Autor: Stevan Stojkov
Veštačka inteligencija (artificial intelligence – AI) predstavlja jedan od najčešće korišćenih termina u poslednjih nekoliko godina. Takođe, ovim terminom se opisuje i verovatno jedan od najkontraverznijih tehnoloških segmenata modernog doba. A budući da se on često nepravilno upotrebljava, nije iznenađenje što je veštačka inteligencija tema brojnih rasprava.
Brz razvoj digitalnih tehnologija omogućio je strahovit uzlet veštačke inteligencije. Ideje koje su praktično do juče krasile naučnofantastičnu literaturu i filmove i činile nam se potpuno nezamislive u stvarnosti, postale su deo naše svakodnevice. Pretvarajući snove i maštu u stvarnost, razvoj digitalnih tehnologija pokrenuo je i niz suštinskih pitanja. Ali i aktuelizovao neke stare strahove.
Šta će se dogoditi ako se izjednače ljudska i veštačka inteligencija pitanje je koje maltene od same pojave računara kod određenog broja ljudi budi strah, pa čak i paranoju. Naime, tehnološki singularitet je hipoteza prema kojoj će trenutak izjednačavanja ljudske i veštačke inteligencije predstavljati okidač daljeg ekstremnog razvoja tehnologije. Nakon ove svojevrsne prelomne tačke, veštačka inteligencija postaje naprednija od ljudske u svim mogućim oblastima, a svet kakav poznajemo nestaje.
Apokaliptična slika sveta kojim gospodare roboti predvođeni superinteligentnim računarom nalik onoj predočenoj nam u filmskoj franšizi „Terminator“ postaje sve izvesnija. Međutim, koliko smo stvarno udaljeni od ovakvog scenarija? Koliko je realna bojazan da bi čovečanstvo upravo zbog veštačke inteligencije moglo doći do svog kraja? I da li su ljudi možda već postali robovi vlastitog napretka?
Činjenica je da su sistemi veštačke inteligencije svakim danom sve napredniji i da sve manje zavise od interakcije sa ljudima. Pojedini eminentni stručnjaci iz ove oblasti ne samo da veruju da je moguće kreirati veštačku inteligenciju koja može da misli kao čovek (koncept AGI – artificial general intelligence), već da nam se takva rešenja već nalaze nadomak ruke.
Prema njihovom mišljenju pojedine veštačke neuronske mreže su „već pomalo svesne“, a do mašina koje misle kao ljudi će nas uskoro dovesti rešavanje aktuelnih problema koji su u vezi sa sistemima veštačke inteligencije. DeepMind kojeg je Google kupio 2014. godine, shodno iznetom stanovištu, mogao bi da dovede do toga da ovaj multinacionalni tehnološki gigant bude prvi koji će stići do AGI sistema.
Da možda nećemo dugo čekati da se to dogodi nagovestila nam je tvrdnja jednog inžinjera Google da se iza impresivnih verbalnih veština njihovog jezičkog modela za dijaloške aplikacije – LAMDA mogao da krije svesni um. Ovu tvrdnju koja je uzburkala svetsku javnost, Google je negirao, rekavši da ne postoje nikakvi podaci koji bi potvrdili njenu istinitost.
Negiranje Google-a ide u prilog skepticima koji tvrde da nećemo dočekati mašine koje misle kao ljudi. Naime, za razliku od onih koji veruju da je koncept AGI moguć, nemali broj stručnjaka koji se bave veštačkom inteligencijom tvrdi da zbog trenutnih ograničenja u mašinskom učenju, računarske sisteme koji će biti u stanju da se takmiče sa ljudskom inteligencijom nećemo dobiti u skorijoj budućnosti.
Pojam, vrste, kratka istorija
Višedecenijske rasprave koje se po pitanju da li mašine mogu da imaju svest vode među filozofima, psiholozima i kompjuterskim naučnicima eksponencijalni razvoj veštačke inteligencije je dodatno zaoštrio. Kao i kod svake nove tehnologije, njena pojava obećava i donosi velike koristi za čovečanstvo. Ali, isto tako, njena upotreba podrazumeva i određene rizike.
Jedan od najvećih problema sa kojim se suočava veštačka inteligencija, kako to često navode oni koji se njome bave, je to što nju nije lako i jednostavno vizuelno predstaviti, što za posledicu ima da ona i dalje ostaje apstraktan pojam velikom broju ljudi. Stvari dodatno komplikuje i to kako mi sami percipiramo ljudsku inteligenciju, tj. koje to funkcije treba da ima mašina da bi mogli da kažemo da se ona ponaša i razmišlja kao čovek.
Vremenom se iskristalisalo koje to funkcije treba da ima „inteligentna“ mašina: učenje, razumevanje, rešavanje problema, percepcija i jezik (govor). Međutim, do jedinstvene i sveobuhvatne definicije pojma veštačke inteligencije se još uvek nije došlo. Veliki broj njenih definicija svedoči o tome da tvrdnje kako svako ko se njome bavi ima svoju definiciju nisu preterane. Ne tvrdeći da su to najtačnije i najsveobuhvatnije definicije veštačke inteligencije, navešćemo samo njih nekoliko.
Veštačka inteligencija predstavlja podoblast računarstva. U računarskom svetu ona označava oponašanje ljudskog procesa razmišljanja. NJen cilj je razvijanje programskih rešenja koji će računarima omogućiti da se ponašaju na način koji bi se mogao nazvati inteligentnim.
Ako pitate istraživača veštačke inteligencije šta je veštačka inteligencija, on bi vam rekao da je to skup algoritama koji mogu da proizvedu rezultate bez potrebe da budu izričito upućeni da to urade. To je simulacija prirodne inteligencije u mašinama koje su programirane da uče i oponašaju radnje ljudi.
Veštačka inteligencija se definiše kao sposobnost digitalnog računara ili kompjuterski kontrolisanog robota da obavlja zadatke koji se obično povezuju sa inteligentnim bićima, fokusirajući se na elemente kao što su prepoznavanje govora, rešavanje problema, učenje i planiranje.
Dakle, ukratko rečeno, pod veštačkom inteligencijom se podrazumeva bilo koji računarski sistem koji oponaša prirodnu inteligenciju kako bi se izvršio određeni zadatak. Veštačka inteligencija se može podeliti u dve različite kategorije: slaba i jaka. Slabu veštačku inteligenciju predstavlja sistem veštačke inteligencije koji je dizajniran i obučen za obavljanje jednog određenog posla. Dok se jakom veštačkom inteligencijom opisuje programiranje koje može da replicira kognitivne sposobnosti ljudskog mozga.
Kada je reč o vrstama, veštačka inteligencija se može kategorisati u četiri tipa:
- Tip 1: Reaktivne mašine – predstavljaju sisteme veštačke inteligencije koji nemaju memoriju i koristi algoritme za optimizaciju izlaza na osnovu skupa ulaza. Zbog nedostatka memorije ovi sistemi nisu sposobni da uče ili da se prilagođavaju novim situacijama, te imaju tendenciju da budu prilično statični. Tipičan primer ove vrste veštačke inteligencije su programi za igranje šaha;
- Tip 2: Ograničena memorija – ovi sistemi veštačke inteligencije imaju memoriju, tako da mogu da koriste prošla iskustva za donošenje budućih odluka ili da se ažuriraju na osnovu novih zapažanja ili podataka. Neke od funkcija donošenja odluka u autonomnim vozilima, tj. automobilima koji se sami voze su dizajnirani na ovaj način;
- Tip 3: Teorija uma – terminom pozajmljenim iz psihologije se opisuju sistemi koji su potpuno prilagodljivi i imaju široku sposobnost učenja i zadržavanja prošlih iskustava. U teoriji, ova vrsta veštačke inteligencije će moći da zaključi ljudske namere i predvidi ponašanje. Trenutno, njeni predstavnici su napredni čet-botovi;
- Tip 4: Samosvesna veštačka inteligencija – kao što im ime kaže, ovi sistemi veštačke inteligencije postaju svesni svog postojanja i samim tim sposobni su da razumeju svoje trenutno stanje. Ova vrsta veštačke inteligencije još uvek ne postoji, a neki stručnjaci veruju da veštačka inteligencija nikada neće postati svesna ili „živa“.
Ideja o „mašini koja misli“ nije nova. Ona datira još iz antičke Grčke. Međutim, najraniji značajan rad u oblasti veštačke inteligencije pojavio se sredinom 20. veka. NJegov autor je britanski logičar i pionir kompjutera Alan Matison Tjuring. On je već 1935. godine opisao apstraktnu računarsku mašinu koja se sastoji od neograničene memorije i skenera, ali njegov rad na projektu izgradnje elektronske računarske mašine sa memorisanim programom morao je da sačeka kraj Drugog svetskog rata.
Godine 1947. Tjuring, poznat po tome što je razbio nacistički ENIGMA kod, održao je predavanja na kojem se po prvi put čuo termin kompjuterska inteligencija. Na tom predavanju on je izjavio: „Ono što želimo je mašina koja može da uči iz iskustva“. U svom delu „Computing Machinery and Intelligence“ iz 1950. godine, Tjuring predlaže način na koji bi se došlo do odgovora na pitanje mogu li mašine da misle. Tjuringov test se koristi i danas kako bi se utvrdilo da li računar može da demonstrira istu inteligenciju kao čovek.
Sa terminom „veštačka inteligencija“ javnost se prvi put susreće leta 1956. godine. Skovao ga je DŽon Makarti na prvoj konferenciji posvećenoj veštačkoj inteligenciji održanoj na koledžu Dartmut. Kasnije te godine, Alen NJuel, DŽej Si Šo i Herbert Sajmon kreiraju Logic Theorist – prvi softverski program namenjen veštačkoj inteligenciji.
Uspešni pionirski koraci na ovom polju privlače pažnju i bude interesovanje Ministarstva odbrane SAD, te ono 1960-tih godina ulaže sredstva u dalje istraživanje i razvoj veštačke inteligencije. Prvi računar zasnovan na neuronskoj mreži koji je „učio“ putem pokušaja i grešaka pojavio se 1967. godine. Napravio ga je Frenk Rozenblat. Godinu dana kasnije, u ruke javnosti dospeva knjiga „Perceptrons“, autora Marvina Minskog i Simora Paperta.
Iako ove delo predstavlja znameniti rad na neuronskim mrežama, ono je, s druge strane, poslužilo i kao argument protiv budućih istraživačkih projekata neuronskih mreža. Nastupa „mračno doba veštačke inteligencije“. Ono traje sve do 1980-tih kada neuronske mreže koje koriste algoritam povratnog širenja za obuku postaju široko korišćene u aplikacijama zasnovanim na veštačkoj inteligenciji.
Na veliku scenu i to u punom sjaju, veštačka inteligencija se vraća 1997. godine. Te godine svetska javnost je bila svedok nezapamćenog pomaka u njenom razvoju. Naime, u dve šahovske partije od po šest mečeva, IBM-ov Deep Blue je pobedio Garija Kasparova, u tom trenutku najboljeg šahistu na svetu. Ova pobeda je otvorila vrata daljim uspesima veštačke inteligencije.
Ken DŽenings i Bred Ruter, šampioni igrice „Jeopardy“ 2011. godine moraju da čestitaju pobedu IBM-ovom Watson-u. 2015. godine se pojavljuje Baidu-ov superkompjuter Minwa koji koristi posebnu vrstu duboke neuronske mreže, što mu omogućava da identifikuje i kategorizuje slike sa većom stopom tačnosti od prosečnog čoveka. A marta 2016. godine DeepMind-ov program AlphaGo je uspeo da pobedi Li Sodola, svetskog šampiona u „Go“ igrici, u meču od pet utakmica.
Veštačka inteligencija i marketing
Danas se sa veštačkom inteligencijom susrećemo mnogo češće nego što to zapravo mislimo i primećujemo. Primena računarskih sistema, algoritama i aplikacija koje su bazirane na veštačkoj inteligenciji je veoma široka. Svaki put kada pomoću Google-a pretražujemo internet ili koristimo Google mape oslanjamo se na nju. Veštačku inteligenciju koristimo i dok smo na društvenim mrežama. Takođe, ona nam je od pomoći i prilikom onlajn porudžbina i kupovina.
Mnogi od uređaja koje svakodnevno koristimo, počevši od mobilnih telefona, postali su „pametni“ upravo zahvaljujući njoj. Veštačka inteligencija se danas koristi u proizvodnji, transportu, bezbednosti, bankarstvu, finansijama, zakonodavstvu, poslovanju, medicini, edukaciji i mnogim drugim oblastima. Kao ilustraciju raznolikosti njene upotrebe, navešćemo samo dva primera.
- godine je napravljen robot koji može da testira i proveri efikasnost određenog leka za samo 46 dana, što predstavlja drastično skraćenje ako se uzme u obzir da je istraživačima u laboratorijama za taj posao obično neophodno 2–3 godine. Kao drugi primer poslužiće nam algoritmi veštačke inteligencije koji se koriste za kreiranje sadržaja. Naime, scenario za drugu sezonu popularne serije „Kuća od karata“ rađen je na osnovu podataka o reakcijama gledalaca na prvu sezonu koji su prikupili i analizirali pomenuti algoritmi.
Široka primena veštačke inteligencije razlog je zbog kojeg se ovaj termin često posmatra kao kišobran ispod kojeg se „sakrilo“ više različitih tipova tehnologija u koje je ona ugrađena. Najčešći od njih su:
- automatizacija,
- mašinsko učenje,
- mašinski (kompjuterski) vid,
- obrada prirodnog jezika,
- robotika,
- samovozeći automobili.
Kao što je to slučaj i sa drugim oblastima u kojima je primena sistema zasnovanih na njoj postala neizostavna, veštačka inteligencija je i u marketing ušla na mala vrata. Naime, u početku marketinški stručnjaci su bili skeptični po pitanju njene primene. Nisu razumeli tu novu tehnologiju, te nisu bili spremni da je prihvate. Ona je za njih predstavljala svojevrsne „crne kutije“, jer su principi njenog funkcionisanja za većinu marketara bili potpuno strani.
Veštačka inteligencija i algoritmi mašinskog učenja su u to vreme uglavnom predstavljali predmete teorijskih rasprava koji su se vodili u akademskim krugovima. Do 2000-tih, praktična primena rešenja na bazi veštačke inteligencije bila je prepuštena samo velikim tehnološkim kompanijama. Razvoj digitalnih tehnologija „povukao“ je sa sobom i veštačku inteligenciju.
Razvoj veštačke inteligencije učinio je da ona postane dostupnija i manjim preduzećima. Širenje sistema zasnovanih na veštačkoj inteligenciji na mnoge oblasti svakodnevnog života, doveo je do promene u njenoj percepciji. Veštačka inteligencija zadobija dodatno poverenje i polako postaje nezaobilazna u mnogim industrijama, menjajući načine na koje su se određeni zadaci do njene upotrebe obavljali.
Iz tog razloga se veoma često može čuti da veštačka inteligencija menja i marketing. Ova tvrdnja je tačna, ali samo, i to treba podvući, ako se odnosi na načine na koji se obavljaju određeni marketinški zadaci. Osnovna svrha marketinga kao poslovne aktivnosti je nepromenljiva i ne zavisi od uvođenja bilo koje nove tehnologije, a ona je „podsticanje angažovanja potrošača u nadi da će to dovesti do kupovine i, s vremenom, izgradnje lojalnosti brendu“.
Dakle, veštačka inteligencija nije i ne može da promeni svrhu marketinga, ali je zato postala veoma važan faktor efikasnosti njegovih aktivnosti, naročito na polju digitalnog marketinga. U današnjem digitalnom svetu, postizanje vrhunskog korisničkog iskustva i bolje povezivanje sa ciljnom publikom postalo je dramatično teže nego ikada pre.
Ključ uspeha u marketinškim aktivnostima danas se nalazi u personalizaciji. Da bi se ona adekvatno sprovela, marketarima su neophodne ogromne količine podataka iz praktično svakog aspekta poslovanja. Naravno, najkritičniji su podaci o potrošačima, postojećim i potencijalnim. Razvoj digitalne tehnologije je omogućio marketarima pribavljanje i skladištenje zaista ogromne količine veoma detaljnih podataka o potrošačima. Međutim, prikupljanje podataka o potrošačima nije samo po sebi cilj. Ono što se u njima krije zanima marketare.
Otkrivanje potrošačkih trendova iz ogromne količine podataka bilo bi izuzetno teško, praktično nemoguće, učiniti bez upotrebe alata zasnovanih na veštačkoj inteligenciji. Veštačka inteligencija i algoritmi mašinskog učenja predstavljaju jednu od najefikasnijih tehnologija za predviđanje verovatnog budućeg ponašanja. Ovi sofisticirani alati omogućavaju marketarima da dobro upoznaju svoju ciljnu grupu potrošača. Takođe, oni im, putem personalizacije, pružaju najbolju priliku za povezivanje sa ciljnom publikom.
Veštačka inteligencija pomaže marketarima da bolje razumeju svoje potrošače. Ona im pruža odgovore, i to u realnom vremenu, šta treba ciljnoj grupi potrošača i gde ona to traži. Koristeći ove podatke, marketari su u prilici da poboljšaju svoje poslovne perfomanse, ponude bolja iskustva svojim potrošačima i na taj način steknu njihovo dugoročno poverenje. A za to im na raspolaganju takođe stoje alati zasnovani na veštačkoj inteligenciji. Oni im to omogućuju putem automatske isporuke prilagođenih i relevantnih informacija i iskustava na mnogo brži, jednostavniji i efikasniji način nego što je to bilo moguće pre.
Da bi to postigli sistemi zasnovani na veštačkoj inteligenciji i algoritmi mašinskog učenja oslanjaju se na koncept grupisanja ponašanja potrošača radi predviđanja njihovog budućeg ponašanja. Ovaj koncept je prvi počeo da koristi Amazon 1998. godine. „Saradničko filtriranje“ kako su u Amazon-u nazvali ovaj koncept, omogućio im je preporuke za milione njihovih kupaca.
Danas se ovaj koncept široko primenjuje i verovatno ste se i vi sa njim susreli. Na osnovu njega Spotify kreira prilagođeni spisak pesama na osnovu onoga što je korisnik slušao u prošlosti, trenutnih hitova u različitim žanrovima i o kojoj se muzici priča. Netflix to čini sa filmovima i serijama. Ova platforma koristi mašinsko učenje da bi razumela za koje je žanrove određeni korisnik zainteresovan. Facebook se takođe služi alatima i algoritmika veštačke inteligencije kada korisnicima predlaže prijatelje koje možda poznaju.
Tumačenje podataka o ponašanju potrošača uparenih sa informacijama o profilu korisnika i njegovim demografskim podacima razlog su velikog broja dobrih preporuka. Ovi sistemi veštačke inteligencije se stalno prilagođavaju željama potrošača. Oni beleže svako njihovo sviđanje i nesviđanje, te na njih reaguju novim preporukama prilagođenim u realnom vremenu.
Važan deo dobrog potrošačkog iskustva u digitalnom dobu predstavljaju personalizovane marketinške poruke. One treba da budu zasnovane na interesovanjima potrošača, istoriji njihove kupovine, lokaciji gde su je obavljali, dosadašnjim interakcijama sa brendom i nizu drugih podataka. Veštačka inteligencija pomaže marketarima da prevaziđu standardne demografske podatke kako bi saznali više o preferencijama potrošača.
Takođe, ona prati potrošačke reakcije na poslate poruke, što sve zajedno omogućava marketarima da kreiraju više prilagođenih poruka potrošačima na osnovu njihovih preferencija, jer različiti potrošači odgovaraju na različite apele ugrađene marketinške poruke.
Veštačka inteligencija i algoritmi mašinskog učenja pomažu marketinškim timovima i prilikom odlučivanje gde će postaviti oglase i poruke. Na osnovu podataka kao što su interesovanja, lokacija, istorija kupovine, namera kupca i mnogih drugih, ovi alati licitiraju oglasni prostor koji je relevantan za ciljnu publiku u realnom vremenu.
Mogućnosti upotrebe veštačke inteligencije u marketinškim aktivnostima su brojne. Svakim danom njihov spisak postaje sve duži i obuhvata veoma širok spektar – od pomoći u automatizaciji taktičkih procesa, preko alata sa kreiranje sadržaja, imejl marketinga, pa sve do dinamičkog određivanja cena. Budući da ih ovde ne možemo sve navoditi, navešćemo samo još jedan vid uspešne primene veštačke inteligencije u marketingu.
Ovaj vid je naročito popularan poslednjih dana i predmet je velikog interesovanja javnosti, a trenutna zvezda je ChatGPT. Reč je o čet-botovima (chatbots). Zahvaljujući razvoju obrade prirodnog jezika putem veštačke inteligencije, čet-botovi se danas koriste kao agenti korisničke podrške. Korisnicima koji im se obrate sa najosnovnijim pitanjima oni su u stanju da daju trenutne i tačne odgovore. Takođe, oni mogu da iskoriste prošla pitanja i istorijske podatke kako bi korisnicima pružili personalizovane rezultate.
Sve do sada rečeno o upotrebi veštačke inteligencije u marketingu istu je predstavilo u najlepšem svetlu. Za pojedine, ona i nema loše strane. Oni o njoj govore samo u superlativu. I naravno, nisu u pravu. Takvi ljudi imaju nerealna očekivanja od veštačke inteligencije. Brojni marketinški stručnjaci se slažu u oceni da veštačka inteligencija može i jeste od velike pomoći, ali ne skrivaju njena trenutna ograničenja.
Svaka nova tehnologija koja se pojavi na tržištu je skupa. Veštačka inteligencija ne predstavlja izuzetak od ovog pravila. NJena kupovina i održavanje mogu značajno povećati troškove. S tim u vezi, određene marketinške zadatke ne može da obavi samo jedan sistem zasnovan na veštačkoj inteligenciji, već je neophodno osloniti se na različita pojedinačna rešenja kako bi se ti zadaci izvršili. Nepostojanje jedinstvenog rešenja, osim što dodatno poskupljuje, čini nabavku ovih sistema još komplikovanijom.
Sistemi veštačke inteligencije ne mogu da rade sami. Oni zahtevaju nadzor. Da bi naučili šta treba da rade, njima je neophodan neko ko će ih nahraniti svim potrebnim informacijama. A za vođenje marketinške kampanje, potreban je marketinški stručnjak koji će je planirati i voditi, jer je veštačka inteligencija ograničena na svoje razmišljanje. Ona može da radi samo ono za šta je programirana. Ona sav svoj posao obavlja odlično, ali za razliku od ljudi, nije u stanju da samostalno donosi bilo kakve presude, naročito one koje se zasnivaju ne na logici, već na intuiciji.
Za uspešan rad veštačke inteligencije potreban je veliki skup podatak. Ako sistemi veštačke inteligencije nisu posebno programirani da poštuju određene pravne smernice veoma se lako može dogoditi da oni prekorače ono što se smatra prihvatljivim u smislu korišćenja podataka o potrošačima za personalizaciju marketinga. U slučaju da do toga dođe, marketari rizikuju da se suoče sa strogim kaznama i narušavanjem reputacije.
I na kraju, a za marketing i najvažniji nedostatak, veštačka inteligencija ne poseduje kreativnost. Ona nije napravljena za kreativne poslove, tj. njena kreativnost je ograničena na kreativnu sposobnost osobe koja je programira i njome upravlja. Veštačka inteligencija može biti od velike pomoći prilikom osmišljavanja i kreiranja nekog izvanrednog rešenja, ali još uvek ne može da se takmiči sa ljudskim mozgom.
Sa veštačkom inteligencijom se susrećemo svakodnevno. Svako domaćinstvo poseduje bar jedan „pametan“ uređaj. Ali da li bilo ko takve uređaje doživljava kao stvarno inteligentna bića?
Da li će daljim razvojem ona to postati? Uprkos nadanjima pojedinih entuzijasta, realniji je scenario da ćemo odgovor na to pitanje još dugo čekati. Sadašnji sistemi koji koriste veštačku inteligenciju predstavljaju moćne poslovne alate. Veoma brzo i efikasno obrađuju velike količine podataka. Odlično predviđaju, a pojedini mogu čak da donose i zaključke. Koriste se i koristiće se u još većem obimu u marketingu.
U nekim poslovima će zameniti ljude. To se već sada dešava. Međutim, sve dok veštačka inteligencija ne postane samosvesna, emotivna, kreativna, moralna, snalažljiva… neće moći da zameni ljude.
Izvori:
https://www.marketingevolution.com/marketing-essentials/ai-markeitng
https://martech.org/why-we-care-about-ai-in-marketing/
https://www.ama.org/marketing-news/the-past-present-and-future-of-ai-in-marketing/
https://www.britannica.com/technology/artificial-intelligence/Reasoning
https://www.ibm.com/topics/artificial-intelligence
https://www.techtarget.com/searchenterpriseai/definition/AI-Artificial-Intelligence
https://www.marketingaiinstitute.com/blog/limitations-of-marketing-artificial-intelligence
https://hapticmedia.com/blog/artificial-intelligence-in-marketing-definition-example-benefit/
https://www.preduzmi.rs/ai-vodic/
https://inkubator.biz/vi-vestacka-inteligencija/
Ostavi komentar