众所周知,人工智能,尤其是生成式 AI,已经彻底改变了营销中的内容创作部分。现在,AI 可以生成从视觉图像到幻灯片演示、音频、视频和虚拟人物等各种内容。但人工智能的影响力同样延伸到营销的其他领域,尽管这些影响可能不那么明显,却同样重要,比如下面将要讨论的三个方面。虽然 AI 在营销中还有许多其他应用 (如潜在客户筛选和客户情绪评估),但以下三点代表了为什么 AI 能力现在成为让企业在线上世界获得曝光并取得成功的核心原因。
让 AI 喜欢你
在线上世界,你的可见度取决于各种 AI 对你的内容、网站和公司的评价。以 Google Ads 为例:
Google Ads 本身就是一个 AI (简单来说——实际上可能是多个 AI 的组合)。这个 AI 会评估你的广告和出价,并平衡其优先事项,包括通过确保高质量和相关的广告内容来保持搜索者满意,以及通过确保你获得与出价相符的点击来保持你的满意。这个过程需要时间,让 AI 了解你,也让你了解它。
ChatGPT。很多人认为 ChatGPT 及其变体是新一代搜索工具。这些工具在被查询时也会推荐替代选项。在这些平台上获得良好展示的模式目前还不太明确。也许未来会更清晰,特别是如果这些工具的提供商像 Google 一样迎合广告商的需求。如果不是这样,情况就会变得更加模糊,提供商需要找到让这些 AI "喜欢他们" 的方法,但可能没有结构化的流程来实现这一点。
但是选择哪个 AI?
生成式 AI 的出现,尤其是作为搜索引擎的挑战者,开辟了一系列新的 AI,作为企业,你应该争取它们的好感。这包括任何通用语言模型 (如 ChatGPT、Claude 等),用户可能会向它们寻求意见,而不是像以前那样使用搜索引擎。搜索引擎在自身内部引入这类回答功能,可能会进一步改变企业广告的性质。
用 AI 提升你的 AI 游戏水平
与大多数事物一样,有 AI 的地方就有对抗 AI 的工具。你可以使用 AI (结合你的领域知识、技能和智慧) 来生成与决定你在线环境命运的 AI 之间的有利互动。以我们一直使用的 Google Ads 为例,有无数工具可以分析你的竞价策略、广告内容等,将 Google Ads 提供的众多指标转化为更简单的战略方向。另一种选择是咨询像 ChatGPT 这样的 AI,它可以提供如何配置其他 AI (如 Google Ads) 的指导。或者你也可以直接与 Google Ads 聊天——这有专门的机器人。
要点总结
那么这一切意味着什么?我认为关键要点是:
今天的企业存在于一个复杂、相互连接的世界中,线上和线下、企业和消费者以不断发展的方式相互交融。
在很多情况下,AI 决定了你的企业在这些环境中如何被感知。而做出这些决定的 AI 每天都在变得更加复杂。了解它们如何运作以及为什么这样运作是很有帮助的。
有一些 AI 可以帮助你。但同样,利用一个 AI 来对抗另一个 AI 不应该不经思考就进行。你对两种 AI 了解得越多,就越有可能让这场"舞蹈"对你有利。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。