cwlogo

切換側邊選單 天下全閱讀 切換搜尋選單
切換會員選單

【奧美觀點】AI人工智慧與行銷傳播應用

精華簡文

【奧美觀點】AI人工智慧與行銷傳播應用

圖片來源:shutterstock

瀏覽數

6197

【奧美觀點】AI人工智慧與行銷傳播應用

奧美觀點
  • 何恆毅

當AlphaGo擊敗世界棋王李世乭的那一刻起,登上世界第一寶座,人們開始相信「人工智慧」會超越「人類智慧」;一年之後AlphaGo Zero經過21天訓練,就超越AlphaGo後繼者AlphaGo Master,人們開始擔心—未來是否只有人工智慧可以擊敗人工智慧?未來是否人類大部分工作將會被機器取代?

人類生活將會因人工智慧的發展徹底改變,這一天終究會來臨,只是還需要多久時間?是媒體、新創、趨勢專家所說的現在?還是五年、十年?愈了解人工智慧技術發展進程的人,會告訴你的時間就會愈久。因為機器要學會做的事,可不僅是像下棋這樣單一功能的人工智慧而已,希望機器可以像人類一樣的思考與反應,做出複雜的判斷,這可不是件容易的達成的事。可以肯定的是,這是一個不可逆的趨勢,並且終將改變人類的生活。

既然人工智慧是不可逆的趨勢,那就應該去認識、理解,並且有能力判斷如何擁抱與應用。我試著從人工智慧的發展、技術與應用,提供品牌行銷操盤者新的啟發與靈感。

人工智慧發展–深度學習的快速進展

人工智慧發展可分為三個階段( 如圖1所示 ),第一階段:人工智慧起步期(1956~)、第二階段:專家系統推廣(1980s~)、第三階段:深度學習(2006~) – 當2006年多倫多大學教授 Geoffrey Hinton 教授提出「深度學習」(Deep Learning)的神經網路,之後伴隨大數據及運算力的提升( GPU用於深度學習中的矩陣運算 ),終於引爆新一次的人工智慧浪潮。

圖1:機器學習與深度學習的不同

究竟過去機器學習與現在深度學習有何不同?以圖片辨識來說,若人工智慧要辨識圖片中的動物到底是貓、豬,還是馬?過去的機器學習需要人工介入,根據人類分析判斷,找出動物最醒目的特色來進行判別,例如耳朵、眼睛的形狀、位置、大小及顏色等特徵,讓機器學習分類判斷的能力,進而建構分類模型,如圖2上方的流程。

現在的深度學習則不需要人工介入,或者說少量的介入即可。在學習過程中,機器會自動抽取特色,與資料庫的特徵進行比對,不斷修正演算法,最後建構出高正確率的分類模型,如圖2下方的流程。

圖2:機器學習與深度學習的不同

人工智慧技術與行銷傳播應用

至於人工智慧技術主要可分為電腦視覺、語音工程、自然語言處理、移動與控制等,如下表所示。

人工智慧主要技術

應用範圍

電腦視覺

  1. 圖片識別:字辨識/分類判斷/人臉識別/臉部部位辨識/情緒識別/動作識別/產生圖片描述
  2. 影片識別:在影片中找出特定人事物出現的片段/自動產生影片描述
  3. 圖片生成:根據文字描述產生圖片/圖片風格轉換/圖片著色/圖片影像加強(提高解析度)
  4. 影片生成:依據前面影像產生後續影像/依據前後影像產生前後影像/更換影片中人事物。

語音工程

語音識別/語音合成/語音變化/語調變化/情緒變化偵測等

自然語言處理
(Natural Language Processing)

語意理解/情感分析/客服機器人/聊天機器人/機器翻譯/文章主題產生/文章摘要產生等

移動與控制

機器人、機器手臂、自駕車等

由此可知人工智慧的應用範圍非常廣泛,但是目前行銷傳播所應用的範圍仍然相當有限。例如,這兩年許多品牌經常使用的聊天機器人、客服機器人即是一種人工智慧的應用案例。但仍有相當多的技術等待品牌行銷操盤者,或是整合行銷代理商能挖掘使用於行銷傳播領域。

針對電腦視覺中的圖片識別及生成,我們特別列舉可能的應用案例,可做為未來行銷傳播的靈感。

1.圖片辨識

Amazon、Microsoft及Google近年積極於人工智慧領域的拓展,各家都推出讓企業快速應用的機器學習平台及APIs。就以Microsoft Azure--認知服務中的辨識服務為例說明圖片辨識的應用。

應用一:辨識圖片中的場景及正在進行的活動

這項功能可分析圖片中可能的場景、人物、物件及活動項目,並給推測的信心分數有多高,如圖3,左邊圖片經人工智慧辨識的結果是”a young man riding a skateboard”,信心分數是0.81左右。當然還有一些更細緻的辨識結果及相關的信心分數,會列在圖3右邊的辨識結果中。

圖3:辨識圖片中的場景及正在進行的活動

應用二:臉部驗證

可以檢查兩張圖片中的臉部是否屬於同一個人,在上傳兩張照片後,API 會傳回信心分數,顯示兩張臉部是屬於同一個人的可能性,如圖4。
 
圖4:臉部驗證

應用三:表情辨識

臉部 API 可與表情辨識整合,辨識照片中人物的情感,上傳人的臉部照片之後,API可以回傳人物臉部所在位置的座標,還有這個臉部的一組表情的信心分數,例如生氣、藐視、厭惡、恐懼、快樂、不表意見、憂傷及驚奇,如圖5。

圖5:表情辨識

2.生成二次元人物

人工智慧除了能辨識圖片中的人物、場景及動作,是否也可以自己產生圖片?當然沒問題!蒐集大量漫畫人物的頭像,讓電腦去辨識及學習,並讓電腦嘗試畫出來,經過不斷的訓練及學習,人工智慧可以產生如圖6的結果。雖然有一些圖片還是有些奇怪,但我必須承認,電腦畫的比我還好。

圖6:人工智慧產生二次元人物

人工智慧不僅可以隨機的產生漫畫人物頭像,也可以依據文字敘述來生成二次元人物的頭像,如圖7即是測試結果。

圖7:選擇”藍髮、紅眼、短髮”的文字敘述,所產生的圖片

3.真實人臉生成

生成二次元人物的頭像沒有問題,但生成真實人物的頭像呢?Nvidia發表人工智慧產生真實人物頭像的展示,如圖8。這兩張圖片就是人工智慧所產生的人物圖片,現實中這兩個人並不存在,真的令人覺得不可思議,因為這兩張圖就像是電影明星的照片。

圖8:人工智慧產生人物頭像

4.圖片風格轉變

如果我們遊覽到漁人碼頭,看到美麗的風景,忍不住拿出手機拍下這一切。拍完之後,在回顧一張張照片之時,不禁想到如果是莫內(Monet),會如何用畫筆詮釋眼前的風光。現在人工智慧已經可以幫忙做到這一點。首先必須收集大量莫內的畫作資料(Domain X),以及大量的風景照片(Domain Y),然後利用這些資料來訓練模型。訓練成功後,模型就可以做到輸入一張真實的風景照,自動產生一張類莫內畫風的風景照,如圖9。

這個演算法所訓練出來模型可以將Domain X的圖片,轉成Domain Y風格的圖片,也可以將Domain Y的圖片,轉成Domain X風格的圖片。例如馬變成斑馬,斑馬變成馬;夏天的風景變成冬天的風景,冬天的風景變成夏天的風景,如圖10

圖9:莫內畫風與風景照的風格轉換

圖10:馬與斑馬的風格轉換

結語

artificial intelligence is like teenage sex: “Everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.”

Vivek Wadhwa is Distinguished Fellow at Carnegie Mellon University Engineering

現在市場上標榜使用人工智慧的公司及服務不勝枚舉,尤其是新創公司幾乎都必須與大數據及人工智慧沾上邊才有賣點。但是目前的市場非常紛亂,這些在實驗室被驗證的人工智慧理論,是否會發展為成熟產品,能可靠的運用於實際應用場景中,仍然有待時間來驗證。

這一波人工智慧浪潮會推向何方,何時會形成大浪沖擊我們,無法確切預知,但是我們應該提高警覺,跟上腳步,樂觀以對,提早思考可能應用的場景與案例,才能應付這個浪潮可能帶來的變化。

(資料來源:日經medical online、Microsoft Azure、makegirlsmoe、nvidia)

(本文作者現任台灣奧美資料分析副總經理 何恆毅)

關鍵字:

好友人數

文章下載

PDF下載 付費閱讀
 

【現在訂省最多】新春閱讀季,年度最優惠