Mike 将人工智能定义为使事物变得智能的科学。它包括机器人技术、自然语言、视觉等等。机器学习是指无需明确指导即可学习的计算机。机器学习是人工智能的一个新兴领域，尤其是深度学习这一子类别。
举例来说，计算机如何学习什么是椅子？在传统编程中，你会使用条件语句，例如“如果某物有四条腿、一个座位和靠背，那么它就是一把椅子。”代码需要考虑有扶手和无扶手的椅子、带轮子的椅子等等。生成的程序需要大量代码，如果一行代码有错误，代码就无法运行。
机器学习提供了一种新方法来教计算机什么是椅子。
本质上，你给机器提供了数千个椅子和非椅子的例子（如桌子、狗和树），这样计算机就能理解什么是椅子，什么不是椅子。随着时间的推移，机器学会推断某物是否是椅子。在过去 5 年或 10 年里，这项技术已经变得相当准确。
如今，这项技术被用来帮助人们购物。当你把一件商品拿到相机前时，Pinterest或亚马 电报数据 逊应用或Google Lens（通过iOS 上的 Google Photos 应用）可以识别该产品并尝试帮你找到它。你可以用 Google Lens 相机对准穿着裙子的朋友，它会找到一堆类似的裙子并告诉你在哪里可以买到它们。
除了识别物品外，AI 还可以进行预测。亚马逊使用预测 AI 来告诉你诸如“买了这 网站管理员可以访问 google 网站 本书的人也买了这本书”之类的信息。同样，Netflix 会推荐你可能感兴趣的电视节目或电影。Netflix 甚至会使用预测 AI 来更改封面缩略图。它会根据你的观看习惯预测哪个缩略图最能吸引你。
自动驾驶汽车中的机器学习也在解决预测问题。“我在哪条车道？我应该在哪条车道？那辆车要做什么？那个行人会做什么？”它预测你周围的其他事物将如何移动，从而决定要往哪个方向行驶以及是否要加速或刹车。虽然这种解释过于简单，但它本质上就是正在发生的事情。
另一个例子是 iPhone 的 Siri。随着越来越多的事物包含机 线数据库 器学习，Siri 越来越有能力履行其作为个人助理的承诺。今天，它可以提醒你打电话。将来，它可能会建议你因为交通拥堵而提前离开，或者感觉到一场会议时间很长，
并主动通知你今天日历上的下三个人你会迟到。
一个很好的例子是Google IO 2018 上 Google Duplex的演示。在这个视频中，Google Assistant（比 Siri 安装在更多的手机上，因此有更多数据可供学习）预约了理发和餐厅。许多人认为这些演示是假的，因为 Duplex 技术在处理不按常规方式进行的对话方面非常出色。
在人们开始质疑这项技术是否真实存在后，谷歌在纽约租了一家泰国餐厅，邀请记者在餐厅预订的范围内花一下午时间亲自测试这项技术。记者们被分成几组，试图摆脱人工智能，但人工智能能够完美地回答他们的问题。
人们如何接受人工智能取决于他们是害怕计算机做类似人类的事情，还是欣赏它提供的便利。有些人认为人工智能会监视他们。另一些人认为，如果有一种工具可以立即记住某人的名字和生日，然后给他们送上合适的礼物，那将是一件了不起的事情。
收听节目，了解我是如何在最近的 iOS 更新中发现 AI 的。
人工智能与营销活动
类似 Facebook 的算法是一种人工智能，可以预测某些用户可能会点击哪些文章或广告（尽管算法涉及的内容远不止于此）。3 年多来，马克一直在对 Facebook 的人工智能进行实验。基于这些实验，他认为我们正处于一个临界点，大多数时候，机器的表现与人类一样好。
算法有时会出错，而且一旦出错
往往会犯下巨大错误。不过，大多数时候，它的表现与人类一样好，有时甚至比人类还要好。
对于营销人员来说，人工智能的能力可能会威胁到他们的工作或代理机构的生存。那些仍然花费大部分时间报告和更改出价的营销人员尤其容易受到攻击。这些营销人员可能会破产或不得不付出更多努力来改变他们日常工作的方式。
所有广告平台都会受到激励来改进其人工智能。当它们帮助营销人员实现目标时，他们将继续使用该平台。此外，使广告平台更易于使用的人工智能将带来更多业务。
如今，在线和社交广告平台过于复杂和混乱的企业与能够聘请代理机构或员工来处理的企业之间存在巨大鸿沟。这些平台越能帮助日常企业利用人工智能吸引更多客户，广告平台就能产生越多的业务。
Mike 表示，谷歌一直专注于用户、广告商和利益相关者，以及这三者之间的相互关系。对于谷歌而言，用户是三者中最大、最重要的。尽管谷歌必须平衡广告商和利益相关者的需求，但 Mike 认为提供最佳的用户体验有助于实现这一目标，因为它鼓励用户重返平台。
例如，在 20 世纪 90 年代末，人们放弃了 Alta Vista 和 Ask Jeeves 等搜索引擎，转而使用 Google，因为 Google 能提供更好的搜索结果。如今，Google 正努力让其平台更好地服务广告主。如果只有大约 10% 的企业真正在使用 Google Ads 等工具，那么该平台就有巨大的增长空间。
对于小型企业，Mike 认为 Google Ads 可以吸引那些迄今为止觉得该广告平台太难用的客户。对于大型企业，Google 可以从传统媒体上夺走品牌广告费用，并让这些大型企业了解使用 Google Ads 而非大型控股机构可以节省成本的好处。
收听节目，了解我对 Facebook 算法智能的看法。
人工智能如何帮助营销人员
谷歌和 Facebook 拥有庞大的 AI 计划和营销人员已经使用的工具，它们提供了令人难以置信的大量信息。为了实现这一目标，谷歌通过 Google Analytics、Android（全球 80% 的智能手机都使用 Android）、YouTube 和 Chrome（使用最多的浏览器）收集用户数据。谷歌开发或购买了这些服务以获取所有这些数据。
除了谷歌和 Facebook，亚马逊、微软和 IBM 也在 AI 领域取得了惊人的成就。由于 Mike 专注于 Google Ads，因此我们关于 AI 如何帮助营销人员的讨论主要集中在该平台上。不过，我想强调的是，AI 正在迅速进入许多平台。
为了解释 AI 如何帮助营销人员使用 Google Ads
Mike 首先概述了一个基于三层金字塔的框架。底层是竞价，中间层是定位，顶层是消息传递。这些层共同帮助营销人员在正确的时间向正确的人展示正确的信息，并从中获利。
Mike 使用金字塔是因为竞价是测试 Google 人工智能的一个好起点。竞价是人工智能最容易接手的任务，也是营销人员最耗时的任务。通过人工智能处理竞价，您可以向上移动金字塔，领先于机器人，并专注于顶部的任务，例如创造性和战略性思考以及与客户合作解决更大的业务问题。
竞标：为了说明谷歌的人工智能学习能力有多强，Mike 首先分享了谷歌 AlphaGo 的故事，AlphaGo在围棋比赛中击败了世界冠军。然后谷歌打造了AlphaGo Zero，它击败了第一台机器。AlphaGo Zero 从零开始，没有看过任何其他游戏，而是自学成才。
AlphaGo Zero 中的人工智能能够处理大量数字，并以惊人的准确度做出预测。它还能快速学习。3 天后，它就和人类一样优秀了。40 天后，AlphaGo Zero 击败了 AlphaGo，而 AlphaGo 本来应该一盘都不会输。
同样，谷歌和 Facebook 广告的竞价也是一场数字游戏。您可能需要确定对某个关键字的竞价金额，或者如果有人点击您的广告，向谷歌提供多少竞价。计算机在竞价方面已经非常出色。今天，它们已经和人类一样优秀，在不久的将来，它们会变得更好。