این سیستم هوش مصنوعی مبتنی بر Google Cloud پیش بینی می کند که در مسابقه کریکت چه اتفاقی می افتد – و این نشانه واضحی از تغییر هوش مصنوعی در تبلیغات است.

توسط F7fGBRsZcp, جولای 26, 2021


این سیستم هوش مصنوعی مبتنی بر Google Cloud پیش بینی می کند که در مسابقه کریکت چه اتفاقی می افتد – و این نشانه واضحی از تغییر هوش مصنوعی در تبلیغات است.
آیا اگر بتوانید دقیقاً قبل از جذاب ترین لحظات لحن خود را تنظیم کنید ، کریکت جالب تر خواهد بود؟ درخواست هوش مصنوعی برای پیش بینی زمان سقوط ویکت ، نکات برجسته مسابقه را پیدا می کند – حتی در زمان سقوط ویکت. تبلیغات هوش مصنوعی همچنین می تواند جوراب های مناسب شما را پیدا کند یا شما را ترغیب کند که چیزی را که ممکن است از آن متنفر باشید را امتحان کنید – اگر خیلی وحشتناک نباشد.
برای پرشورترین طرفداران کریکت ، ریتم یک بازی – که می تواند به مدت هشت ساعت در روز و به مدت پنج روز در یک مسابقه آزمایشی ادامه یابد – بخشی از جذابیت است. دوره های طولانی بازی جامد که استقامت و خلق و خوی بازیکنان و همچنین تکنیک آنها را امتحان می کند ، با لحظات ناگهانی یک اقدام دراماتیک ، که ممکن است برای دیدن جزئیات آنچه اتفاق افتاده است ، به یک بازپخش اکشن نیاز دارد. اما وقتی 600 میلیون دلار برای حق پخش پرداخت كرده اید ، بیش از آن هواداران پرشوری كه آماده سرمایه گذاری و وقت هستند می توانند بیشترین بهره را از مسابقات ببرند ، حتی در كشوری با استعمار كریكت مانند استرالیا كه در آن مسابقه در هر بار بازی خواهد کرد.
جک اسمیت ، رئیس نوآوری در مشاوره رسانه ای متعلق به WPP ، Mindshare ، به بیزینس اینسایدر گفت: “اگر می خواهید هر توپ را تماشا کنید ، باید 60 دلار بپردازید ؛ این همانند این است كه برای رفتن به ساحل از یك استرالیایی پول بپردازید.” “اکثر مردم کریکت را به عنوان تلویزیون زمینه استفاده می کنند و آنها داخل و خارج می شوند. هواداران هوای منصفانه قرار نیست پنج روز را در سالن تماشا کنند و مسابقه را تماشا کنند ، اما اگر بتوانیم دلیل خوبی برای اردو در میخانه ارائه دهیم یا روی پخش مستقیم پرش کنید ، فرصتی فراهم شده است تا آنها را مجبور به خرید کنند. ”
Mindshare برای جلب توجه دقیقاً آنها در لحظه مناسب ، یک سیستم پیش بینی هوش مصنوعی برای Fox Sports بنام Monty با استفاده از سرویس یادگیری ماشین جداول خودکار Google ایجاد کرد تا پیش از پنج دقیقه از زمان گرفتن ویکت پیش بینی کند و به هواداران هشدار دهد تا با “هشدار Wicket” در زمان واقعی ، کریکت را روشن کنید.
تیم اسمیت این سیستم را بر روی داده های هر بازی که به مدت یک سال توسط تیم کرکت مردان استرالیا انجام شد ، آموزش داد. برای هر توپ توپی ، ارائه دهنده داده Opta Sports 83 متغیر را ردیابی می کند و آنها را در عرض چند ثانیه در دسترس قرار می دهد. پنج مورد از آنها فقط در مورد نوع توپ آن است – سریع یا کند ، چرخش یا آفساید. سپس داده های دیگری مانند مدت زمانی که بولر در چه مدت بوده است ، چقدر بتمن در چین بوده است ، آیا آنها اولین یا آخرین خفاش روز هستند ، زمین گیرها در چه موقعیتی قرار دارند ، حتی هوا چگونه است. در جایی که فیلدرها حضور دارند ، در مورد تاکتیک هایی که کاپیتان تیم کریکت از آنها استفاده می کند ، به شما می گوید ، اما همه داده ها مفید نبودند.
اسمیت توضیح می دهد: “بسیاری از طرفداران فکر می کنند که نوع زمین قابل توجه است ، یا هوا و رطوبت هوا است ؛ اما مونتی فقط به مکانیک ها به محیط توجه نکرد.”
پیش بینی توپ های منفرد زمان کافی را برای گفتن به هواداران در انتظار وقوع نبود ، بنابراین در عوض تیم یک مدل طبقه بندی را ایجاد می کند که به او اطمینان می دهد که آیا ویکت گرفته می شود و چگونه – آیا ضرب و شتم LBW خواهد بود ، تمام می شود یا توپ گرفته است؟ نسخه اولیه این مدل مدام پیش بینی می کرد که بتمن ها بارها و بارها تمام می شوند.
اسمیت با شوخی گفت: “این لحظه ای ماشین در شبح بود.” “این احتمال به طرز چشمگیری کم است ، اما مونتی اطمینان قطعی داشت که این اتفاق خواهد افتاد.”
Smyth می گوید که جداول AutoML با استفاده از برچسب گذاری داده ها “بسیار آسان بود” و این تیم قادر به کاهش متغیرهایی بود که مونتی می توانست برای پیش بینی دقیق تر استفاده کند. پنجره پنج دقیقه سازش بین دقیق بودن پیش بینی ها برای اعتماد به نفس و رسیدن به زودی برای تیم برای استفاده از آنها برای ارسال اعلان های فشار ، هشدارهای فلاش بر روی بیلبوردهای دیجیتال در سراسر کشور و تصمیم گیری در مورد مبلغی که برای تبلیغات آنلاین درخواست می کنید بود. برداشت از طریق Google Ads.
مونتی قصد دارد به شما بگوید که چه اتفاق مهیجی قرار است رخ دهد – قبل از اینکه اتفاق بیفتد. رویترز دلیل اصلی انتخاب Mindshare برای بستر های نرم افزاری گوگل است ، اسمیت گفت: وجود ابر در همان مکان سیستم خرید تبلیغات آنلاین زندگی را بسیار آسان تر می کند.
“ما AutoML را انتخاب کردیم زیرا می توانستیم به سرعت آن را بسازیم و [Google] App Engine را انتخاب کردیم زیرا می توانستیم مقیاس بندی کنیم و به دلیل تعاملات بومی که می توانیم با مجموعه گسترده Google داشته باشیم – این به شما توانایی بی نظیری در مدیریت کمپین خود از طریق به خرید آگهی ، “او گفت.
وقتی مونتی “در حد آستانه 80٪ یا بالاتر” اعتماد به نفس بالایی داشت ، تیم مستقیماً به طرفدارانی که برنامه کریکت فاکس داشتند ، یک اعلان فشار ارسال کرد. در زیر این آستانه ، برای ایجاد پنج تبلیغ دوم با اخطار ویکت یا برای رسانه های نمایشی مانند بیلبوردهای دیجیتال از این پیش بینی استفاده می شود.
اسمیت می گوید: “ما براساس آنچه مونتی فکر می کرد اتفاق بعدی رخ دهد ، در حال ساخت تبلیغات بودیم.” اما این فقط مربوط به سازگاری افراد نبود. “این یک برنامه پخش شده است که به شما امکان می دهد بقیه روز خود را برنامه ریزی کنید.” این ممکن است تا حدی باشد که به شما بگوید آیا استفاده از حمام حمام ایمن است.
برخورد با شش فاکس کاملاً محتاطانه است که بگوید Monty کاملاً دقیق است زیرا انتظار دارد که سایر پخش کنندگان پیش بینی هوش مصنوعی خود را ایجاد کنند. این کانال با خوشحالی بیشتر در مورد اینکه چطور مونتی با همین مقدار هزینه صرف شده 150٪ اشتراک افزایش داده است و اینکه دو برابر بیشتر مردم فاکس را بخاطر کریکت در مسابقه به خاطر می آورند صحبت می کند. در آزمون ها ، مونتی تا 91٪ دقت داشت ، اما در عمل ، برای مسابقات آزمایشی ، مونتی پیش بینی كرد كه كدام ویكت ها با 87.2٪ دقت سقوط می كنند.
“برای اولین اطلاع رسانی ما ، ویکت نه دقیقه پس از پیش بینی سقوط کرد ، نه پنج – اما این یک هیجان فوری را در تیم محصول و در میان طرفداران کریکت در سراسر جهان ایجاد کرد. تجربه به قدری جادویی بود که واکنش کمتر از انتظار 5 بود چند دقیقه برای سقوط ویکت اما اینکه آیا مونتی اصلاً درست می گوید. ”
هر کسی که از دستیار Google ، دستیار صوتی استفاده می کند ، می تواند هر زمان خواستار پیش بینی از Monty شد و از این طریق پرسید که مدل چگونه این پیش بینی را انجام داده است.
اسمیت پیشنهاد می کند: “ما افرادی را می دیدیم که کنجکاو بودند در مورد آنچه قرار است بعد اتفاق بیفتد. مثل این بود که مفسر شخصی خود را داشته باشید.” “شما می توانید آنچه را که تماشا می کنید کنترل کنید و درک جدیدی از بازی دارید.”
“در تکرار بعدی ، طرفداران می توانند هشدارها را شخصی سازی کنند ؛ نه” آیا ویکت سقوط می کند “بلکه” اگر سقوط کند ارزش تماشای آن وجود دارد “.
مونتی قصد دارد به شما بگوید آیا بازی ارزش دیدن دارد. رویترز آینده نسخه Monty حتی می تواند فراتر رفته و نکات برجسته سفارشی خود را به هواداران ارائه دهد. “شما می توانید بگویید” من بیشتر به گلزنی شش علاقه مند هستم تا ویکت “و ما می توانیم هنگام برخی از بازی ها به شما هشدار دهیم. برای خالصان ، می توانید بگویید که هشدار نمی خواهید اما می توانید مونتی را شکست دهید ، بر اساس درک شما از بازی و تاکتیک ها است. ”
مدل های یادگیری ماشین با تغییر شرایط باید دوباره آموزش ببینند و این شامل چگونگی توسعه بازی های کریکت ها می شود. “همانطور که بازیکنان موم می زنند و کمرنگ می شوند ، جالب است که طرفداران در مورد” اگر او شخص عادی خود بود ، او آن چرخش اشتباه را نمی گرفت “صحبت کنند ؛ شما می خواهید بدانید چرا او از بازی خارج شده است ، آیا این بولر شماره خود را دارد ؟ ”
همچنین می تواند نسخه ای از Monty برای تیم های کریکت فانتزی وجود داشته باشد ، که یک منطقه به طور فزاینده ای سودآور است. “شما می توانید در مورد مسابقات افسانه ای که بازیکنان مدرن می توانند با بزرگان کریکت جمع شوند ، س askال کنید. یا مونتی می تواند مدیر نهایی تیم فانتزی شما باشد. شما از نظر بیشتر انسانی نمی توانید تک تک بازیکنان را تماشا کنید تا مونتی بر روی شانه شما ضربه بزند و بگوید” این سه بازیکن هستند که توجه من را جلب کردند. ”
هوش مصنوعی در حال تهیه تبلیغات در مقیاس است. پشت صحنه ، هوش مصنوعی در حال افزایش تبلیغات در مقیاس است ، تحت عنوان “بهینه سازی خلاق پویا” توضیح می دهد کارستن وید ، معاون رسانه ای دیجیتال و برنامه سرگرمی در IDC. این فناوری به طور خودکار طراحی تبلیغات نمایشی را ایجاد می کند و برای به حداکثر رساندن اثربخشی ، بهینه سازی می کند – و تحقیقات در مورد استفاده از آن برای فیلم وجود دارد.
“تصور کنید که شما برند X هستید و می خواهید با یک کمپین 500 میلیون مشتری را در 45 کشور جهان ، در رایانه های شخصی ، لپ تاپ ، تلفن های هوشمند ، تبلت ها ، تلویزیون های هوشمند ، جعبه های تنظیم بالا ، در تمام قسمت های قیف با نیاز مخاطب قرار دهید. وید می گوید که “داستان مشتری را همراهی می کند” و “سفر مشتری” را همراهی می کند. “و هر مشتری باید پیام درست را در لحظه دقیق روی دستگاه مناسب دریافت کند.”
حجم داده هایی که این تبلیغات پویا بر اساس آنها بنا شده است در حال افزایش است – تا سال 2025 سه برابر می شود و تا یک چهارم جریان های داده زنده است ، می گوید.
وید ادامه می دهد: “هیچ راهی برای انجام این کار بدون اتوماسیون وجود ندارد و هیچ راهی برای انجام این کار بدون هوش مصنوعی و ML وجود ندارد.”
استیو گوگنهایمر ، معاون رئیس شرکت هوش مصنوعی مایکروسافت ، تاکنون ، تبلیغات کاملاً مجهز به هوش مصنوعی که به مردم می پردازد نسبتاً نادر بوده و احتمال تعاملی بودن آن بیشتر از فیلم است.
او می گوید: “من فکر می کنم یک فرصت واقعی برای استفاده از هوش مصنوعی وجود دارد تا هم خلاقیت ایجاد کنید و هم تبلیغات شخصی را با تعامل واقعی و واقعی ایجاد کنید.” “هر چقدر بتوانید کارها را خلاقانه یا شخصی کنید ، جذابیت بیشتری نیز دارند و فرصتی برای مقیاس خلاق تر و فردی تر وجود دارد – که این کار سختی است.”
در اینجا بیشتر بخوانید فیلم “گزارش اقلیت” با تبلیغات تهاجمی که تمام ترجیحات شخصی شما را می شناسد و از آنها برای فروش به شما استفاده می کند ، آینده را تحریک کرد. اپلیکیشن های قرن بیستم فاکس / Dreamworks SKG AR به شما امکان می دهند مبلمان IKEA را در اتاق خود ، رنگ های Dulux را روی دیوارهای خود و یا آرایش L’Oreal و Sephora را با استفاده از AR در صورت خود مشاهده کنید. آژانس خلاق دیجیتال AnalogFolk برای ایجاد تبلیغ “خوراک خود را بخورید” برای نور با استفاده از دستورالعمل های دیجیتال خلاق ، از دستورالعمل های شخصی سازی شده بر اساس عکس ها در فید اینستاگرام خود استفاده کرد: عکس های اسکی به شما یک داغ داغ بره می دهند تا شما را گرم کند ، عکس های اکشن اسنوبورد مطابق با “تقویت قلب” هستند Ragout قارچ یک گلدان با فوزیلی و اسفناج.
پیچیده تر برنامه TasteFace است که تیم AnalogFolk برای Marmite ساخته است. گسترش چسبناک و خوشمزه ای که باعث شهرت این شهرت می شود که شما آن را دوست دارید یا از آن متنفرید. TasteFace از Microsoft Emotion API برای تجزیه و تحلیل واکنش های افرادی که نمونه های رایگان Marmite را مزه می کنند ، تبدیل حالت عصبانیت ، تحقیر ، انزجار ، ترس ، خوشحالی ، غم ، تعجب یا عدم واکنش به نمره عشق یا نفرت و یک انیمیشن واکنش شخصی استفاده کرد. می توانست به اشتراک بگذارد.
گوگنهایمر می گوید ، این نوع تبلیغات مجهز به هوش مصنوعی می تواند با انواع مختلفی از تعاملات کار کند.
“قلاب برای درک تعاملی حرف مردم یا حرکاتی که انجام می دهند یا بیان صورت آنهاست.” اما این کار باید با احتیاط و بدون ردیابی زیاد انجام شود تا سرزده شود.
او یک عامل دیجیتال را مقایسه می کند که به شما می گوید کارتریج های چاپگر در کدام راهرو هستند یا از کفش های شما تعریف می کند و یک جفت جوراب جالب را برای همراهی با آنها پیشنهاد می کند ، کوپن ها بر اساس خریدهای قبلی شما را هدف قرار می دهند. خریداران تجربه ای مانند هدف گفتن باردار بودن پدر یک دختر یا تام کروز در گزارش اقلیت را نمی خواهند ، سعی در پنهان شدن در یک مغازه هوشمند که نام او و پیراهن هایی را که آخرین بار خریده است اعلام می کند. “انجام کاری که توجه شما را به خود جلب کند بسیار عالی است ؛ تعقیب من چنین نیست.”
برای اعلان های Insider ثبت نام کنید! با آنچه می خواهید بدانید به روز باشید. برای اطلاع رسانی های فشرده مشترک شوید

دیدگاه شما چیست؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *