譯者：沈浩老師 常瑩
毫無疑問，作為人工智慧的子領域—機器學習在過去的幾年中越來越受歡迎。由於大資料是目前科技行業最熱門的趨勢，基於大量的資料機器學習在為品牌進行預測和決策方面有著巨大的潛力。
輔助技術與智慧技術會引領人們走入一個充滿創造性思維的新世界，也可以幫助品牌更大程度地瞭解消費者。如果我們想在品牌設計上擁有更佳的創意，獲得更好的品牌經驗。很顯然，人工智慧技術必須要發揮主導作用。 人工智慧(AI)、機器學習(ML)在推動品牌的新一代產品創意方面有著巨大的潛力。人工智慧和機器學習是行業最前沿、最強有力的改變，它們使品牌更貼近消費者的期望和情感。輔助技術和智慧技術的發展也處於崛起的攀升期。我們正在面臨一個充滿可能和未知的新天地。
人工智慧和機器學習可以應用在很多領域。機器學習在商業決策和產品推廣方面應用越來越廣泛，比如：在亞馬遜上購物、Netflix上看電視，Uber上叫個車，在Facebook上給朋友貼個標籤等。也有更多創造性的實驗：如“下一個倫勃朗應用程式”，“機器音樂組合”和“電視節目指令碼自動生成”等，來使用機器學習建立新的藝術作品。人工智慧將改變我們的行業和技術，就像在二十世紀中期的電力改變人類一樣，人工智慧也具有改變藝術、創造力和品牌的潛質。
近年來我們也許總會聽到很多有關人工智慧和機器學習兩大領域發展的新聞，但其實它們都有著非常悠久的發展歷史。自計算機出現以來，人工智慧就一直被研究者所關注，直到近幾年，人工智慧技術開始變得更強大、更靈活、訪問性也更強。一些網際網路巨頭公司，如英特爾，谷歌，蘋果和Facebook公司等，加大了在人工智慧研究上的投資，來開發更經濟、快捷的硬體和更優質的演算法。
機器輔助功能的核心是資料。將大資料轉換成有用的資料是一個巨大的挑戰。資料探勘對於商業機構和品牌來說，是一個難得的良機。Netflix公司可以在節目拍攝之前預測到哪個節目和演員將成為熱門，在這個方面上，Netflix在資料方面的處理還算小有成就。
在資料處理的操作中，也許存在的一個很現實的問題–大多數抓取下來的資料並不智慧。通常情況下，它沒有反映消費者的利益，所以還需要依靠大量的分析來驅動戰略才能提出具有創造性的見解。傳統的網路和移動分析並不像期待的那樣在一個超連結的環境中工作。人口統計量、頁面瀏覽量、頁面點選和標籤的資料不足以反映消費者的真實的消費情況。消費者的生活方式、情緒和參與度才是探究消費情況的關鍵因素。
Spotify在這個方面做出了創新：根據使用者習慣、人群來源和使用者畫像，為使用者建立個性化的推薦列表。 品牌需要了解人們對他們的服務、產品和內容的反饋。然而，但很多時候，我們似乎只對消費者有一個片面的看法，而不是我們期望看到的全貌。由此，一個將移動產業向前推動的新浪潮應運而生：關注品牌和消費者之間的互動溝通。
隨著類似於一對一通訊介面技術的發展和網頁互動的興起，我們有機會通過語音服務和自然語言處理深入瞭解消費者，並結合不斷更新換代的個人移動裝置，從消費者之間的相互關係中捕捉智慧資料的機會變得更大。
資料如同人工智慧的“燃料”。據Internet Live Stats的統計，全球大約有35億網民，這個資料仍在持續增長。IDC(網際網路資料中心) 稱相信我們在2020年會創造出44澤位元組資料的世界(1ZB大約有10億G)。而資料將變得越來越智慧，這得益於兩個主要因素。首先，更多的裝置需求意味消費者的生活方式將更加全面、多元。其次，微信和Facebook等社交平臺將提供基於資料流的對話。這將導致一個新的智慧資料浪潮驅動我們的行業上升至一個全新的水平上。 最重要的是，機器可以比人類學習得快得多。
隨著時間的推移，機器學習技術不斷髮展和提高，可以通過測試響應、意圖和情感，來提高服務的水平。可擴充套件性問題一直是個性化服務的一個障礙，但機器學習能解決這個問題。當你費了很多時間卻沒有在網上找到需要的東西時，你需要有一個裝置來用機器輔助的個性化服務幫助你。畢竟，機器學習最終的目標是為消費者創造最簡單、最有意義的體驗。 機器並不會掌管世界或引領創意領域，但如果我們要為消費者創造更好、更簡單、更完美的個人體驗，很顯然人工智慧技術必須發揮主導作用。在品牌體驗的研究和設計中，人工智慧能成為品牌和機構的最終創意工具，幫助品牌建立更豐富的體驗，更具持久的價值。
想要擁有智慧創造性思維需要認識到的一點是：機器是不可代替的(至少現在是這樣)。然而，在品牌和人群的對話與溝通方面上，機器學習的未來朝著更智慧的方向前進。行業發展迅速，我們刻不容緩。我們需要以新的方式使用認知科技學，來大膽打破固有觀念，拋棄一次決定論，以創造性思維來獲取更多經驗。這樣，機器學習將會不斷幫助品牌改善和發展與消費者的關係。