随着AI跨广告的扩展,营销人员必须缓解无意识的偏见

"品牌意识”从营销人员的角度探讨了数据驱动的数字广告生态系统。

今天的专栏由美国市场营销主管Emily Ketchen撰写 生命值 .

抚养孩子的任何人都知道,看着自己的成熟感到自豪和喜悦,伴随着看到自己的后代转嫁自己的过失而令人失望的是。

不幸的是-但并不奇怪-这个周期延伸到了我们的技术后代。

人工智能(AI)是一个令人振奋的新领域,充满了希望和可能性。普华永道预测,人工智能将为之做出贡献 15.7万亿美元 到2030年对全球经济的贡献,将超过中国和印度的总和。

对于营销人员而言,人工智能体现在聊天机器人客户服务集成,社交媒体分析和多种数据分析形式中。而且,如果您像我一样,可能会从在线购物时的AI营销中受益,其中AI会根据您已经购买的商品采取自动推荐的形式。 

但是,这些都不是没有风险的。建立AI作为一个伟大的均衡器来服务公平公正的事实是一个神话。我们已经看过很多次了: 语音命令软件难以理解口音;麻省理工学院的“诺曼”人工智能 变成了精神病患者 通过使用Reddit中的暴力内容;和美国法院 用AI预测可能性 量刑期间的未来犯罪,错误地预测了非洲裔美国人未来的犯罪率是白种人的两倍。

造成AI偏见的原因看似简单,因此很危险:AI是我们自己的人性,我们的缺点和偏见,并一直盯着我们。在法规和问责机制很少的情况下,营销策略中对AI工具的负责任使用取决于公司的策略。

期望偏差

做人是有偏见的。这是我们无法逃避的事情,但是我们可以通过深思熟虑,坦率和刻意的方法减轻它。第一步是对组织中先入之见和偏见的存在进行诚实评估,并因此评估影响我们的业务范围的数据。

人工智能的组成部分遵循规则。这些规则是通过数据学习的,而数据则馈入算法。由人类开发的数据继承了他们的偏见。而且,由于机器学习旨在预测用户想要的结果,因此可以进一步验证甚至加深固有的偏差。

为了缓解这种情况,营销人员必须根据存在的先入之见,对自己以及对听众的问题提出难题。然后,他们可以识别与目标受众直接相关的数据,同时去除可能会演变为偏见的任何辅助信息。请记住,甚至公平的概念也取决于您与谁交谈。

邀请多样性

动态结果需要各种输入。这意味着AI的使用不仅限于技术人员和数学家的领域。营销专业人员也对AI的潜力至关重要。尽管成功的营销人员必须对AI的数据功能有深刻的了解,但只有在将艰难的发现与人类观点相权衡的情况下,才能解决复杂的问题。自动化和人性化的结合意味着更广泛地考虑变量,包括性别,种族,性取向等。

如果营销专业人士拥护社会的多样性并将其纳入自己的计划,那么偏见更有可能被发现和挑战。通过创建各种经验和观点,检查假设并发现无意识的偏见,人工智能将更加紧密地结合在一起,以提供真正公正和真实的结果。

了解您的数据

要构建AI,数据要么来自收集(想收集个人信息),要么购买。引人注目的是, 安然 是历史上最有影响力的AI系统培训数据集之一,这是因为从历史上看,它是现有最大的人类交互作用汇编之一。可以想象那些交流中可能存在偏见。

在个性化广告系列或吸引新受众时,至关重要的是要了解数据的来源。过去影响数据集的行为很容易导致错误和错失机会。考虑一下一所大学,无意间将一个种族群体排除在外,因为从历史上看,来自该群体的学生很少。如果没有消除,这些趋势将再次出现在AI模型中,并加剧偏见。

也不要忽略因疏忽造成的偏见。例如,成千上万的人进入 人工智能选美大赛,被选出的44名获奖者中只有一名皮肤黝黑,这表明用于训练AI的数据集主要由肤色较浅的人组成。如果我们希望在接触新受众方面无所畏惧,在建立个性化服务方面表现出同情心,品牌必须继续审查数据并承担偏见责任。

具有讽刺意味的是,到目前为止,人工智能几乎太人性化了,这揭示了我们的缺点和缺陷。当我们转向更具意图的方法来平衡数据与人为因素时,“人工”营销工具不仅可以更智能,更快,而且可以公平,包容。

关注惠普( @生命值 ) and AdExchanger(@adexchanger)在Twitter上。

喜欢这个内容吗?

立即注册成为AdExchanger会员,即可无限制地访问此类文章,以及专有数据和研究,会议折扣,按需访问事件内容等等!

今天参加!

 

添加评论

XHTML: 您可以使用以下标签: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>