当大语言模型遇见广告:新变革还是新泡沫?

2023-12-13 19:52

本文主要是介绍当大语言模型遇见广告:新变革还是新泡沫?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

人工智能可能从未受到过如此之高的关注度。

2022年11月30日,OpenAI正式发布了ChatGPT,它是一款基于GPT3.5架构 1 进行训练的人工智能聊天机械人。ChatGPT像是一个全能的人,无论是有关文化、历史、艺术还是科技和商业的问题,它都能给出有理有据的回答。因此,相比传统搜索引擎,ChatGPT显然更加易用,这给搜索引擎的广告带来了直接的冲击。另外,ChatGPT还有着准确高效、流畅迅速的特点,更重要的是它能够根据用户的个人需求和偏好提供个性化的响应,这使其拥有了帮助企业和个人设计和优化广告内容的能力,进一步降低了成本。随着GPT-4的发布 2,这种能力得到了进一步的增强。

1 GPT3.5架构是一种基于GPT-3模型的改进版本。GPT-3是由OpenAI开发的一种自然语言处理模型,它具有极高的语言生成和理解能力。在GPT-3的基础上,GPT3.5架构具有更大的规模,包含更多的参数,使用了更多、更丰富的训练数据,并在模型结构方面进行了一些改进。

2 GPT-4 是一个大型的多模态模型(可以接受图像和文本输入,生成文本输出),虽然在许多真实场景下不如人类那样具有能力,但在各种专业和学术基准检验中,表现出了与人类水平相当的性能。

ChatGPT在广告行业的初步应用

广告行业,尤其是互联网广告公司,对ChatGPT表现出了明显的兴趣。在2023 年的Google I/O 大会上,Google正式发布了自家全新一代的大语言模型 PaLM 2,并以此为驱动展示了全新的搜索引擎 SGE(Search Generative Experience),它将革新未来的在线搜索体验。Tik Tok也在探讨将大语言模型与自身电商业务结合起来的可能性。微软则在New Bing的发布会展示了一个新颖的例子,展示者直接问New Bing「宜家Klippan沙发能装进我2019年的本田奥德赛吗?」无论客户是想购买沙发还是汽车,这都变相为他们解决了疑问,促进了消费行为。

传统广告行业也另辟蹊径,麦当劳向ChatGPT提问「谁是世界上最具标志性的汉堡」,得到了「巨无霸」的回答,随后将这一问答截图做成了海报,汉堡王也随之效仿。这些广告都取得了非常好的效果。
在这里插入图片描述

ChatGPT面临的挑战

媒体铺天盖地的报导,资金不计成本的涌入,公司争先恐后的表态,一场革命性的变革,似乎已经近在眼前。但随着时间的推移,许多问题相继出现,它们给ChatGPT类工具带来了切实的挑战。

  1. 内容质量

在试用过ChatGPT后, Jellyfish Global的品牌战略副总裁Tom Roach在个人Twitter上写道:「我最近使用了ChatGPT来创建一份品牌定位的意念清单。它创建了一组乏味且可预期的答案。」这也是ChatGPT当前最大的痛点,它还不能生成让人眼前一亮的,能被称作新颖惊艳的点子。ChatGPT或许可以帮助小店设计自己的广告牌,但它能帮大型公司做出“Just Do It”之于Nike,“I’m Lovin’ It”之于麦当劳这种类广告标语吗?至少目前来说,我们并没有看到很大的可能性。

  1. 社会伦理和法律法规

ChatGPT只负责输出最好的答案,但现实中的问题是,最好的并不一定是最对的。ChatGPT在生成答案时无法完全理解不同国家、不同民族、不同社会的各种争议,甚至是禁区。如果后续没有人工审核,公司很有可能因无意中涉及了争议性内容而「翻车」,从而造成实际的损失。

在德国就已经有类似的案例。2022年末,德国肯德基(KFC)的应用程序向客户发送了通知,邀请他们通过订购炸鸡和芝士来庆祝水晶之夜 3 周年纪念日,这一行为很快引起了公众极度的愤怒和谴责。随后,肯德基撤回了相关推送,并向公众致歉,声明是程序推送了由AI生成、未经审核的促销内容。

  1. 恐怖谷(Uncanny Valley)4

相比于真人,ChatGPT输出内容的速度太快,词句也是一个一个接连生成,用户在与其对话时显然能意识到对面是人工智能。在长时间的对话下,与恐怖谷效应类似,这种感觉会被放大,可能会导致人们对人工智能产生不信任、恐惧或是排斥等情绪,进而不再信任对方输出的任何内容,甚至对推荐的产品产生抵触情绪,适得其反。

3 水晶之夜是指1938年11月9日至10日凌晨,纳粹党员、德国反犹民众与冲锋队袭击德国全境的犹太人的事件,且党卫队、警方和德国政府皆冷眼旁观,没有出手阻止。这被认为是对犹太人有组织的屠杀的开始。

4 恐怖谷是一个由日本机械人学家森政弘在1970年提出的概念,它是用来指当人工智能和机械人的外貌越来越逼真时,人类的情感反应也会随之变化的现象。

ChatGPT未来在广告业务中的可能应用

我们必须明白,就像微软发布的Microsoft 365 Copilot 5 这个名称中Copilot的词义一样,大语言模型更像是一个副驾驶,利用它来协助好我们的本职工作,就已经是一个巨大的进步。

在广告业务上,我们需要了解ChatGPT最强大的能力是其对于自然语言的快速理解和生成。这包括了对语言的语法、语义,以及最重要的,对上下文的理解。根据输入的文本和前后逻辑,ChatGPT可以输出符合语法和语义的,更接近使用者期望的对应内容。具体来说,我们有以下几个可行应用:

文本内容生成:对于客户来说,最重要也是最核心的需求当然是广告内容的创作。ChatGPT既可以用于初始广告创意的生成,也可以帮助广告主修改已有的广告脚本,使其更加吸引用户。更进一步的,ChatGPT甚至可以根据广告主的具体要求,自动生成一套符合品牌形象的广告宣传语、详细的广告文案乃至广告视频的脚本。

我们可以看到以下使用ChatGPT生成广告脚本的案例,该脚本覆盖了多个不同的场景,并且每个场景都是针对相应的需要突出展示的功能生成的,另外每个场景都搭配了合适的旁白。而现有的大部分笔记本广告都仅仅只是不同角度的特写搭配上用字幕展示出的功能描述,显然更加单调。
在这里插入图片描述

广告数据分析:ChatGPT另一个擅长的领域是分析数据,并从中提取出用户需要的关键信息。当广告成功投放后,广告商还需要时刻追踪广告的投放效果和回报率,进而对广告投放平台、频率等做出相应调整。现在我们可以使用ChatGPT完成这项工作量巨大且重复性强的任务。以下是一个使用ChatGPT找出点击率最高的三个产品的案例,可以看出过程直观迅速,结果也非常准确。
在这里插入图片描述

智能客服:在ChatGPT之前,大量不同的聊天机械人就已经被应用在智能客服领域,但没有任何一款能像ChatGPT一样带给用户犹如真人对话的体验。ChatGPT可以像真实客服那样帮助用户解决问题和提供支持。除了解答用户疑问,它还能够收集客户的具体需求,并为不同客户提供个性化服务,推荐合适的由厂商提供的全套解决方案。
综合来说,ChatGPT相比人工最大的优势是生成速度快、生成成本低,且全程高度自动化。在当今经济形势下,降本增效是各大公司的工作重心之一,ChatGPT可谓是正中下怀。可以预见,越来越多的公司将投入资源引入这项技术。

5 Microsoft 365 Copilot是一种基于大型语言模型(LLM)和微软图形(Microsoft Graph)的数据和人工智能(AI)辅助工具,它可以将用户的自然语言输入转化为高效的生产力工具。

ChatGPT在广告业务中的未来

客观来说,大语言模型对传统业务的重塑是必然的。回看人类社会的发展历史,用机器代替人工完成大量重复而技术性不高的工作,一直是社会进步的方向。ChatGPT的问题,更多还是在于它只是一个初出茅庐的「毛头小子」,它依然有很多亟待改进的地方。对于企业来说,我们不能盲目的迷信它,而是要足够了解它,知道如何才能最恰当地使用它。

我们已经看到,像可口可乐这样的大公司,选择了直接与贝恩公司以及ChatGPT的开发方OpenAI合作。可口可乐公司表示将通过尖端人工智能技术提高业务水平,贝恩公司也在其文章中指出,贝恩将结合自身丰富的数码化实施技能及战略经验,和OpenAI的人工智能工具及平台,来帮助全球客户发掘并应用人工智能的价值。

可以预见,随着ChatGPT之类大语言模型的逐渐完善,有些岗位可能会被替代,但如何正确且高效地使用这类工具,会催生出一个全新的行业,进而创造大量新的就业机会。

而在此之前,我们应该做的,就是保持理性的同时,时刻追踪行业变化,做好完全的准备,去迎接下一个可能的新时代。

在此感谢 InnoHK、香港特别行政区政府及人工智能金融科技实验室对本文的支持。
(AIFT 竭力但不能保证内容之准确和可靠,亦不会承担因任何不准确或遗漏而引起的任何损失或损害。 )

这篇关于当大语言模型遇见广告:新变革还是新泡沫?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/489763

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者