2017. május 23., kedd

A mesterséges intelligencia (AI) után a legújabb buzzword a “machine learning”, vagyis a gépi tanulás. Mit is jelent, miben tér el a korábbi mesterséges intelligencia fogalomtól és milyen pluszt ad hozzá az online kampányaink teljesítményéhez? Összefoglaljuk a legfontosabb tudnivalókat, inspirációként használva Mick Hodgins Travel@Google2017-es konferencián tartott frappáns előadását, (Mick Hodgins a Google EMEA régiós Innováció- és Megoldások igazgatója, aki a legnagyobb utazási- és pénzügyi ügyfelek kiemelt támogató csapatát vezeti), valamint Sundar Pichai, a globális Google CEO mesterséges intelligencia és gépi tanulás témakörű izgalmas nyilatkozatait.

Forrás: Travel@Google2017, Dublin

Mit jelent a machine learning?

A korábbi divatos kifejezés, a mesterséges intelligencia csupán azt jelentette, hogy ügyes programozók alkalmassá tettek gépeket a korábban emberek által végzett munkafolyamatok végrehajtására, hogy képesek legyenek gépi munkával helyettesíteni az emberi erőfeszítést. A mesterséges intelligencia tehát definiált “szabályokkal” (rules) dolgozott. Ezzel szemben a gépi tanulás, vagyis machine learning már valóban tanulásra, fejlődésre képes gépeket jelent, amelyek nem szabályok, hanem ún. “mintázatok” (patterns) alapján működnek. A legjobb példa talán a két különböző technológia megkülönböztetésére, ha fejben összehasonlítjuk pl. a korábbi sakkozógépeket (amelyek éles küzdelemben vagy legyőzték, vagy kikaptak a világ legjobb sakkmestereitől) a mai tanuló gépekkel.

Egy izgalmas videó a gépi tanulás folyamatáról (Ismerjük a korábbi “pinball” nevű játékot, melyben egy csúszkát mozgatva kell játékban tartanunk a labdát, minél több téglát kiütve a felül lévő téglasorokból? A tanuló gépek a játék kezdetén nagyon gyengén teljesítenek, azonban nagyszámú ismétlés során olyan profi szintre fejlődnek, amelyet mi emberek maximum véletlenül érhettünk el - ha véletlen beütöttük a labdát a téglasorok fölé):


A korábbi gépi megoldások csak odáig tudtak fejlődni, amilyen szintre a legtehetségesebb emberek eljuttathatták őket, tehát mondjuk a világbajnok sakkmesterekig. A mai gépek ezzel szemben az emberéhez hasonló tanulási folyamaton mennek keresztül, tehát a folyamat kezdetén sokkal gyengébben végeznek el egy olyan feladatot, amelyet egy ember sokkal jobban elvégezne, azonban a sorozatos próbálkozások során egyre javul a teljesítményük és a folyamat végén már olyan minőségben tudnak elvégezni egy adott dolgot, amilyenen egy hús-vér ember sosem tudná.    

A machine learning, vagyis gépi tanulás már a legvalóságosabban jelen van szinte minden Google termékben: a Google Maps-ben (amely mára a puszta térképből egy komplex személyi asszisztenssé nőtte ki magát), a Google keresésben (amely több trilliárd keresést, találatokra kattintást és felhasználói viselkedést figyelembe véve szállítja a legrelevánsabb keresési találatokat, akár hang alapú kereséssel is) és az AdWords kampányokban (a dinamikus keresési kampányokban, a smart display kampányokban, az adatvezérelt attribúciós modellekben és a smart bidding-ben) is.



Sundar Pichai 2017-es “Founders’ Letter”-jében - amelyet a Google alapítói minden év elején tesznek közzé, megfogalmazva benne a Google adott évi fókuszát - egyértelműen megfogalmazta: “We will move from a mobile first to an AI first World.” Tehát a Google jelenlegi legnagyobb fókusza a machine learning kutatás és a gépi tanulás folyamatos integrálása a Google termékek továbbfejlesztése érdekében, hogy a Google kereső valóban megértse, hogy épp mit keresünk és a legrelevánsabb keresési találatokat adja, hogy az AdWords rendszere megtalálja a legrelevánsabb célcsoportot a hirdetésünknek stb.

A Google kereső nem véletlenül teszi fel nekünk a kérdést: “Hi! How can I help?”. A Google célja, hogy a korábbi, egyetlen célt szolgáló, egymástól különálló Google eszközök helyett egy személyes Google asszisztens álljon minden felhasználó rendelkezésére. Megfigyelhettük, hogy a Google Maps már önmagától javasol nekünk helyeket, szolgáltatásokat (természetesen online viselkedési előzményeink alapján), nem kell kérnünk ezt tőle. Tehát már nem csupán kérés esetén, hanem kéretlenül is a segítségünkre van. Ahogy Pichai megfogalmazta: “Úgy gondoljanak a Google-ra, mint a saját, személyes Google asszisztensükre”. A Google már régóta nem standard szolgáltatásokat, hanem az egyes felhasználókról rendelkezésre álló millió apró adatrészletből összeálló egyéni profilra szabott termékeket, szolgáltatásokat kínál. 

Forrás: Travel@Google2017, Dublin

Machine learning és a smart display kampányok

A gépi tanulás témakörében a Google évek óta végez nagyon komoly kutatásokat és fejlesztéseket, mindezt pedig annak érdekében, hogy az AdWords kampányok és online analitikák előtt olyan lehetőségek nyíljanak meg, amelyet emberi erővel sosem tudnánk elérni, pusztán emberi elmével sosem deríthetnénk fel azokat a bonyolult összefüggéseket, amelyeknek ismeretével a legmagasabb szintre fejleszthetjük kampányaink eredményességét.

A gépi tanulás kiforrottá válásának legújabb terméke az ún. smart display kampányok megjelenése. A smart display kampányok képesek arra, amire emberi erővel nem feltétlenül vagyunk képesek: ha van számos mért konverziónk a múltbéli kampányainkból, akkor a célzást rábízhatjuk az AdWords rendszerére, vagyis nekünk nem szükséges döntenünk arról, hogy milyen kulcsszavakra, érdeklődési körökre stb-re szeretnénk célozni a kampányt, valamint hogy milyen cpc liciteket állítsunk be (smart bidding).

Figyelem: a smart display kampányok megfelelő működéséhez is ugyanarra van szükség, mint bármely más online kampánydöntéshez: adatra, adatra és adatra!

A mesterséges intelligencia múlja, jelene és jövője (Google videó):

Adatvezérelt attribúciós modellek

A szintén nem túl régóta használható ún. adatvezérelt attribúciós modellekben is óriási szerepe van a gépi tanulásnak. Az adatvezérelt attribúciós modell lényege, hogy az online vásárlási folyamat napjainkban már egyáltalán nem lineáris, hanem multi-channel és multi-device és ahhoz, hogy a jelentőségüknek megfelelő konverziós szerepet, értéket tulajdoníthassuk a folyamatban részt vevő egyes eszközöknek, csatornáknak és lépéseknek. Mindezek miatt egy bonyolult és profi, új attribúciós modellre van szükségünk a korábbi, utolsó kattintáson alapuló attribúciós modell helyett - létrejöttét is tanuló gépek segítették, itt már korántsem olyan összefüggésekről van szó, amelyeket emberi elmével létrehozhatnánk. (A korábbi attribúciós modell a konverzió előtti utolsó lépéshez rendelte hozzá a konverziót, az utolsó lépést felértékelve, egyúttal teljes mértékben leértékelve - nulla értékkel - az azt megelőző, a konverzióhoz fontos hozzájárulást adó korábbi lépéseket.)


Forrás: Travel@Google2017, Dublin

Röviden a lényeg

Röviden a lényeg tehát, hogy - mindennapi életünket tekintve - igenis valós félelem az, hogy egyszer a távoli jövőben a gépek átveszik a hatalmat az életünk felett, mivel napjainkban is már megvan a lehetőségük arra, hogy messze túlszárnyalják azt, amire mi emberek képesek vagyunk. Ugyanakkor hasznos és kényelmes segítséget nyújtanak mindennapi életünk során is, külön kérés nélkül adnak hasznos tanácsokat, javaslatokat.

A mesterséges intelligencia és gépi tanulás révén megvalósult technikai megoldások óriási pluszt adhatnak hozzá AdWords kampányainkhoz és online adataink elemzéséhez.

Használjuk őket okosan!

Ha még többet szeretne megtudni AI/machine learning (mesterséges intelligencia és gépi tanulás) témakörben, ajánljuk figyelmébe a “Machine Learning & Google” YouTube csatornát:
https://www.youtube.com/playlist?list=PLKLrLiXLSmXF1wWSURNUtESbVoqXkcL5Y  

A Travel@Google 2017 konferencia előadásai (Mick Hodgins, Oliver Borm)

Keressen bennünket bizalommal, ha profi segítséget igényel AdWords- és Facebook hirdetéseihez!


Újabb bejegyzés
Korábbi bejegyzés

0 megjegyzés: