亚马逊云科技：利用生成式AI推动广告营销创新

关键字: [亚马逊云科技中国峰会2024, Launch Metrics, 生成式Ai内容分发, 广告营销创新, 品牌管理业务, 生成Ai结合监督学习, 主题建模评分机制]

本文字数: 1500, 阅读完需: 8 分钟

导读

在亚马逊云科技中国峰会2024上,演讲者介绍了”生成式AI重构内容分发–利用生成式AI推动广告营销创新”。演讲者讨论了如何利用生成式AI改进监督学习模型,具体解释了生成式AI可以提高原型开发速度、合成数据以解决冷启动问题、提升对连续性概念的理解能力等优势。演讲重点阐述了如何将生成式AI与现有的监督学习模型相结合,从而使品牌管理公司Launch Metrics能够实现更好的品牌内容分析、品牌形象管理和广告营销创新。

演讲精华

以下是小编为您整理的本次演讲的精华，共1200字，阅读时间大约是6分钟。

在这场题为”生成式AI重构内容分发–利用生成式AI推动广告营销创新”的演讲中,讲者首先引用了一项第三方机构的调研数据,指出当前企业要对客户数据进行洞察和分析时,需要采集多达28种数据源,这还只是平均水平。讲者解释道,这是因为我们现在产生数据的渠道太多了,需要大量的数据,可能来自手机、平板电脑等多种渠道,所以这是一个数据爆炸的时代。

讲者进一步阐述,正是由于足够的数据和算力,才引发了生成式AI这一议题的兴起。他指出,生成式AI的出现是机器学习领域的一个拐点,原因有三个:一是算力的提升,二是数据量的增加,三是模型复杂度的提高。讲者强调,模型的复杂度越来越高,去年动辄就是70亿参数的模型,现在甚至可以达到100亿参数或更大的模型规模。

接着,讲者介绍了Launch Metrics这家公司的主要业务。Launch Metrics是一家专注于时尚品牌、运动品牌和美妆品牌的品牌运营和管理公司,它借助大数据、分析和AI技术,帮助企业实时分析品牌状况并进行品牌管理。品牌管理的核心目标是让品牌所传达的概念与客户的感知相匹配。Launch Metrics通过AI和大数据能力从海量信息中提炼相关洞察,并将这些洞察与品牌战略相连接,维护品牌的一致性。

在应用生成式AI之前,Launch Metrics已经运用了传统的机器学习和神经网络方法,如品牌识别、社交媒体评论分析、图像标注等。讲者指出,监督学习在标签预测方面是一个很好的工具,因为每一个标注过的数据,预测的准确性都是可以保证的。但监督学习也存在一些问题,如速度较慢、成本较高。讲者解释说,在当下的情况下,这是客观存在的,因为每次调用监督学习模型都需要大量GPU资源,而传统机器学习模型较小,推理速度更快。

因此,Launch Metrics将生成式AI与现有方案相结合,而非完全替代。生成式AI为监督学习带来了多方面的改进:首先是提高了原型开发速度。使用生成式AI,只需少量数据和简单的提示词,就可以完成训练,而无需人工标注大量数据和从头训练模型,这大大缩短了开发周期,可能只需一个月或更短的时间,而传统方式可能需要一两个月甚至更长。

其次是合成数据能力增强。在数据缺乏的场景下,如电商新品推荐,传统监督学习由于没有交互记录而无法推荐,这就是所谓的冷启动问题。而生成式AI可根据行业规则生成所需数据,解决这一问题。

第三,生成式AI提升了结果的可解释性。通过自然语言总结,生成式AI可以更好地让人类理解结果,并将结果与实际业务相连接,而传统机器学习的结果往往难以理解和与业务相结合。

第四,生成式AI更好地理解连续性概念。传统监督学习在推理时是离散的,尽管分类再多,也难以很好地理解连续性概念。而生成式AI可以通过提示词和注意力机制对连续概念进行建模和排序,更好地理解这种连续性。讲者解释说,通过提示词可以告知模型扮演何种角色,然后基于注意力机制,模型会根据关注程度的不同,对主题进行排序。

在Launch Metrics的应用场景中,生成式AI被用于图像标注。讲者具体阐述了这一过程:首先,通过提示词,模型可以对图像主题进行分类;其次,基于注意力机制,模型会根据关注程度的不同,对主题进行排序;最后,模型会给出对应的主题解释和评分。通过这一系列技术手段,Launch Metrics最终可以得到所需的结果。

讲者从Launch Metrics的实践中总结出,生成式AI是在改进现有监督学习的基础上,而非颠覆和替代。这与上午主题演讲者所提出的”人类与AI应为共生关系,AI辅助人类而非取代人类”的观点不谋而合。同时,讲者也指出,生成式AI的应用需要结合具体的细分领域,就如同易点天下分享的假发场景一样,都是基于特定领域的需求而开展的探索。

最后,讲者总结了在应用生成式AI时需要考虑的五大要素:首先,要谨慎选择场景,从改进的角度出发,而非期望生成式AI是万能的。其次,要考虑对未来的影响,以及是应用于文本还是视频等不同类型的场景。第三,要考虑生成式AI在某些场景下成本较高的问题,正如讲者所说,确实在某些场景里,生成式AI的成本和效率比传统模型要高。第四,要注重隐私、安全和透明性,在亚马逊云科技上可以获得相应的最佳实践支持,如将整个工作负载运行在VPC内部的私有云环境中,确保模型与业务之间通过私有网络通信,对数据和提示词等采用加密技术等。第五,需要领域专家、提示词工程师,以及与利益相关方的沟通协作。同时要快速实验和验证,并与现有DevOps等技术相结合,如ModelOps、ChatOps等。

讲者最后补充说,如果大家对AI技术有兴趣,可以扫码注册获取相关能力,也可以与亚马逊云科技的同事进行交流。

总的来说,这场演讲详细介绍了一个品牌管理公司如何将生成式AI与现有业务相结合,并分享了在应用生成式AI时需要考虑的关键因素,为企业在这一新兴领域的实践提供了有益的指导和建议,同时也展示了亚马逊云科技在生成式AI领域的相关服务和最佳实践。

下面是一些演讲现场的精彩瞬间：

亚马逊云科技中国峰会2024上,演讲者强调了在使用生成式AI时,需要从客户需求出发,与亚马逊的”以客户为先”的领导力原则不谋而合。

品牌管理公司旨在确保品牌的概念与消费者的感知相匹配,缩小品牌宣传与客户理解之间的差距。

亚马逊云科技中国峰会2024上,演讲者分析了品牌对企业的重要性,并强调了数据在品牌建设中的关键作用。

亚马逊云科技中国峰会2024:通过机器学习和神经网络技术,实现品牌识别、社交媒体评论分析和图像产品标签化,助力品牌管理和数字广告投放。

亚马逊云科技中国峰会2024上,演讲者分享了监督学习和生成AI的优缺点,并探讨了如何在实际场景中结合两者的长处。

亚马逊云科技中国峰会2024上,与会者探讨了人工智能与人类的共生关系,期望人工智能能够成为人类的”朋友”,辅助和帮助我们。

亚马逊云科技中国峰会2024上,演讲者强调了生成式人工智能的优势,包括快速实验和原型开发,以及与现有技术如DevOps的结合,为未来人工智能发展描绘了前景。

总结

生成式AI正在重塑内容分发和广告营销领域。这场革命源于数据爆炸时代和算力提升,催生了复杂度更高的大型语言模型。以品牌管理公司Launch Metrics为例,他们将生成式AI与传统机器学习相结合,提高了开发速度、合成数据能力和理解能力。通过主题建模和评分机制,他们能够更精准地分析品牌内容,维护品牌一致性。

在应用生成式AI时,需要审慎选择场景,权衡未来影响、成本和性能,并注重隐私、安全和透明度。关键在于融合领域专家、提示词工程师和利益相关方,快速实验和验证,与现有技术相结合。生成式AI并非万能,而是作为改进现有解决方案的工具,推动内容分发和广告营销创新,实现人工智能与人类的共生关系。

2024年5月29日，亚马逊云科技中国峰会在上海召开。峰会期间，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松全面阐述了亚马逊云科技如何利用在算力、模型、以及应用层面丰富的产品和服务，成为企业构建和应用生成式 AI 的首选。此外，活动还详细介绍了亚马逊云科技秉承客户至尚的原则，通过与本地合作伙伴一起支持行业客户数字化转型和创新，提供安全、稳定、可信赖的服务，以及持续深耕本地、链接全球，助力客户在中国和全球化发展的道路上取得成功。