从围棋到移动DSP人工智能商用的最前沿

所谓OCPC即智能出价的CPC，系统会像AlphaGO一样，借助多盟DMP，首先对每一个流量进行标签分类，然后针对不同广告主对流量的价值进行评估，依照结果系统会智能的给出合理的价格，并根据不同的流量情况，调整广告的创意组合。

广告主一直希望广告投放的效果成本可量化并且可实时反馈，比如一个游戏用户的获取成本或后续付费，一个电商用户的消费金额等等。以手机游戏广告为例，广告主期望在一定的用户获取成本内，投放量越多越好，以达到最大的用户触及，获得转化。

因此，人工智能投放系统OCPC可以针对每一个广告投放模拟一个独立的运营人员来实施，这个虚拟的“人”会关注多维度的、实时反馈的、历史积累的海量数据，针对该广告的特点、目标和实时反馈的投放效果，进行快速的计算和调整，得出最佳一步“棋”。

例如在游戏广告投放时，每一次请求过来，人工智能都能清晰知道以下信息：此次请求相关用户和所在场景的特征;用户历史上点击和下载其他游戏，甚至是付费的情况;当前DSP内整个广告库其他广告的情况，以及外部竞争环境。然后，根据以上信息和规则，针对当前游戏广告的成本目标和已投放的结果，给出一个相对最优的出价。

人工智能，未来可期

人们的生活越来越信息化，人工智能的发挥空间也就越大，一些科幻电影里的场景也不会太遥远，比如当你走在大街上不小心划破了手，这时旁边的公交车站上的一块电子广告屏会向你展示一条创口贴的广告，并给你递上产品。

人工智能发展的障碍在于如何获得人类的信任：大多数普通人对于人工智能还不太了解，电影等文艺作品中的剧情，放大了人们对于未知事物的恐惧和拒绝心理。然而事实上，人工智能的可控性和可预见性都要比人类自己高出很多。

Facebook的OCPM和多盟OCPC也一样，不仅是广告主，还有平台运营人员都对其存在一定程度的质疑。比如一开始成本很高，点击单价出的很大时，确实会犹豫是不是人工智能出了问题，但对人工智能多些信任，往往会使得结果往更好的方向发展。据悉，多盟OCPC系统从最开始不到5%的使用率，经过一年多的成长，到现在已有90%的使用率，都代表了信任是可以用时间和正向的结果来推进的。

另一个人工智能需要面临的挑战是计算能力的极限。最完美的情况是，每天上百亿的广告请求，人工智能可以针对每个广告给出上百亿次独立的最优出价，然而由于机器性能等原因，目前DSP的人工智能还达不到这种水平。但对流量的划分已经能达到上百万份，即一个广告给出上百万个有针对性的智能出价，并进行跟踪分析修正出价，这远超出人工运营的上限，并且随着科技的发展，效果仍在提升。

DeepMind创始人之一哈萨比斯认为虽然AlphaGO的深度学习效果十分惊人，已经可以通过算法洞察一件事物的内在规则，但人工智能仍是计算机程序，还未达到真正“智”的阶段——像人类一样思考，并把知识转化为工具。AlphaGO还做不到把围棋上的经验，应用到其他领域上，它与我们常用的Excel等计算机程序并无本质差别。

不过他也认为，人工智能的未来是值得期待的，因为它在不断的学习，会越来越强大，“如果问我人工智能是否有极限？目前我们还没发现它。”

（编辑：应用网_镇江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!