2023 年人工智能术语表（可能是你见过的最详细的）

人工智能已经在广告行业产生了魔力，广告机构和客户纷纷争相了解AI对于他们的战略和营销策略能产生什么作用。

尽管引人深思，但该行业似乎并没有关于AI及其全部内容的标准或定义。“我还没有看到过任何关于AI标准的东西，”Ocean Media分析团队的首席技术官Annmarie Turpin说道。“人们阅读了许多关于AI的定义，然后推断，‘这与其有关系。’”

为了帮助大家更好地理解，我们编制了一个关于AI在广告行业中经常使用的关键术语的解释。这些术语肯定没有详尽无遗，但是它提供了一个窥视营销词汇中一些新词和越来越重要词语的机会。

竞价优化

它是什么：简单地说，竞价优化就是广告商为获得广告投放而进行的报价过程。 这是一个由人工智能驱动的机制，它会实时调整竞价策略，目的是获得广告投放位置时，最大限度地实现广告投放目标，同时遵守广告主的投放偏好和限制。一些广告公司高管表示，这是帮助广告公司高管确定广告活动效率和投资回报的关键所在。

谁在使用它：在人工智能支持的工具（包括竞价优化）方面，谷歌一直在加大力度。谷歌的 DV360（Display and Video 360）最近宣布扩大与人工智能公司 Scibids 的合作，以定制人工智能竞价，为用户提供更多控制权。

计算机视觉

它的含义：计算机视觉基本上就是它听起来的意思，即计算机能够理解数字图像、视频和其他视觉输入，并根据这些信息进行推荐。这类似于人类处理视觉信息的过程。与人工智能的其他方面一样，计算机视觉也具有“喂养”性质，即计算机需要足够的数据进行学习，然后才能进行推荐、反应或执行其他操作。

如何使用：这项技术使得自动驾驶汽车能够在很大程度上检测周围的物体并与环境互动，而不会造成事故。在这种情况下，汽车使用嵌入式摄像头捕捉视频，将其输入到软件中，并实时检测从交通信号到行人的一切。计算机视觉在人脸识别程序中也经常被使用。

数字孪生

它的含义：数字孪生是对现实生活中的物理对象系统进行虚拟模拟，然后利用机器学习来帮助制定决策。通俗地说，数字孪生就是将现实世界中的物体复制到数字空间中。

如何使用：它的工作原理是将实时数据录入系统，然后通过虚拟的方式对现实可能发生的情况进行监控、分析和模拟。两个主要的使用案例是：在数字孪生中使用人工智能模拟广告投放活动，然后根据结果再到现实生活中进行操作。或者，在增强现实中，虚拟复制一个实体活动，以同时在线上和线下接触受众。举一个 AR 数字孪生案例的真实例子，玛氏公司的糖果品牌 M&M’s 去年在音乐节上举办了一次实体快闪活动。与此同时，该巧克力品牌还举办了一场虚拟现实活动，为线上不能到场的用户提供与线下音乐节观众一样的体验。

生成式人工智能

它的含义：生成式人工智能（Generative AI）是一个相当包罗万象的术语，指的是人工智能的子领域，它根据用户输入数据中的模式生成数据或内容，无论是文本、图像、音乐、视频还是其他任何内容。其中的例子包括OpenAI的ChatGPT和Google的Bard，这些机器通过学习互联网上的各种信息，并开始自行提供参考或推荐。

如何使用：就像算命先生一样，用户可以向生成式人工智能机器询问任何事情，它就会生成不同类型的内容。至少有 71% 的机构已经开始采用这项技术，尤其是在去年 11 月 ChatGPT 推出之后。不过，大多数公司使用生成式人工智能主要是为了简化工作流程，无论是利用它来撰写社交媒体文案还是制作视频。有时，人工智能会产生幻觉（见下一条），需要人工对其事实进行核查校验。

幻觉

它的含义：这是一个比喻，用来形容人工智能模型自信地生成不准确的答案。这个概念在今年变得更加常见，但在人工智能界已经使用多年。(谷歌研究人员在 2018 年的一篇论文中使用了这个词，来描述人工智能模型”完全脱离了源材料的联系，容易产生高度错误的内容，“）。

它指的是：幻觉效应是一个影响整个行业的问题，人工智能生成的错误信息对于实际使用构成了一个重大问题，这是大家使用LLMs进行内容创作中的众多风险之一。像GPT-4这种最新的LLMs已经显示出一些改进的迹象，但专家表示，在ChatGPT和Bard中，幻觉仍然普遍存在。

关键背景： OpenAI 自己的研究人员表示，随着用户变得更加信任人工智能模型生成的信息，幻觉可能会更加危险——甚至 OpenAI 联合创始人兼首席执行官 Sam Altman 在 5 月份在国会首次听证会上也提到过这一点。

LLM

它代表什么？大型语言模型 

它的含义：LLM 是生成式人工智能的支柱，是一种在海量文本（包括新闻文章、社交媒体内容、计算机代码、技术手册和整本书）上进行训练的人工智能模型。LLM 利用其训练数据来预测接下来可能会出现的词语，可以阅读、理解和生成文本，类似于人类处理思维的方式。虽然由于 ChatGPT 的兴起，OpenAI 的 GPT 模型最为人熟知，但它只是科技巨头开发的众多 LLM 中的一个。其他 LLM 包括谷歌的 PaLM 2、Meta 最新发布的开源 LLama 2 和 Stability AI 的 StableLM。

如何使用：自今年年初以来（甚至在此之前），许多公司都使用各种 LLM 构建了新的聊天机器人和其他工具。虽然 Bard 使用的是谷歌自己的大型语言模型，但其他公司使用的是 OpenAI，包括 Snap 的 My AI、Nextdoor 的 Assistant 和 Profitero 的 Ask Profitero。其他公司也利用 LLM 搭建平台，生成营销内容或用于其他各行各业，包括金融情报、商业地产和客户服务。

MMM

代表什么？营销组合建模

指什么： 用专业术语来说，营销组合建模是指营销人员使用统计分析作为工具，回顾一段时间内的销售情况，以确定是什么推动了销售。换句话说，它使营销人员的工作更加轻松，在投入更多营销资金之前，就能确定哪些有效，哪些无效。(这不是一个新工具，但人工智能的引入加快了这一数据密集、成本高昂的工作。独立广告公司正在使用这一工具，以赶上更大的竞争对手。

如何使用：数据、数据、更多数据，这就是 MMM 的原理。营销人员将他们多年来在数字、电视、户外、广播、播客、社交媒体和所有其他形式媒体上使用的营销策略数据，以及季节性和库存数据输入机器。然后，MMM 工具会对其进行计算，得出销售原因和预测，帮助营销人员为未来做出决策。

机器学习

指的是什么？不要将机器学习与生成式人工智能混为一谈，机器学习是一种计算方法，其中的算法学会根据输入的信息做出预测或决策。机器学习和生成式人工智能经常被混为一谈，人们说生成式人工智能，其实指的是机器学习。两者最大的区别就在于此： 生成式人工智能有能力创造新的原创内容，而机器学习则强调从数据输入中学习，从而做出预测。

如何使用： 机器学习更依赖于人类的控制和优化。算法利用所学知识做出基于数据的预测或决策，帮助营销人员完成从预测客户行为、识别模式到个性化营销活动的所有工作。它还可用于媒体规划，如营销组合建模，或仅仅用于自动化重复性任务。

NLP

它代表什么？自然语言处理

指什么？作为人工智能的一个子集，自然语言处理有助于缩小人类语言与计算机语言之间的差距。通过使用各种算法和计算模型，NLP 可帮助建立各种术语之间的联系，从而找到人类语言的上下文和含义。例如，NLP 可以分析海量文本，了解情感并识别隐藏的趋势。(如果一个品牌想了解社交媒体用户对它的评价，或者想找到消费者群体中的关键话题、问题和关注点，那么它就是一个很有用的工具）。

如何使用：多年来，NLP 一直被用于为 Siri 和 Alexa 等语音助手提供支持、启用社交聆听工具、提供情感分析以及帮助搜索引擎、聊天机器人和各种广告工具的预测工具。

训练数据和测试数据

它是什么？“训练数据 “是人工智能模型在监督学习过程中摄入的大量原始文本。另一方面，”测试数据 “用于了解人工智能模型在原始训练集未包含的数据基础上预测答案的能力。

如何使用： 在开发人工智能模型的过程中，训练数据和测试数据都会用到。训练数据的质量也很关键，同样关键的还有数据的来源。当人工智能模型在训练数据的基础上进行监督学习时，它就能理解语言中的各种模式，并将其联系起来。(将训练数据视为配料，将训练数据视为测试配方的结果）。

主要挑战： 在人工智能模型的训练数据类型方面存在许多挑战。有些人认为，公司只应使用获得许可的内容来训练人工智能模型–这是最近针对 OpenAI 和谷歌提起的诉讼以及国会听证会的一个关键议题。其他挑战包括数据隐私问题、正确标注数据以及确保数据足以避免偏见和错误信息。

荣誉提名：

本词汇表中还可以包括很多其他术语，但这里有几个使用了不同广告执行人员的话的术语。

异常检测：

“这是一种机器学习和数据分析过程，可识别模式并检测数据集中严重偏离常规的数据点。这些可能表明存在错误、欺诈活动或任何异常值”。

– VMLY&R 首席创新官 Brian Yamada。

深度学习：

“机器学习的一个子集，它使用非结构化数据进行学习，以更好地模仿人脑的学习方式，最常被混淆为人工智能”。

– B Lalanne，Crispin Porter + Bogusky 公司研究与洞察副总裁

AGI

当人们谈论人工智能的存在性危险时，通常在讨论人工通用智能（AGI），这种理论上具有与科幻小说中所见的人工智能相似的人类级别或超越人类级别的认知能力。大多数专家表示，AGI目前还不可能实现，但也有人认为这并非不可想象

“我最喜欢的人工智能术语是’人工通用智能’（AGI），”chatGPT写道。”AGI 是一种假想的人工智能，它有能力完成人类所能完成的任何智力任务。AGI 还很遥远，但它是一个引人入胜的概念。