本书将从营销、商业和消费者说服的维度，解读AI的各种问题。与操控大众的其他传统方法相比，人工智能在这方面是一个相对较新的概念。在说明人工智能操控术的发展之前，我们必须首先了解其基本原理。人类可能无法解决过于复杂的演算问题，但使用AI的超级计算机却可以通过强大的算法实现。超级计算机严格遵循人脑结构，可跨越计算各相连部分的不同数据来解决问题。超级计算机在解决问题或进行运算时所遵循的规则与运算过程的集合统称“人工智能”。

AI是“数字计算机或计算机控制的机器人执行通常只有智能生物才能完成的任务的能力。该术语通常用于具有人类智力处理能力的系统开发项目，例如推理、发现含义、概括或从过去的经验中学习的能力”。

在明确AI的定义之前，我们首先需要弄清楚“智能”一词的含义。本书中，“智能”由心智活动构成，如学习、推理、理解、掌握真相、了解人际关系、考虑含义以及区分事实与信念。下面，我们针对以上每个类别，探讨人类与人工智能之间的智力差异。

学习。当母亲第一次给孩子展示一把餐刀时，孩子就能发现叉与刀的区别。孩子能快速、简要地处理此条新信息。而你的苹果手机中的AI在进行照片库扫描时，得看过四百万张男孩的照片后才能识别出一个。

推理。一个学音乐的学生在听到贝多芬的曲子时，不仅可以马上听出来，听到的音符还能激发她的灵感去创作另一首歌曲。但是，AI只能执行有限的一组操作。例如在上海，连接到摄像机的AI能捕捉到你的汽车喇叭声，之后拍摄车牌快照并进行报告，再把罚单发给你(上海市区禁止鸣笛)。这个AI无法用多种方式来加工信息，除了辨别外，没有其他功能，更不用说解读声音了。

理解。当男友长时间不回复自己的短信时，女友知道有些事不对劲。而Facebook信使的AI(用于跟踪和扫描所有文本)却只会看成一个技术错误。

掌握真相。当这位男友继续不回答时，女友将破解真相。她会想起两人前一天吵架了，她会推测他是因为争吵或是其他原因而不回复。她能做AI做不了的事：她可以综合不同数量的数据与其他来源的信息，而AI只会看成小故障或编码中可能出现的人工失误。

看到关系，考虑含义，区分事实与想法。这位男朋友可以以两人关系为基础，将事实与想法区分开。他会让女友确知具体信息，例如自己是否因小车祸摔坏了手机且人在医院。他知道女友会担心，以为不回信是因为两人昨天的争吵。他还可以将事实放到特殊情况下，或者区分事实与想法，而人工智能则无法做到。

品牌可以使用多种形式的人工智能来收集消费者的私人数据，以便更好地了解人类行为(并促使他们使用服务)。如上所述，收集的数据越多，AI的工作就越出色。根据网页Data Never Sleeps，全世界每天收集的数据量为250京字节(1018!)。2018年，仅谷歌就每分钟处理了380万次搜索。你的智能手机、笔记本电脑搜索、谷歌之家或各种创新设备(所有用于收集数据以支持AI的设备都属于“物联网”的组成部分)收集到的大数据，谷歌计算机都会进行学习。本研究的主题与大众操控有关，而广泛的数据收集是研究的关键。

AI之父艾伦·图灵曾说，任何数据计算都可以以数字方式实现。当然，模仿人脑构建智能机器并非遥不可及的梦想。然而，对于自然的模仿未必一直能成功。有些科学家设计飞机时试图模仿蝙蝠的运动模式，但他们设计的飞机最终全部坠毁。

人工智能目前处于起步阶段，尚不能完全模仿自然智能。工程师试图从不同维度来模仿自然智能：

·视觉空间(了解导航环境；GPS全球定位系统的定位比出租车司机的大脑要精确得多)；

·身体动觉(外科医生的手术可由机器人重复操作；如今外科医生机器人AI具有比人类更多的技能)；

·创造力(毕加索的画作，或是你偶尔兴起煮的可乐鸡翅，这些都是自发且有创造力的行为；AI需要具备自我意识才能进行创造性活动，即使是偶然的创造)；

·自我认知(以甘地为例，他非常清楚自己是为实现国家独立而发起非暴力运动)；

·人际互动[在Skype(即时通信软件——编者注)的商务会议中与多人互动并处理不同的信息]；

·逻辑和数学(依靠运行系统，AI在运算速度上比人脑快得多)；

·语言(懂得一门语言)。自然语言分析是AI的一项普遍活动。阿里巴巴扬声器及配备了亚马逊虚拟助手的亚马逊设备[如亚马逊回声Amazon Echo或Alexa(亚马逊旗下的智能音箱——编者注)]可以通过语音识别处理你的订单，除了处理分析代码外，还可以解析人类语言。基本而言，他们不仅能听懂讲话，还能用人类语言进行交流。人工智能的目标是电脑不仅能够自然地与人互动，其互动方式还能通过图灵测试，即观察者分辨不出人工智能与自然智能之间的区别，达到这个程度的AI才能被视为具有人类智能。

人类正在寻求新的方法，让人工智能可以模仿人脑功能。深度学习是我们迈出的第一步。深度学习是一种与人工神经网络一起使用的分类学习系统，该系统使得计算机可以获得人类的认知能力。目前，人工智能已具备识别物体的功能。人类婴儿只需几个示例就可以将物体对应到其名词概念，并建立起这两者之间的联系，但人工智能需要输入数百万个关联项才能达到人类婴儿的水平。如果想让程序识别汽车，需要先用数百万张标注汽车的图片对它进行训练。在训练及神经网络的双重作用下，AI才能通过联想识别出新的汽车图片。

2012年，谷歌大脑自主发现了猫这一概念，这是深度学习取得的最重大的进步。这一次发现的学习行为并不是在图片标记的指导下完成的。在为期三天的实验中，计算机分析了1000万张随机未标记的You Tube(视频网站——编者注)屏幕截图。在程序并未告知哪些是猫的图像的前提下，计算机自己学会了如何区分猫的头部和人的头部。这一进步标志着机器学习取得了突破。

根据目前的理解，AI是一个创新概念，将经历四个阶段：

1.第一阶段是1960年至2010年。在此期间，我们使用手动算法的传统程序。

2.第二阶段始于2012年的深度学习，其初始程序在某些方面的能力已超越人类，面部识别即为其中之一。深度学习使得程序可以学习如何通过虚拟神经元计算来形象化世界。深度学习将赋予拥有数据的实体(如GAFA和BATX)强大的控制权和行使力，从而实现自身的进步。得益于深度学习的集成，人工智能甚至具备了与放射科医生竞争的能力。

3.深度学习实现进步后，下一步是将人工智能的内存集成并横向发展。有了这些新能力，人工智能不仅可以超越放射科医生，甚至可以与全科医生竞争。最乐观的估计是2030年可以迈入第三阶段，最悲观的预计则要等到2199年。

4.第四阶段也是最后一个阶段，意识将被整合进AI。当人工智能有了意识，强人工智能从此出现，它能表现出智能性，有自我意识，有知觉，并懂得自我推理。(www.daowen.com)

根据吕克·费里(Luc Ferry)2018年的说法，我们目前正处于AI历史第二阶段的中段，称为“弱AI”，与“强AI”具有明显的不同。

“弱AI”或“窄AI”是指仅限于特定或狭窄领域内的机器智能。能力区域较窄的AI快速而高效，可以在国际象棋、围棋或扑克等方面击败人类。以围棋游戏为例：2016年1月，命名为“AlphaGo(阿尔法狗)”的AI与曾获18次世界冠军的围棋选手李世石进行了五场围棋比赛。围棋终局的可能性比宇宙中原子的数目还多，这使它“比象棋更加复杂”，复杂程度达到googol(古戈尔)倍。古戈尔是指数字10100，即以十进制表示的数字，其中数字1后面是100个0。如果AI的策略是思考棋局的所有可能结果，那么AI就不能在规定时间内完成一场围棋游戏。因此如想在围棋上战胜人类对手，AI必须具有人类般的直觉。Alpha Go具备类似于神经网络的功能，可以自我学习或由他人教授。李世石失败之后表示，AI下出了非常“精彩”的妙招，让他“惊讶不已”，用他的话说，这些招数都是“人类下不出的奇招”。弱AI给了人类处理数据的伟力，而深度学习(将机器学习和强化学习相结合的技术)使计算机和算法可以控制并处理尽可能多的信息(数十亿个数据点)，从而能够预测未来。到目前为止，所有已开发实施的智能方法和机制仍被视为弱AI，仍然需要类似谷歌评估者这样的人类来帮助提高准确性并进行算法训练。但弱AI仍有可能做出愚蠢行为。例如，微软发明的AI Tay(泰)分析了数百万次种族主义的聊天内容后，非但没有理解种族主义概念，反倒成了种族主义者。同样，脸书的AI在种族主义和歧视方面也有不足，它无法在用户举报前辨别出仇恨言论和骚扰行为。它能检测出的骚扰、霸凌和仇恨言论只占到14%左右，而在识别“垃圾邮件内容、恐怖主义宣传、暴力和裸露内容”方面，却展示出了几乎百分百的准确率。

强AI是机器智能的另一种形式，等同于人类智能，可像人类一样解决问题。和人类一样，强AI可能很聪明，但并不是一直都保持高效。强AI可以通过运用与人类相当或相等的智力来完成非常复杂的任务。“其关键特性包括推理、解决难题、做出判断、计划、学习和沟通”，并应具有“对事物的看法、客观思想、自我意识、感知力和智慧”。尽管强AI尚未开发出来，但人们普遍感到担心，因为强AI已具有与人类思想相当的特性。计算机已经能创造受版权保护的创意内容，还能在一定程度上运用AI技术帮助人类产出专利创意。从个体层面看，强AI被认为是危险的(我们将在以下监控区域中看到不同类型的AI及其各种影响)。这种担忧并不让人震惊，因为《终结者》《弗兰肯斯坦》《复仇者联盟：奥创纪元》和《我，机器人》等电影都已展示过AI逃脱人为控制的理论危险和潜在灾难。在一项由4000多名美国人参与的调查中，超过70%的人担心机器人会夺走他们的生命。人们对于由机器来执行人类工作的前景，与其说狂热，不如说担忧。对劳动人口而言，强AI构成了重大威胁。

对于西方公司的扩张和生存而言，AI创新至关重要。人工智能将成为其针对新兴国家的自保手段之一。但是对于西方公司或国家而言，AI是一项高风险的技术创新。高风险不仅体现在研发方面，更在于其综合复杂性和费用支出。《头号玩家》(Ready Player One)之类的电影无疑会让我们对AI痴迷，但除了电影的魔力外，还有什么让那么多人对人工智能领域的创新心醉不已呢?原因有很多。首先，AI代表了经济世界的未来。美国等国家的GDP的三分之一来自25年前不存在的产品。其次，鉴于AI发展迅速，人类对即将到来的强大而有自我意识的AI感到恐惧。包括特斯拉总裁埃隆·马斯克(Elon Musk)在内的先知们，纷纷发出关于AI的危险警告。马斯克甚至创建了一个名为Open AI(https：//openai.com)的小组，用于研究和评估围绕AI的安全和社会问题。但即使以安全并可管理的方式开发AI，也阻止不了公司对私人数据的收集。与许多人的看法相反，AI不是一个未来的空洞承诺，它早已渗透进了我们的日常生活，已成为现实。

关于AI的词汇越来越多，其中不少颇令人费解。AI领域甚至尚未确定具体结构，不过根据不同的研究方法，大致可以分为以下几个主要研究领域：自然语言处理、遗传编程、机器学习、深度学习、专家系统、计算机视觉、计算机语音识别以及最为重要的人工神经网络(ANNs)。人工神经网络创建的算法可以模拟神经元的操作，就像大脑活动中神经元彼此相互作用；(人工神经网络算法)记住输入、学习关联、制定决策。计算速度和计算能力的提高使得神经网络可以包含更多的层和更多的神经元，从而使它们在学习和分析大数据方面拥有更高的能力。更大的神经网络能够消化和分析体量更大、更复杂的数据，并且可以检测大数据中的细微差别并做出发现和预测。人工神经网络在数据处理量和处理速度方面优势明显，因此可以用在实时或非常接近实时的场景中。例如去机场时，你会在办理登机手续时留下所谓的初始输入(基本信息)。这些输入由算法处理并链接到其他层，将你的数据与其他乘客的数据进行比较并建立模型。从本质上讲，这台AI使用大脑和神经元机制的类似物，进行了数百万次小型计算以解释你在机场的路径。在重复几次相同的操作后，机器已很好地了解了各种路径，因此可以沿你的路径放置针对性的广告或进入免税区的邀请。这就是一台在学习的机器。我曾与JCDecaux(数字广告牌的全球领导者——编者注)中的一些团队进行过会面，他们正在开发一个机器学习项目，计算穿过机场的更为复杂的路线，以便出售更多的免税奢侈品。大多数需要对大数据进行“训练”的AI技术都会使用某种形式的人工神经网络。

如果要做类比的话，神经网络其实是市场营销用过的技术。例如，二十世纪七十年代末，顾客观看广告时的眼睛的注视点可被追踪。神经营销工具跟随的是观众的瞳孔。简而言之：虹膜中心的黑色圆形大小会发生变化，调节到达视网膜的光量。通过跟踪瞳孔，眼动追踪可以确定在观看化妆品广告时观众的眼睛看的是模特还是产品本身。据此，广告商可以改变产品在广告中和屏幕上的位置，提升广告效果。

所谓“物联网”(Io T)，即所有设备，如电话、手表、智能眼镜、灯泡、电视、安全系统、车辆、可穿戴设备、语音助手、智能手机以及更多可以连接互联网且彼此之间能互联的设备——目前由270亿台设备组成，到2025年这一数字预计将增至近三倍，达到750亿台。物联网通过面部识别辨认人，因此不管你去到哪，大数据拥有者都能识别出你的身份。例如，一台设在伦敦的摄像头每天可以针对个人录像300次(42万个摄像头，每15人使用1个)。一户典型美国家庭拥有5个互联设备，而77%的美国人每天上网。在不久的将来，当人们去酒店、温泉、游泳池、餐厅或超市办理手续时，摄像头将同步观察并分析他们的面部反应，与《银翼杀手(Blade Runer)》及《少数派报告(Minority report)》等科幻电影中所看到的一样。

面部识别有助于神经心理学领域了解人们的基本反应。我们的心理反应源自大脑，可以分为三个部分：

——爬虫脑使我们能够进行无意识的动作，例如呼吸。

——边缘脑(左侧)是大脑中神经和组织的复杂系统，涉及皮层边缘附近与本能和情绪有关的多个区域。它控制着记忆、基本情绪(恐惧、愉悦、愤怒)和欲望(饥饿、性、支配欲、养育子女)。

——皮质脑(右侧)是由折叠的灰质组成的大脑外层(大脑皮层)，在人的意识中起着重要作用。大脑皮层负责我们的思想、智力、想象力和理性。

假设有一个男人问他的女友，“你最喜欢的餐馆是什么?”女友可能会不自觉地向左看，在边缘脑里寻找答案，那是主管本能和记忆的区域。如果女友向右看，则意味着她正在使用皮质脑和想象力提供虚假的答案即谎言。

一旦有人可以从面部识别程序中获得信息，他将如何操控或反控他人呢?这是我们下面要思考的问题。虽然目前还只能凭空想象这种AI可运用的范围和功能，但该技术的集成就在不久的未来。到2030年，你的房屋内外都将装有足够多的摄像头，用来收集数据并立即使用面部识别技术进行处理。你在某家商店中的反应将被即时分析，并被转送至销售人员的屏幕或谷歌眼镜，于是他可以向你提供相应购买建议(玛莎拉蒂已经在使用该技术，识别商店内的客户并将相关信息传到销售员的iPad)。通过AI收集个人数据的方法多种多样，基因测试和眼动追踪皆在其列。公司和品牌商可以在广泛收集数据后使用此类信息，以全面了解你。使用AI分析你的数据，有助于改变你的购买行为。

2005年，我身上发生过一个有趣的故事。作为一名年轻教授，我在尼斯大学做了一次演讲。我对学生说：“你是否知道加利福尼亚州有一家公司，他们为你们提供免费的Windows等办公工具，作为交换，他们会跟踪并扫描你们的电子邮件，对其进行分析，对最常用的关键词进行排名并分组为不同主题，随后，与这些主题相关的广告就会发送到你们的电子邮箱。”当我讲述着这个与《1984》相似的情景时，学生们目瞪口呆(他们没人读过《1984》，但都听说过)。我问他们对此事作何感想时，他们说：“这太可耻了!”我问他们是否想知道这家公司的名字，好奇的学生们自然说“是”。“谷歌。”学生们瞪大了双眼，不敢相信。

这个故事说明了一点，全新的数据收集方式，已不再让你震惊。在尤瓦尔·诺亚·赫拉利的著作《未来简史》(Homo Deus)中，人类通过生物和控制论工程将自己升级到“类神”的身份以寻求永生，他们还发现了允许人与人之间进行心灵感应的头盔。心灵感应允许两个人通过另类方式交流，而不再求诸早已熟悉的感官。头盔所执行的不过是一些基本动作，但足以收集到个体在家中行为的大量数据。异曲同工的是，在瑞典，人们发明了能植入皮下的微型芯片。一家公司的员工一天之内就可进行大量操作。这些新的数据收集方式听起来非常超现实(其实日本科学家在二十世纪九十年代就已将微芯片植入了真正的蟑螂体内)，但与此同时设想一下：

1)人们对技术的兴趣日益高涨。如果皮肤就能植入所有设备，还有必要继续使用笔记本电脑或手机吗?

2)(以学生对谷歌的反应为例)如果消费者满不在乎，还如何期望公司的技术会发生变化?

我们还能保护自己在购物和思想隐私方面的自由选择权吗?2015年，英国秘密情报局“网络警察”的详细信息显示，消费者们不仅频繁面临信用检查，还常常成为网络购物个性化定价的实验对象。如果每个人在使用互联网时都在接受检查，可不可以说当今世界对公民和社会的操控已成现实?通过算法控制数据是了解我们所思、所做、所为、所感的有效方法。欧洲通过了《通用数据保护条例》(GDPR)，试图保护消费者及其信息的隐私权。这部如今大名鼎鼎的法律改变了我们日常词汇中“缓存文件”一词的意义。美国GAFA试图避开这种立法，因为他们由衷认为，他们提供的是消费者日常喜闻乐见的免费服务，是有益的。在美国，只有少数联邦法规保护隐私，且都只针对特定行业。全球性的保护消费者隐私的监管机构尚不存在。美国联邦法律保护隐私的最重要法案是《金融服务现代化法案》(GIBA)，管控金融机构对个人数据的处理。中国等国家也已开始规范其市场活动。目前，我们无法想象AI在法律上会造成多么复杂的问题，也不知道怎样做才能保护人类免受这些复杂问题的影响。

没有法律，对消费者的全球操控将如何运作?使用AI预测人类行为并说服消费者购买产品的系统或机制，实质上是公司强制性的营销方法的一种延续。品牌通过与消费者建立联系来培养这种操控行为，这意味着品牌与人之间存在着一种无意识的关系。作为人类，我们自然会对人、动物，甚至无生命的物体产生依恋，对品牌也同样如此。

下一章节中，你将看到：

对消费者的操控行为其实一直存在。AI是一种新的技术工具，代表着该进程的下一步。对于想要操控你的公司来说，他们需要对你有全面的了解，而AI提供了实现该目标的能力。公司的营销活动需要收集大量数据，分析这些数据的正是AI。

如果不先了解如何在无意识的情况下对人进行说服的基础知识，就无法理解AI对消费者的操控。大众是人。AI是人造产品，由了解操控技术的人类进行监控。品牌通过打造诸如FOMO(错失恐惧症)之类的心理感受对消费者施加影响。本书第一部分将从心理分析和社会学的角度出发，探讨人类对品牌的感情是如何形成的，以及人工智能将如何影响这种关系。

在下文中，我们还将回顾过去，探索如何成熟使用营销术管理客户的历史。我们将证明，营销自古以来的目标就是对人进行操控。从过去到现在的市场营销皆是如此。AI是既往合乎逻辑的延续：它不过是一个自动化的高科技操控过程。我们将对营销人员不断发展的技术进行评估，探讨其现在如何利用数据营销和在线及离线AI，不动声色地随时随地收集消费者信息。