Transcript Scyfer BV: Artificial Intelligence en de toekomst

Artificial Intelligence
Tijmen Blankevoort
Een intelligente revolutie
Live spraak vertaling
(Skype 2015)
Zelfrijdende auto’s
(Meerdere bedrijven)
Jeopardy winst
(IBM 2013)
Professioneel Go
(Google 2016)
De AI jungle
Image
recognition is
‘opgelost’
AI vertaalt
Stephen Hawking en
Elon Musk zijn bang voor
AI
Ethische vragen, wat als een
zelfrijdende auto iemand
aanrijdt
AI neemt misschien de
wereld over
IBM Watson
verhelpt
kanker
Google is nu
AI first!
De AI jungle
Image
recognition is
‘opgelost’
Ethische vragen, wat als een
zelfrijdende auto iemand
aanrijdt
AI neemt misschien de
wereld over
AI vertaalt
Stephen Hawking en
Elon Musk zijn bang voor
AI
Wat gebeurt hier
allemaal?
IBM Watson
verhelpt
kanker
Google is nu
AI first!
Doel van deze presentatie
● Je komt erachter wat er precies gebeurt in de wereld van AI
● Je krijgt een kijkje in de nabije toekomst van AI
● Je krijgt mijn persoonlijke visie te horen op AI in marketing
Machine Learning
Machine learning
We willen dat een computer iets voor ons
doet. Hoe doen we dat?
Het is makkelijker als een computer kan leren
door voorbeelden, net zoals een kind!
Example
Een computer kan leren
handgeschreven karakters te
herkennen
Dit is een 4
Herhaal vaak
Dit zijn 0’en, 1’en,
2’en...
Geef 60.000 voorbeelden met label (0, 1, 2, etc.)
Na een hele hoop voorbeelden
Dit is een 2
Dit is moeilijk
Versicolor
Virginica
Een beslisboom zal nooit
goed plaatjes kunnen
classificeren
Setosa
Deep Learning (2006 - nu)
Mogelijkheden
We kunnen nu complexe data geven aan machine learning!
▪
▪
▪
▪
▪
Tekst
Plaatjes
Geluid
Sensor data
…
Maakt niet uit hoe complex, als je maar genoeg voorbeelden hebt zal
Beeldherkenning
Verzamel 1.000.000 plaatjes
1.000 verschillende objecten
Input: plaatjes
Output: label
Geef aan Deep Learning:
Beeldherkenning
Verzamel 1.000.000 plaatjes
1.000 verschillende objecten
Input: plaatjes
Output: label
Geef aan Deep Learning:
Bovenmenselijk accurate object
herkenning, zoals in zelfrijdende
auto’s
Sentiment analysis
Verzamel miljoen tweets
Input: tweets
Output: sentiment
Geef aan Deep Learning:
Sentiment analysis
Verzamel miljoen tweets
Input: tweets
Output: sentiment
Geef aan Deep Learning:
Beste sentiment analyse
tools beschikbaar
E-mails
Verzamel een miljoen emails
Input: e-mails
Output: korte antwoorden
Geef aan Deep Learning:
Die meeting klinkt als een
goed idee, ik zie je daar!
E-mails
Verzamel een miljoen emails
Input: e-mails
Output: korte antwoorden
Geef aan Deep Learning:
Die meeting klinkt als een
goed idee, ik zie je daar!
Inbox smart reply
Deep learning is overal!
Google Translate
Facebook Timeline
Meest wijdverspreide
technologie waar niemand
van heeft gehoord
Apple Siri
AI doet slim
AI doet slimme dingen
Dat betekent nog niet dat het intelligent is!
Bijna alle AI toepassingen zijn
specialistische AI. AI getraind voor 1
specifiek doel.
Deep Blue slimmer dan
Kasparov (1996)
AI is dom
▪
▪
▪
▪
AI leert niet op een menselijke manier
AI heeft zeer veel voorbeelden nodig om te leren
AI heeft geen ‘common sense’
AI generaliseert niet
▪
AI kan niet conceptualiseren en redeneren
▪
Geen creativiteit
▪
Geen geheugen
▪
Kan beslissingen niet uitleggen
▪
….
AI als leerbare software tool
Kleine recap
▪
▪
▪
▪
▪
Machine Learning stelt ons in staat een computer te laten leren van
voorbeelden
Computer ziet input + output, gegeven nieuwe input, geeft verwachtte
output. Niks nieuws/creatiefs/intelligents!!!
Deep Learning stelt ons in staat machine learning te doen op complexe
data.
Deep learning zit achter zo’n beetje elke nieuwe AI ontwikkeling
Denk over AI na al leerbare software tool. Geef het genoeg voorbeelden
van wat je wil dat het doet, en het zal het doen
De toekomst van AI
Active learning
Iedereen kan straks een AI leren om
saaie, repetitieve taken over te
nemen!
●
●
●
●
●
Systeem draait met je mee in de
praktijk
Systeem maakt een fout,
verbeter die fout
Systeem zal zelf vragen stellen
Systeem kan uitleggen waarom
hij bepaalde dingen doet
Systeem wordt steeds slimmer
De katalysator van AI
Kunde als commodity
Active Learning en AI gaat er voor
zorgen dat niet alleen kennis,
maar hoe te handelen met die
kennis, beschikbaar wordt voor
iedereen
De AI Marketing assistant
Marketeers kunnen in de toekomst de computer leren
repetitieve taken meer automatisch (onder supervisie) uit te
voeren:
●
●
●
●
Schedulen van e-mail campagnes
Veranderen van Google AdWord bids
Prioritiseren van leads
Bepalen welke producten geboost/geburied moeten
worden aan de hand van data
● Visualiseren van werking campagnes + potentiële
uitleg
● Opmaken van content
● etc...
Er zal zo meer focus komen op het creatieve proces
Stel ik wil een laptop kopen
Er zijn veel te veel opties. De gemiddelde
persoon weet echt niet hoeveel RAM die
nodig heeft!
Dus ik bel een vriend die hier verstand
van heeft!
De intelligente sales agent
Laptop experts
Hey Siri, ik wil een
laptop kopen
Producten en
productinformatie
Klant
Chatbot
In bijv. Siri of
Cortana
Impact
▪
▪
▪
De sales persoon die je helpt is weer terug op het internet
Third-party vergelijkingen zullen populairder worden (soort
consumentenbond voor producten)
Van branding marketing naar functionele marketing
Expliciete klant interactie
Marketing kanalen, en advertenties zullen steeds
meer expliciete klantinteractie gebruiken om
content te bepalen, in plaats van impliciete.
We werken nu met erbarmelijk modellen
Denk aan:
● NOS die vraagt of je in de toekomst dit soort
artikelen wil lezen (a la tinder?)
● Mensen die aangeven waarom ze reclame
wel/niet relevant vinden, en zo bepalen welke
reclame ze zien
● Call-centers die feedback genereren over
waarom iemand niet geïnteresseerd was of
slecht was geholpen
Impact
●
●
●
●
Klanten krijgen meer invloed op wat ze zien in hun eigen kanalen
Van zenden naar klant incorporatie en focus
Marketing wordt meer functioneel/relevanter
Veel betere klant modellen door expliciete feedback
Content creatie
De Griekse minister Varoufakis van Hamas overlegde toen al een onderzoeksresultaat op de
site van de staatssecretaris. Volgens de Kamer was de strijd tegen de aanvraag van het liberale
media op de kritiek op de overname van de Tweede Kamer. De minister van Buitenlandse
Zaken heeft de minister van Sport en wil dat de landen die gesprekken hebben gehad met het
ministerie van Landbouw. Dat is een lange termijn van de Iraanse president.Het is de ouders
van de drie oppositiepartijen dat het bedrijf het grootste gezamenlijke inkomen van het regime
van Asscher heeft gestemd.
Tekst gegenereerd door een algoritme getraind op 7 jaar NOS nieuws artikelen.
Geen context, dus praat nonsense.
Maar: kan gebruikt worden om woord/stijl suggesties te doen. Beste spellings
checkers werken op dit principe
Nu met context
Dataset: Images -> Text
Image to text (Google 2014)
Tekst aanpassen aan doelgroep
Google translate vertaald van de
ene taal naar de andere taal.
We kunnen ook een google translate maken
die tekst van de ene schrijfstijl naar de
andere vertaald. Bijvoorbeeld afhankelijk
van je doelgroep!
Plaatjes genereren
Gegenereerde plaatjes van kerken
(Facebook 2015)
Impact
▪
▪
▪
Sneller kunnen maken van content
Sneller genereren nieuwe ideeën
Beter content aan kunnen laten sluiten op de wens van de klant
En jij?
Als jij een systeem
zou kunnen leren
werk in marketing van
je over te nemen. Wat
zou het dan doen?