編輯,更有趣,反映真實的生活片刻。」彭子亮談到 Snapchat 開創新的說故事格式,創造 24 小時後消失的視頻與照片,其他社交媒體也無所不用其極,推出創新說故事方法。

Innity 創億集團執行長彭子亮。

  社群媒體故事(Social Media Stories)具有以下幾項特徵,第一是手機優先、豐富的視覺和可觸控。第二是全螢幕、能付費與轉瞬即逝。第三類為短格式、具備美學、能夠互動的特點。「社群媒體故事能在任何場合創造,你可以做促銷、產品發表、行銷活動等各樣情境。」彭子亮認為商業上運用社群媒體說故事很重要,但也要思考如何超越。比方,運用跨媒體敘事跳脫社群平台,對品牌擴張具有顯著效果,更要去思考超越自有、付費、賺得媒體的架構。

  彭子亮分享實務上,付費媒體在高影響力廣告(High Impact AD)與原生故事廣告(Native Stories AD)的應用。比方,把橫幅廣告當作燈箱故事,或是滾動文章時,讓廣告圖像顯現於螢幕底圖,或是在螢幕下方彈出互動廣告設計;原生故事廣告具有無縫、靈活、內容驅動的特色,能呈現出前所未有廣告形式,更吸引用戶歡迎。彭子亮分析,原生故事廣告具有動態布局,適應各種螢幕尺寸與設備,能把長形式內容有效簡化,允許使用者製造內容(UGC)跟品牌結合來強化社群,最終將受眾轉換成消費者。

  自有媒體常使用的登錄頁(Landing Page),彭子亮認為是時候該變化形式,因為好故事通常是短且具衝擊性。此外,建立內容中心(Content Hub)為品牌重要資產,有效整合、集結、發布內容到不同渠道來追蹤成效,達成多元行銷能力。彭子亮最後談到數位時代下,說故事三項重點:內容、社群與商業。透過使用者經驗、使用者參與和遊戲化,以及數據驅動,來跟大眾溝通。


讓 AI 成為輔佐你的副駕駛

  酷炫 AI 科技如何運作? WPP 集團的邑策亞太區行銷暨創新長 Cheryl Ng 帶來「人工心智的背後:AI 是你的副駕駛」,揭密機器學習背後原理。AI 在行銷領域的應用是透過機器學習、演算法來獲得成果,目前大約20 種創新方法,比方說聊天機器人、社群分析、內容定向、情感分析、客戶體驗,也有傳統的 Email 行銷、客戶洞察、媒體監控、受眾管理等類別。「但今天會集中在分析預測、多指標優化、動態創意和受眾模型化的領域。」Cheryl 描述 AI 如品牌行銷人最佳副駕駛,今天要剖析背後如何運作。

  「通常 AI、機器學習、演算法各自有不同定義,但實際上殊途同歸。」Cheryl舉機器學習的監督式為例,如何以 CPA 為指標來達成銷售飛機票成果?她說明運作方式依序可分成四個步驟。

邑策亞太區行銷暨創新長 Cheryl Ng。

  首先是去理解能幫助提升廣告 CPA 背後的數據特徵,「通常特徵可以是受眾性別、身高、頭髮顏色,或是使用瀏覽器、裝置等類別。」其次是進行機器學習,演算法挑選出最好的特徵,來達到廣告競標的優化。Cheryl 解釋,前提是確認那些特徵有效,比方說約會APP要提高配對,身高、眼睛、長短髮等特徵會比指甲、耳垂長短更關鍵。

  第三步是了解機器學習這個副駕駛如何學習。延續上述機票銷售案例,機器會聚集有相同趨勢的特徵,區分出交易所、創意版面大小、裝置類型和每天使用時數等四大群體,在各群之內還會劃分權重,預測未來機率。Cheryl 說明,由於全部基於歷史數據分析機票背後購買因素,在這個案例,廣告客戶最後會獲得最佳投放時段不在早晨,而是夜晚。當受眾使用電腦、電視時接觸,會優於手機、平板,得到最明智的行銷決策。

  最後一步,看有何專門技術來提供客戶解決方案。Cheryl 在現場開啟自家系統,從樹狀圖更深入剖析機器學習演算法旅程,細分出各種因子,何種條件取得最佳廣告轉換成本。Cheryl 說機器學習不神祕,也不是大公司特權,所有行銷人都應該善用 AI,讓機器成為自己最強大的副駕駛。


善用 AI 平台 精準傳遞品牌訊息

  第一天最後壓軸,由 WPP 集團推出 [m]PLATFORM數據平台,其亞太區客戶發展副總裁Girish Menon帶來「媒體的演進」,分享數據架構與受眾豐富體驗。他破題點出今日數位面臨三大挑戰,包括破碎化與多任務、可視性(Viewability)、品牌安全與廣告詐騙(Ad Fraud)。

  「根據統計 70% 使用者同時間使用超過 4 個 App,行銷人要獲取注意力變得很困難。」根據 MRC 的全球標準,有效展示廣告要符合 1 秒鐘能看到 50% 區域,而影音廣告則要達到 2 秒鐘。Girish 表示目前只有 50% 展示廣告、60% 影音廣告能被看見,在 Facebook 上更低於 20%;廣告詐騙可分為一般無效流量(GIVT)與複雜無效流量(SIVT),可透過機器學習來辨識。根據統計 25% 廣告有風險,10% APP 有潛在風險,Girish 坦言抓假廣告就跟警察與強盜的對峙,永遠不會消失。

[m]PLATFORM 亞太區客戶發展副總裁 Girish Menon。

  上述三項挑戰,品牌如何應對?「品牌需要接觸受眾,並且在對的時間、地點傳遞品牌相關訊息。」Girish 認為解決方案,是透過複雜數據建構、豐富受眾輪廓與即時定向來完成。

  數位媒體的進化,讓品牌能直接在平台購買、受眾定向(Audience Targeting),並且做到跨平台、跨網站。Girish 也把程序化定向技術分類成三個層次,包含 1.0 能使用 DSP 做定向,2.0 達成讓客戶導入 CRM 這類的消費者數據,3.0 帶來受眾豐富化和模型化的數據架構,如 [m]PLATFORM 就滿足多資料來源,涵蓋線上到線下數據。

  [m]PLATFORM 在台灣可觸及 1,455 萬人、2,473 萬ID、72% 消費人口。Girish 表示此平台用於消費者洞察和增加受眾豐富度,並具有透明的流程,且做到即時化深度分析行銷活動。最重要是可集結與架構複雜的大數據,來產生新的洞察,最終達成了解消費行為的品牌目標。


本文同步刊載於《廣告雜誌》2018年12月號325期:
特別企劃:AI重磅來襲!引領產業全面革新


--
歡迎分享文章連結,並請註明出處-
Adm廣告雜誌|Digital x Creative:
http://adaround.blogspot.tw/
更多數位創意消息,歡迎加入廣告Adm粉絲專頁:
https://www.facebook.com/adm23915168

沒有留言:

張貼留言