人工智慧的概念不新鮮，卻是實現程序化的最佳路徑

當要不要投程序化已經不再是問題時，廣告主又開始面臨一個新的選擇:預算該交給哪個平台。

"媒體資源差不多、購買方式都支持、都對接第三方，技術能力也看不出差別，選哪家好呢?"

很多時候，這個問題的答案其實只有一個:誰的服務費低選誰。

"國內做程序化的公司有上百家，魚龍混雜，但廣告主很多時候卻看不出區別"，對於技術黑箱導致的行業亂象，品友互動創始人兼CEO黃曉南很是無奈。作為國內最早專註於程序化購買的公司，品友擁有國內近3/5的品牌程序化購買份額。

"人工智能的邏輯會為廣告主提供新的選擇標準，而不具備這一能力的公司也將出局"。堅信程序化購買將向規模化、平台化發展的黃曉南，對於程序化購買下半場的走向，給出了一個清晰的答案。

人工智慧的概念不新鮮，但卻是實現程序化的最佳路徑

雖然人工智慧在國內掀起大規模討論只有一兩年，但它其實已經是個年近70的老人了。

1950年代，人工智慧的概念就已經出現，當時的人們就希望機器能像人腦一樣思考;1963年，IBM的深藍首次與國際象棋大師人機對抗，遺憾落敗;1980年代，人工智慧的核心技術--機器學習成為主流;1997年，深藍首次擊敗世界排名第一的棋手，轟動全球;1999年，微軟的美國研究院已經在研究語音識別和機器學習;到了今天，谷歌的AlphaGo不僅屢屢擊敗世界排名第一的圍棋選手，IBM的認知機器人Watson也是所向披靡，不僅能診斷癌症還能製作高定禮服，觸角延伸到醫療、金融、時尚等多個領域。

1997年IBM深藍機器人擊敗俄羅斯象棋選手GarryKasparov

而程序化購買作為基於自動化系統和數據進行的廣告投放，在誕生之初其實就具備人工智慧的基因。"人工智慧是程序化購買出現時就存在的邏輯，只是現在有了實現的條件。因為有足夠大量的數據做訓練集、服務的廣告主夠多，反饋也夠豐富，之前的模型經過多年的訓練更加聰明、完善了。"對於很多人持有的人工智慧將代替程序化購買的誤解，黃曉南做出了糾正。

人工智慧的價值在於它能讓計算機具備自學習以及建模的能力，並作出合理的預測。在程序化領域，就是機器自動分析用戶的行為數據、實時做出投放決策，並根據之前的投放反饋優化模型並進行新一輪的決策，形成一個自洽、不斷提效的閉環。"程序化是個結果，人工智慧是手段。基於人工智慧實現的程序化購買跟基於經驗的程序化購買完全是兩個概念。"

實時交易和決策，讓程序化購買成為人工智慧最大的戰場

程序化簡單說來就是用程序實現營銷或媒介策略。作為對實時決策和實時交易要求最高的行業之一，程序化購買將和金融交易一樣，將成為人工智慧最早的試驗田。

人工智慧的邏輯分解下來包括三個環節，一是它能對大量的數據進行加工，把無序的數據轉變為有用的信息;二是它能基於這些信息進行實時的決策;三，它能用決策后的反饋優化自身的模型。這其中，相比現在的程序化購買，基於人工智慧的程序化購買最突出的優勢在於它能實時交易和決策，並自行優化。

黃曉南認為之前程序化購買不提人工智慧，主要原因是條件不成熟。它現在之所以能落地，原因之一是數字廣告實現了自動交易模式，這是計算機做決策的前提;二是現在數據足夠多，"未來程序化廣告中的每秒響應次數標準將升級為每秒決策次數"。

以秒為單位進行決策並非紙上談兵，Watson在快速瀏覽過病人所有病例后10秒內就能列印出治療方案，還能在參加益智問答節目《危險邊緣》時通過"跳過不答"的策略節省時間，這都是實時決策的佐證。可見，在運用認知技術處理大量自然語言並判斷多重語境后，機器完全能像人一樣趨利避害。

IBM的認知機器人Watson參加《危險邊緣》益智問答節目

快速決策的重要性，我們在亞馬遜創始人JeffBezos今年寫給股東的年度公開里也能一窺究竟。信中他不僅稱人工智慧將是公司未來的驅動力，還特彆強調亞馬遜應建立起「高速決策能力」，即在有限的信息中快速行動。數字營銷領域，程序化廣告將是人工智慧最適合的應用場景，據黃曉南介紹，藉助人工智慧，品友幫全國最大的一家在線旅遊網站在2個月時間將廣告效果提升了兩倍，廣告消耗額提升30倍，從最初的5000翻到15萬。全流程都是機器自動分析和優化，廣告主只需要明確KPI和策略並與品友對接數據即可。

數據量、演算法和團隊，是實現人工智慧的核心要素

實現人工智慧，有三個基本條件，一是要有海量數據;二要有通過演算法對數據進行加工的能力;三是利用有用信息做決策。不過，人工智慧的競爭歸根到底其實還是數據和演算法的競爭。

數據量的作用類似我們通常說的閱人無數，識人有術。為了戰勝人類，深藍輸入了百年來優秀棋手的兩百多萬對局;AlphaGo在對戰前，DeepMind會從摘選3000萬步棋來訓練它，它還會跟自己進行數百萬次高水平的自我訓練。不管是深藍、AlphaGo還是Watson，它們能實現快速決策的前提就是輸入了足夠多的數據，通過自然語言識別、圖像識別等深度學習技術，優選答案並快速反饋。

AlphaGo用來自我訓練的棋譜

當兩家程序化公司技術實力不分伯仲時，衡量數據量的標準就是服務客戶的多寡以及服務時長，客戶越多、服務時間越長，用來自我學習的數據就越豐富。人工智慧演算法通過對各類大數據的分析學習所獲得的改進和汲取的知識與洞察，可能是程序化購買下半場最大的競爭標的。

數據的來源包括兩個方面，一是平台自有數據;二是合作方共享的數據。例如品友的數據既包括自己多年積累的數據，也有通過投資線下數據服務商芝麻科技、與電信運營商等合作獲取的數據。對於數據，黃曉南認為有兩點尤其重要，一是數據量夠大，成規模;二是數據要活，即它是實時獲取的最新的用戶行為數據。

不過，不管數據量有多大，沒有工程師、伺服器和演算法，人工智慧也是空中樓閣。為了讓Watson可以自我修改、不斷學習，IBM僱用了一批頂尖的語言學家、心理學家、社會學家及編程人員，可以說人機結合才是Watson最重要的賣點。

品友在去年底單獨成立了與人工智慧邏輯相符的效果事業部，專門服務預算上不封頂，只看ROI的在線交易型客戶。通過將BI的演算法工程師全都分配到這個團隊，該事業部的業務相比初創時翻了5倍。此外，它還在公司內部培養一大批精通深度學習的工程師和研究人員。

"廣告主最關注的就是效果，效果之上，重要的維度就是規模，而人工智慧一定是在規模化基礎上才能發揮作用的。"在黃曉南看來，中小型、以媒體購買而非數據和演算法驅動的程序化購買平台接下來必將淘汰。國外的程序化生態整合已經開始，不少DSP公司紛紛賣身，投資機構也側重全產業鏈布局，這是行業提效增速的信號，也是不可逆的方向。而會不會出局的第一個坎兒，就是能不能實現人工智慧。

更多資訊請關注工業機器人頻道