监督学习指算法被训练成可以根据人类提供的例子来学习关联。
无监督学习指的是识别未知预测因素的能力。强化学习适用于未来的研究。
不管从 AI 类型、AI 功能和学习类型哪个维度看，这些维度也都不是完美的，都会有重叠，
技术在不断的发展，由于需要专业知识，主题问题的研究需要多个领域学者共同展开。
（三）本篇论文引用分析的六篇文章
1、 《人工智能类的近距离接触：利用人工智能意见领袖作为品牌代言人》
机遇：AI 意见领袖可能是人类代言人的替代品，同样可以唤起人们良好的品牌反应（态度、
购买意愿）
风险：AI 意见领袖犯的错误也同样会使消费者对品牌产生不好的印象，并且可能导致消费
者否定所有的 AI 意见领袖
2、 《广告中机器学习错误的来源：语义相关度评估中的语境偏差》
机遇：人工智能有助于训练机器客服广告放置在错误语境中，从而提高传播效率和效果
风险：语境细微差别的训练需要更加广泛的词汇和对语境的那些细微差别有更加深刻的理
解
3、 《人工智能在广告创意中的运用》
作者提出了一个广告创意系统 CAS，CAS 旨在通过人工智能广告系统生成和测试广告创意，
该系统基于数据和人工输入，建立了一个“广告库”。并且提出了通过 AI 来生成广告创意的
流程。
机遇：CAS 框架提供了一个路线图，可以通过 AI 广告系统的发展重塑广告创意
风险：考虑到在消费者行为矩阵中观察感知到的创造力的困难，完全基于计算广告系统很难
评估新颖的转化创意的价值
4、 《用深度学习自动检测 INS 上图文不匹配》
发明并测试了一种创新的机器学习方法，结合图像、文本以及元数据提取的功能，使用多
感官模式获取消费者的洞察力，可以检测出 INS 上用户生成的图文不匹配的品牌内容。
机遇：计算机视觉研究可以帮助开辟广告领域的新的研究流，尤其在语境一致的概念的地方
可以有进一步的发展
风险：机器学习需要大量的训练，需要更加广泛的视觉输入
5、 《刺激还是恐惧：基于人工智能的店内沟通对消费者光顾可能性的影响》
尽管人工智能是一项幕后进程，主题议题研究仍说明了商业如何将人工智能变得有形，并
将其展示给想要增强店内体验的消费者，与人工智能支持的品牌传播交织在一起，该研究通
过关注店内购物环境中的 AI 广告，将基于技术的品牌传播研究扩展到线下。
机遇:店内购物环境中的 Al 广告可以通过店内品牌传播感官体验激发消费者惠顾可能性。
风险:如果消费者认为人工智能威胁到他们的隐私，店内交流感官体验产生的积极效果可能
会被削弱。
6、《社交媒体收听平台的人工智能是否可信？检查 Crimson Hexagon（现为 Brandwatch 消
费者研究）人工智能驱动分析的准确性》
Listening platform，让企业监控社交网站用户对其品牌的评论。
通过对 Nike 的“疯狂梦想”广告的 10000 条电子口碑评论进行分析，发现在编码某些特定
品牌的内容（如品牌识别和品牌情感）方面，人类可能比机器表现得更好。
机遇：社交媒体倾听平台可以提高数据收集速度，增强行业和学术研究人员的研究的稳健型
和效率
风险：在检测特定品牌内容时机器不像人类那样细致
二、启示
人工智能广告也可以被视为广告的一个单独的子学科，位于认知科学、计算机科学和广告
