Post by account_disabled on Feb 1, 2024 4:11:39 GMT -5
中最大的问题之一是人工智能将如何影响它。不是五年或十年后，而是现在。为了找出答案，我们正在对该领域的专家进行一系列采访。我们的第一个采访是 TrustInsights.ai 的联合创始人兼首席数据科学家 Chris Penn。 问：由于许多营销人员仍在研究生成式人工智能，因此营销人员需要了解的基本知识是什么？ 答：这些是语言模型。他们擅长语言，但默认情况下，他们不擅长非语言的事情，就像他们不会数数一样。他们数学很糟糕。但事实证明，语言几乎是一切的基础。因此，即使它不能做数学，它也可以编写代码，因为代码是一种语言，并且代码可以运行数学。 这实际上意味着每个软件包和每个拥有内部脚本语言或 API 的软件公司都或者应该在其产品中整合一个语言模型。 看看阿多比。它的产品中有自己的脚本语言。Adobe 做了什么？他们在 Firefly 及其软件中集成了生成式人工智能提示。
因此，当您与它交互时，它本质上是接受您 WhatsApp 号码数据 的提示并将其重写为自己的脚本语言，然后执行命令。所以操作上比较好。 深入挖掘：解码生成人工智能：如何为您的营销组织构建基本的 genAI 策略 这就是微软所做的一切。如果您查看 Bing 的工作原理，就会发现 Bing 不会向 GPT4 模型询问知识。Bing 要求我们翻译成 Bing 查询，然后输入 Bing，然后返回结果并让它重写这些结果。 因此，Martech 领域正在发生且必须发生的重大转变是，如果您有一个 API，则应该有一个与该 API 对话的语言模型，并且该输出应该暴露给客户。 HubSpot 的 Dharmesh Shah 是最早这样做的人之一。我记得 GPT3 Turbo 发布的那天，他说，“我们正在推出这个，我正在制作一个聊天机器人。” 他演示了阿尔法，他说：“是的，这很糟糕。到周日已经断了八路。但这就是我们知道事情发展的方向。” 因此，如果您是一家 Martech 公司，并且您没有在软件中放置生成提示层，那么您就完了。现在就卖掉公司吧。 问：好的，既然我知道了，那么在使用 AI 时我应该知道什么？ 答：因此，为了充分利用生成式人工智能，每个人都需要做两件事。
第一是数据，因为这些工具最适合您提供的数据。他们不擅长生成，而是擅长比较——比较和分析之类的东西。 第二是你所拥有的想法的质量和数量，你必须两者兼而有之。这就是不同之处。技能已经不重要了不是吗？如果您对一首歌有想法，但您不会演奏乐器，那好吧，机器会帮助您。它有技能；当涉及到代码时，你必须提出想法。 我可以说，仅从个人经验来看，我正在编码，今天编码的速度是我六个月前根本无法做到的。我用一个半小时用 Python 编写了一个推荐引擎，虽然我不知道如何编写代码，但它运行得非常好。 现在，事情是这样的，我知道要问什么问题，因为我对编码如何工作的领域有深入的了解。即使我不知道语法，我也知道这个数据结构应该是什么样子，并且请不要每次都重新运行这个向量例程。那很愚蠢，运行一次，让图书馆存储它。
因此，当您与它交互时，它本质上是接受您 WhatsApp 号码数据 的提示并将其重写为自己的脚本语言，然后执行命令。所以操作上比较好。 深入挖掘：解码生成人工智能：如何为您的营销组织构建基本的 genAI 策略 这就是微软所做的一切。如果您查看 Bing 的工作原理，就会发现 Bing 不会向 GPT4 模型询问知识。Bing 要求我们翻译成 Bing 查询，然后输入 Bing，然后返回结果并让它重写这些结果。 因此，Martech 领域正在发生且必须发生的重大转变是，如果您有一个 API，则应该有一个与该 API 对话的语言模型，并且该输出应该暴露给客户。 HubSpot 的 Dharmesh Shah 是最早这样做的人之一。我记得 GPT3 Turbo 发布的那天，他说，“我们正在推出这个，我正在制作一个聊天机器人。” 他演示了阿尔法，他说：“是的，这很糟糕。到周日已经断了八路。但这就是我们知道事情发展的方向。” 因此，如果您是一家 Martech 公司，并且您没有在软件中放置生成提示层，那么您就完了。现在就卖掉公司吧。 问：好的，既然我知道了，那么在使用 AI 时我应该知道什么？ 答：因此，为了充分利用生成式人工智能，每个人都需要做两件事。
第一是数据，因为这些工具最适合您提供的数据。他们不擅长生成，而是擅长比较——比较和分析之类的东西。 第二是你所拥有的想法的质量和数量，你必须两者兼而有之。这就是不同之处。技能已经不重要了不是吗？如果您对一首歌有想法，但您不会演奏乐器，那好吧，机器会帮助您。它有技能；当涉及到代码时，你必须提出想法。 我可以说，仅从个人经验来看，我正在编码，今天编码的速度是我六个月前根本无法做到的。我用一个半小时用 Python 编写了一个推荐引擎，虽然我不知道如何编写代码，但它运行得非常好。 现在，事情是这样的，我知道要问什么问题，因为我对编码如何工作的领域有深入的了解。即使我不知道语法，我也知道这个数据结构应该是什么样子，并且请不要每次都重新运行这个向量例程。那很愚蠢，运行一次，让图书馆存储它。