d-tags 
Ładowanie...O tym jak komputer wygrał z mistrzem gry GO
Pewnego dnia, kilka lat temu (w roku 2016), w szranki stanęło dwóch nieprzeciętnych przeciwników w walce o milion dolarów. Wielokrotny mistrz logicznej rozgrywki GO zmierzył się z komputerem - i przegrał wszystkie partie. Dlaczego ta wiadomość jest znacząca? Dlatego, że gra GO to logiczna rozgrywka wymagająca nie tylko strategicznego podejścia i logicznych działań na wzór szachów, ale i intuicji, czyli cechy charakterystycznej dla człowieka. Dodatkowo, uznawana jest za najtrudniejszą grę na świecie. Zwycięski program nazywał się AlphaGo i został stworzony przez ekspertów pracujących dla firmy DeepMind, tj. spółki-córki giganta z Mountain View, Google. Rok później z programem zmierzył się chiński arcymistrz gry w GO - Ke Jie. Jemu również nie udało się pokonać komputera. W międzyczasie program uczestniczył w innych pojedynkach doskonaląc tym samym swoje algorytmy. By były one coraz bardziej skuteczne rozgrywał tysiące partii z samym sobą.Google o AI
AlphaGo to dowód na doskonalenie systemów samouczących się. A co o uczeniu maszynowym mówi Google? Ostatnio pisałam artykuł o tym co wie o nas Google. Możesz się z niego dowiedzieć jakie dane zbiera Google, by doskonalić tzw. machine learning (ML) Uczenie maszynowe służy zbieraniu danych z wielu źródeł, a następnie ich przetwarzaniu w taki sposób, by algorytm mógł się z nich uczyć bez wprowadzenia przez człowieka stosownych reguł. Zatem ML działa w oparciu o dostarczone mu przykłady, a nie bloki instrukcji wprowadzone przez programistów. Algorytmy uczą się poprzez doświadczenie. Algorytm uruchamia się i dowiaduje w czasie rzeczywistym czy działa słusznie czy musi się udoskonalić.“Machine learning is using data to answer questions” - Yufeng Guo, Developer and Machine Learning Advocate w Google CloudNajprostszym, ale i największym przykładem uczenia maszynowego, jest wyszukiwarka Google opierająca się o wiele systemów ML. To one sprawiają, że wyszukiwarka wie, co masz na myśli wpisując zapytanie, dostosowują wyniki do Ciebie (tak, tego co Google wie o Tobie i twoich zainteresowaniach i preferencjach). Objawia się to w odpowiedniej segregacji wyników - treści które potencjalnie mogą Cię bardziej zainteresować wyświetlą się wyżej. Sztuczna inteligencja odpowiedzialna jest za rozpoznawanie twarzy, wykrywanie oszustw, systemy rekomendacyjne, systemy tekstowe i głosowe (jak Asystent Google). Systemy uczące się mają szereg zastosowań - od medycyny (jak w przypadku retinopatii cukrzycowej, wykrywania chorób skórnych), przez system transportu i komunikacji (automatyczne samochody, systemy automatycznego parkowania i cofania), po sprzedaż czy marketing w Google Ads.
“System sztucznej inteligencji ma upraszczać wszystkim wykonywanie codziennych czynności, nie ważne czy jest to wyszukiwanie zdjęć bliskich osób, pokonywanie barier językowych dzięki Translatorowi Google, pisaniu maili czy wykonywaniu obowiązków z pomocą Asystenta Google. Sztuczna inteligencja pozwala spojrzeć w nowy sposób na aktualne problemy zaczynając od systemu opieki zdrowotnej po postęp naukowy.”Warto zaznaczyć dodatkowo, że Google zachęca, by wykorzystywać sztuczną inteligencję nie tylko do celów biznesowych, ale również w wyzwaniach społecznych, humanitarnych i środowiskowych.
Systemy uczące się w agencji marketingowej
Automatyczne określanie stawek
Automatyczne określanie stawek pomaga w osiągnięciu wyników adekwatnych do wyznaczonego celu. Metoda ta bazuje na systemach uczących się dzięki czemu algorytm optymalizuje stawki przy każdej aukcji, a Ty możesz zająć się innymi elementami prowadzonych kampanii. Strategie te opierają się o szereg sygnałów takich jak urządzenie użytkownika, jego lokalizację, porę dnia, język, wykorzystywany system operacyjny itd. Możemy wyróżnić 6 strategii ustalania stawek automatycznych. Każda z nich stosowana jest by osiągnąć inny cel biznesowy.| STRATEGIA | CEL | JAK DZIAŁA? |
| Maksymalizacja liczby kliknięć | Wzrost wizyt na witrynie |
|
| Docelowy udział w wyświetleniach | Wzrost widoczności |
|
| Docelowy CPA | Wzrost liczby konwersji |
|
| Docelowy ROAS | Uzyskanie określonego zwrotu z nakładów na reklamę |
|
| Maksymalizacja liczby konwersji | Zwiększenie liczby konwersji |
|
| Maksymalizacja wartości konwersji | Wzrost wartości konwersji |
|
