1、人工智能来了 他将怎样改变传媒业? 孙琳 李丹 早期人工智能 (AI) 的目标是用机器人模拟人类的思维和处理方式, 经过几十年的发展, 受制于算法和机器处理性能等多方面的因素影响, 在实际应用中一直存在非常大的瓶颈。近年来, 通过机器处理能力、算法优化、深度学习和自然语言处理等技术的飞速发展, 使得人工智能在图形图像领域、媒体领域, 以及其他各个行业的应用可以进入到循序渐进的价值。人工智能的范畴概念非常大, 而近年发展迅猛并陆续有实用价值而被公众感知的主要是在围棋领域的应用, 谷歌的阿尔法狗让公众感知到了人工智能的威力。但是这仅仅是 AI 在某一个领域被感知, 实际上这些人工智能的技术和成果将
2、对各个行业和领域都产生非常大的影响。在媒体领域, 人工智能的早期应用基本上集中在机器人新闻、机器人写作这些领域, 例如在体育、财经领域可以由机器人来模拟人类写作的手法, 把股市开盘收盘的报道、比赛赛果的呈现, 按照标准的格式变成文字。而在其他方面, 媒体行业的 AI 应用还处于早期的起步阶段。但是毋庸置疑的是, 随着人工智能应用的逐渐深入, 将会对媒体整个生产流程、生产工艺、处理手段、传播手段乃至运营模式都产生非常大的影响。本刊对上海广播电视台融媒体中心、晓数聚传媒科技有限公司、天脉聚源传媒科技有限公司等进行了采访, 尝试从不同角度勾画人工智能在广电的应用图景。提高内容生产效率, 构建内容与用
3、户的关联上海广播电视台融媒体中心主任助理周炜2015 年 12 月 22 日, 微软小冰就以见习主播的身份, 加入东方卫视早间新闻栏目看东方, 替代原来的人类播报员播报天气, 这是微软的人工智能虚拟机器人首次在电视荧屏上的主持亮相。而 2017 年以“互联网大数据播报员”的身份, 出现在东方卫视融媒体新闻直播节目小冰摇摇吧中的微软小冰, 又有了进一步的升级, 在节目中微软小冰利用大数据推送最热新闻, 收集筛选网友评论、通过线上视频采访网友、全程与人类主持人搭档互动。小冰摇摇吧也成为了新闻史上第一个以人工智能为主线, 并且命名的新闻直播栏目。上海广播电视台融媒体中心主任助理周炜表示, 微软小冰是
4、微软在 2014 年发布的智能对话机器人, 它通过与人聊天的方式学习知识。当时看东方的制片人大胆采用人工智能, 首次引进了微软小冰播报天气。每天在后台将天气播报的数据输入给小冰, 小冰根据与不同用户几百亿次的聊天对话来获取知识, 根据天气信息从大数据中梳理出生活提示等信息进行播报, 比如某个节气的注意点、气温低要注意穿衣保暖等等。而经过一年多的磨合之后, 到了小冰摇摇吧阶段, 微软小冰的工作有了进一步提升, 她开始做新闻的梳理通过跟网友的聊天选择本日最热门的新闻话题。从天气播报到采访网友, 微软小冰的感知和表达能力有了很大的提升, 但是周炜仍表示现阶段要达到非常理想状态下的人工智能型新闻评论员
5、还没那么简单。目前微软、谷歌等都在开发人工智能, 但是他们对人工智能的学习方法设定并不相同。微软小冰的学习方式是聊天, 而没有系统的知识学习, 而作为新闻评论员所需要的系统知识数据量可能会像百度百科那么海量。周炜以肯尼迪遇刺案为例:“理想的机器人主持需要知道肯尼迪遇刺案的前因后果, 事件发生的全过程等等, 这些知识未必能够通过聊天获得。”然而一些单纯依赖百科知识+语音转换设备与人聊天的机器人, 也不是真正的人工智能机器人, 因为人机对话并不是知识朗读。理想的人工智能机器人主要是指机器人具备学习能力, 轻松理解人类的语意, 将信息转化为自身的知识, 并且有自己的逻辑, 学会人类的情感表达方式,
6、就像真正的拟人化一样。这其中需要包括两方面技术的结合, 一方面是海量知识数据的掌握, 另一方面是机器人的语言组织能力, 理想的状态下是能够将海量数据整合成自己的观点, 以类似人类说话的方式讲述出来。对于新闻来说, 如何与人工智能相结合让机器人能够适合做一个新闻评论员, 仍然是一条需要摸索的道路。人工智能技术快速发展, 目前在围棋领域有了非常强的阿尔法狗, 但是他所做的还是单一专业领域的事情。而新闻评论员的角色恰恰是非常多元的, 既要掌握逻辑梳理能力, 还要拥有适当的情感表达能力, 并且要有丰富的知识储备, 这当中要突破的领域还有很多。曾经有人做过测算, 人类大脑的思维涵盖着知识、情感认知等各种
7、各样的思维模式, 达到人脑同等计算能力的超级计算机体积将要覆盖 720 平方米。真正的人工智能机器主持人将需要同时完成好几件事情, 这还不是现有的人工智能技术能达到的。因此目前微软小冰在上海广播电视台的各个节目中的应用还有一些瓶颈存在。一方面小冰通过聊天获取的信息虽然远超过普通人脑中的记忆量, 但是这些知识如何与特定的节目类型相匹配是个难点, 例如新闻节目所需要的国际政治、经济学等有针对性的知识;另一方面, 虽然随着微软背后对学习程序的优化, 从一代到五代小冰, 知识储备量越来越大、表达和情感理解方面得到了一定程度的升级, 但是距离新闻主播的表达方式还有很大距离, 仍然需要适当的人工干预后才能
8、播出。看东方微软小冰化身天气播报员小冰摇摇吧中微软小冰利用大数据收集网友热点新闻关于未来人工智能在新闻制作中的应用, 周炜谈及了几个可能的方向。一是通过大数据、人工智能等技术, 将工作流程优化, 提高内容生产的效率。目前融媒体中心通过自己研发的 XNews 平台, 实现了一次采访多渠道分发, 将原有的传统媒体的生产能力投入到新媒体的生产之中, 打破了传统媒体与新媒体的平台壁垒, 这就是通过流程优化实现智能高效的新闻生产。未来随着人工智能技术的发展与成熟, 如何盘活传统媒体的媒资数据库, 使编辑能够很方便的搜索管理, 快速对资料进行整合, 这将是会加大提高媒体工作流程的效率。目前电视台的影像资料
9、库通过编目搜索效率还比较低, 如果能够采取图像识别、人脸识别、语音识别、智能比对的方式, 就可以非常精准的进行资料的检索。例如通过人脸识别自动标注出席会议者的姓名, 同时可以检索不同人的影像资料, 推送一个精准的集合给到记者, 记者再去编辑整合, 这将大大提高记者的工作效率。第二通过人工智能去深度挖掘大数据, 从数据中找到新颖的视角。东方卫视东方大头条节目就曾与业内率先用算法生产新闻的“今日头条”有过合作, 通过“今日头条”筛选新闻榜单进行播报。上海广播电视台还曾经与百度大数据合作, 梳理逢年过节的交通数据生产新闻;也与上海大数据交易中心合作, 结合城市管理数据指导新闻生产。目前的尝试还是单纯
10、依靠大数据梳理新闻热点, 比较简单化;而大数据如何真正与新闻结合将是非常复杂的, 需要找到独辟蹊径的办法。或通过大数据+人工智能技术分析用户画像, 或通过微软小冰与用户的聊天了解用户特征, 来选择特定的新闻满足用户的需求。这其中基于算法的个性化推荐需要足够的用户量, 并非根据每个用户定制一个算法, 而是根据大量用户数据按照人群进行分类。在用户量很小或者资讯量很小的时候, 是没有办法去执行算法的。因此作为媒体首先还需要找到自己的用户, 进行用户沉淀与截留, 第二才是找到中间的算法, 对用户数据进行分析。随着移动互联网的普及应用, 媒体正在从广播式的传播模式演进到移动互联网时代“以人为中心”的社交
11、化、社会化传播模式。当传统媒体经历媒体融合的变革, 逐渐打通互联网与社交媒体, 实现真正的融合状态之后, 开始积累了自己的用户和用户数据, 这个时候便进入了智慧媒体的初级阶段。在这个基础之上, 媒体基于大量的后台用户数据和人工智能技术, 才可能感知用户的喜好和偏好, 推送用户喜好的内容。湖南卫视我是未来节目也曾以虚拟形象的小冰与张绍刚联合担纲主持深度挖据数据价值, 打通数据与用户的精准匹配作为国内聚焦在体育领域, 为体育媒体、体育赛事及体育商业提供数据分析和服务的体育数据公司, 晓数聚在帮助体育媒体进行大数据分析与应用方面不断创新尝试独特的模式。晓数聚是新奥特投资组建的一家体育数据公司。201
12、4 年新奥特参与了央视春晚的数据分析项目, 新奥特团队与中科院高能物理研究所、广科院三家联合参与了央视春晚的社交媒体大数据分析服务, 基于对春晚前后60 个小时的社交媒体的数据采集, 形成春晚媒体传播的分析报告。巴西世界杯期间, 三家机构再一次联手, 通过社交媒体的数据采集、清洗、分析, 发现世界杯比赛日的热议话题供央视节目策划与专题制作, 并尝试基于社交媒体对球队胜负的观点和评论对比赛结果进行预测。新奥特与中科院高能物理研究所、广科院联合研制的“基于媒体大数据的智能服务平台”由于在央视春晚与世界杯期间的创新应用, 获得了中国电影电视技术学会 2015 年度科学技术奖一等奖。大数据在传媒行业的
13、新闻、综艺、体育、运营商、广告等各个领域都将有着广泛的应用前景。其中在体育领域, 随着中国中产阶级比重不断增大, 中产阶级消费将从物质消费向精神消费转型升级, 体育消费更将成为精神消费中的刚需。2015 年中国体育逐步开始产业化的步伐, 新奥特将 20 多年积累的传媒科技, 赛事转播与服务经验, 结合大数据、人工智能、物联网、AR/VR 等新一代的信息技术, 服务于体育产业, 因此晓数聚应运而生。在不到两年的时间里, 已经服务了央视体育频道、赛事频道、央视新媒体、CCTV 微视、腾讯体育、凤凰体育、阿里体育、聚力体育等拥有赛事版权的体育媒体, 在国足、亚冠、中超、NHL、NBA、中网、排超等热
14、门赛事开展了赛前、赛中、赛后的深度数据分析和广播级可视化的呈现。北京晓数聚传媒科技有限公司创始人张大勇表示, 因为“晓数聚”聚焦在体育领域, 为了真正达到体育赛事、体育媒体、体育商业基于数据的精准运营, 整个过程需要大数据和 AI 的算法和模型去构建创新的分析与应用, 不断促进体育产业的升级。人工智能的基础是对于海量数据的学习与训练, 必须有大数据作为基础、在海量数据积累与分析的基础上, 抓住行业痛点, 解决实际问题才能产生应用价值。晓数聚作为体育数据分析与服务公司可以说具备了天然的土壤, 通过与顶级赛事官方数据服务商的直接合作, 获取了大量的历史数据与实时数据。同时晓数聚的团队中还有一群非常
15、重要的角色职业数据分析师与数据产品团队, 他们会根据不同赛事不同应用方向开展专业的针对性的多维度数据分析。晓数聚为此打造了“超赛体育数据平台”, 将各种赛事的基础数据、深度数据、动作事件数据, 以及体育媒体的用户行为数据、体育电商的消费行为数据、体育场馆的用户行为数据聚合在超赛体育数据平台当中, 然后利用大数据、人工智能等理念与技术提供有价值的数据分析、数据产品和数据服务, 用数据产品把体育赛事、体育媒体、体育商业机构、体育消费人群实现精准连接。通过数据可以掌握不同用户喜爱的运动项目、球星、购买的运动品牌、经常出入的运动场所, 用数据产品和数据服务实现赛事、媒体和人的精准匹配, 从而体育商业机
16、构也自然在整个链条中实现基于数据的精准匹配。这其实不仅仅是体育大数据, 也是经典的传媒大数据在体育细分方向上的尝试。北京晓数聚传媒科技有限公司创始人张大勇晓数聚打造的超赛体育数据平台晓数聚的数据分析与新奥特的图文包装珠联璧合在具体应用层面, 张大勇表示, 在打造超赛体育数据平台时, 最早用到的人工智能技术就是 NLP 自然语言处理。面对海量的赛事信息和数据, 为了能够让服务对象能够精准快速地定位到他所需要的数据, 在平台早期构建和开发过程中就没有采用传统的搜索方式, 而是通过基于文字的自然语言处理技术。具体举例来说, 例如搜索“2013 赛季 NBA 最牛的球队”这样模糊的问题, 如果按照传统
17、搜索方式很难搜索到需要的内容, 而通过自然语言处理会对这句话进行分词处理、联想和智能关联推荐, 可以从全联盟夺冠球队、整个赛季场均得分最高球队等不同维度推荐搜索结果, 而在提供某一个数据结果时, 旁边也会通过智能关联推荐其他维度的相关数据。基于文字的自然语言的应用会使平台的感知和智能化程度大大提高, 比传统广电媒资的标签化搜索具备更强的智能性。另外, 张大勇透露, 随着平台的优化完善和迭代, 后期基于语音的自然语言处理也会引入, 未来平台可能会根据用户的偏好播报赛事结果, 预告体育赛事等等。而在技术更加成熟的未来, 超赛体育数据平台还可以作为家庭机器人或体育玩偶的后台, 引入自然语言人机交互,
18、 为球迷提供数据产品的语音播报等服务。除了自然语言处理之外, 图形图像的深度学习也在平台大量使用。实际上图形图像的识别技术已经存在了几十年, 随着近年来以深度学习为代表的新的人工智能领域技术的不断成熟, 在图形图像处理手段中引入了全新技术, 使得图形处理的识别精度极大地提高。超赛体育数据平台在处理大量赛事视频和图形图像数据的过程中, 使用了大量深度学习的算法, 让平台对比赛画面和音频能够有更精准、更智能化的分析, 从而可以实现各种不同领域的应用。例如基于深度学习图形图像的识别, 可以精准检测到赛事的比赛信号和图片视频里面的场景、区域、位置及广告标识, 在拥有权益的情况下通过深度学习和产品识别进
19、行精准的虚拟植入, 帮助赛事创造新的商业价值和广告呈现手段。晓数聚与 2017 中国网球公开赛进行了深度合作通过基于 AI 的图像识别实现精准的虚拟植入, 为中网创造了新的广告权益这是晓数聚在数据与 AI 结合应用的早期尝试。因为晓数聚目前优先提供的是面向体育媒体的数据分析与可视化产品的服务能力, 聚焦体育媒体的主持人、评论员、记者、编辑、频道包装、频道制片人等等所需要的数据产品和服务。数据与 AI 的引入, 一方面提高了赛事的赛前、赛中、赛后深度分析能力, 使比赛的信息丰富程度和呈现效果都实现了新的模式;另一方面除了提升赛事转播的质量, 数据分析时刻也具有极高的媒体商业价值, 可以帮助体育媒
20、体创造增量的广告资源。体育数据分析与体育赛事及体育媒体合作的全新模式在今年的中国网球公开赛得到了充分的验证, 2017 中国网球公开赛, 晓数聚作为 HB, 负责统筹中网外场 5 片场地的电视公用信号制作, 外场总控信号调度和传输、数据分析和虚拟植入的产品开发与商务开发, 晓数聚作为中国网球公开赛的服务供应商, 通过技术创新与模式创新, 帮助中网不断提升传播力、影响力及商业价值。但张大勇同时也认为虽然目前自然语言处理、深度学习等 AI 技术有了很大的进展, 但是人工智能在各个领域的应用目前还处于初级阶段, 还有很长的路要走, 要不断的创新与深入实践。尤其是在人类情感领域, 目前很难预测未来几十
21、年后机器人的情感感知能发展到什么程度, 但是情感感知部分人工智能比较难逾越的。在机器写作领域, 财经和体育是机器写作最早应用的领域, 因为这类新闻大量用数据说话, 格式也比较固定, 而复杂的带有情感的报道机器还代替不了人类。以今年 6 月份晓数聚为腾讯体育所做的 NBA 高阶数据分析为例, 数据团队分析的维度和视角绝不仅仅是针对 NBA 数据做一些简单的统计和呈现, 而要根据比赛看点、进程、节奏、球员球队表现去提炼分析角度。例如总决赛有数场欧文表现不佳, 就要用数据分析欧文是在哪个阵容或者与谁对位时表现不佳, 表现不好的具体点体现在哪, 是进攻不好还是投篮命中率低等。通过数据也可以分析出“库里
22、使用效率队球队胜负的影响”, 这些看点和分析视角维度确定后, 才是调取大量数据通过相应算法模型最终得出结论。而对于很多赛事看点的提炼目前机器人还很难代替, 即便是机器自学也有非常大的挑战性。数据分析师对体育数据分析维度的提炼, 是人工智能较难逾越的领域畅想未来, 张大勇表示随着“超赛体育数据平台”数据聚合与算法模型的越来越丰富, 陆续会引入更多的 AI 算法和模型, 丰富其产品形态, 针对数据的 AI在体育领域的应用进行深入的探索。不仅仅是体育领域, 随着大数据、人工智能、物联网技术的发展和演进, 通过图形图像、大数据的深度识别与分析, 通过人工智能算法的应用, 未来各个传媒领域将可以实现资讯
23、、平台、传播渠道、呈现终端、受众、时间与空间的精准匹配, 当媒体进入这样的阶段, 才是真正进入了智慧媒体的阶段:任何人、任何时间、任何地点, 以任何方式实现信息的精准送达与智能匹配。加速构建智能场景 争夺用户连接入口对于未来智慧媒体的理想状态, 天脉聚源执行总裁尹逊钰将其分为两个层面, 第一层面为媒体智能, 从技术角度来讲, 它是基于媒体的人工智能技术、大数据技术、云计算技术等媒体智能化技术构建智慧媒体场景, 而媒体智能技术所对应的场合就是现在热议的中央厨房新一代的媒体内容生产、传播和运营体系, 它包含了媒体预算、语音识别、大数据、数据挖掘、云媒资、内容发布等运用多平台能力层, 在这里人工智能
24、帮助媒体进行内容结构处理、自动化切片、各种语音场景物品等识别, 解决编目效率, 提高生产效率。而仅仅具备了高效的生产能力, 缺少用户连接层也是远远不够的。这时候就需要另一个层面智能媒体, 实际上也就是中央客厅连接用户与媒体的场景入口。在这里人工智能可以帮助媒体主动抓取用户信息, 建立数据库, 积极创建与用户联动的入口, 提高内容传播率。“天脉的主题就是注重用户的改变、智能重构媒体, 目的是要通过媒体智能来建立智慧媒体, 通过中央厨房解决中央客厅的问题。所以, 未来除了将内容传播到互联网上, 还应该明确智能媒体的落脚点, 也就是以电视为中心, 积极创造更多智能场景来霸占、消耗用户时间。”天脉聚源
25、执行总裁尹逊钰强调, 这其中就要充分利用人工智能技术, 在互动过程中采集、收集、整理用户的一系列数据, 如:用户的画像、年龄、联系方式、性别、地域、消费力、信誉等, 从而通过这些数据更全面的了解用户行为, 做出更准确、个性化的推荐。后期再通过不断互动, 逐渐丰富数据, 提高数据准确性。天脉聚源执行总裁尹逊钰此时, 媒体的智能核心能力就尤为突出。如下图所示, 首先, 需要具备媒体智能, 从而感知用户是谁, 再让用户也能感知内容, 在感知的过程中捕获数据, 并对感知数据进行管理、用户数据分析等。通常媒体比较关注通过构建人工智能计算与服务框架模型, 建立相关的视频内容识别、视频内容分析、海量文本数据
26、处理与分析系统, 帮助媒体生产用户需要的内容。例如利用人工智能技术, 媒体可以主动抓取互联网热点新闻或内容进行新闻热点追踪;通过对客观真实的数据进行智能筛选、整合、分析, 利用新媒体的可视化相关技术, 从而更好地阐述事实、传递信息、帮助受众理解新闻。而除了内容生产之外, 感知及数据捕获的能力构建也非常重要, 通过感知数据进行管理以及用户数据分析, 并根据用户数据精准匹配内容、调整运营策略是未来媒体的发展方向。人工智能可应用于用户画像, 并收集用户大数据。尹总举例说, 目前有一款外挂摄像头叫小脸色, 它不识别用户的外貌等隐私, 但是识别用户的“脸色”。在节目播出的过程中, 可以通过摄像头对用户的
27、面部表情进行采集, 微笑即代表满意, 那么, 在播出过程中就可以了解到用户对哪些节目内容最满意、最感兴趣, 进而优化节目内容制作。在我要上春晚节目中, 也准备通过手机端利用人工智能表情采集技术, 经过对采集到的表情数据进行满意度统计, 若超过 10%的微笑, 便从中抽取“微笑度”更高的观众并发放礼物。并且, 在节目指定互动的瞬间捕获全国 100 个笑脸呈现在大屏幕上。再比如, 那年花开月正圆播出期间, 观众通过摇一摇就能套用模板并搭配节目海报, 将自己的头像和弹幕一起制作成一个十秒的短视频, 视频的内容正是当前播放的电视剧画面, 然后用户可以将这段视频分享出去。这样就能将用户参与的部分再返回到
28、电视上, 与用户形成了双向互动。另外天脉已经尝试了语音、物品、场景、人物识别提取等人工智能应用来进行内容的识别和处理, 然后提取标签, 在手机客户端用户便可以进行各种丰富的同步互动, 并同步采集到用户的数据。比如, 电视节目在播出的时候, 通过语音、物品等场景, 提取出视频中的商品标签, 而后在用户通过手机摇一摇的时间点来了解背后的信息。通过媒体智能, 每个节目都将从单纯的播出内容变为搜索引擎, 这也可以扩大媒体的商业价值。例如通过人工智能技术可以对广告内容进行高效识别, 同时给出全面的关联数据, 提供精确全面的广告投放信息。对广告内容语义级的理解, 建立广告信息的深度分析与统计, 统计单日或
29、某时间段的流量及收益情况, 了解用户福利的发放情况;广告的效果情况和相应的收益情况;提供给广告主与客户更关注的信息价值。媒体三大智能核心能力将用户参与的部分返回至电视上形成双向互动那年花开月正圆微信互动截屏其次, 需要具备场景智能, 从而连接用户。一方面让传统电视连接受众, 另一方面让用户连接内容, 产生两者的互动。基于内容、声音入口场景智能识别引擎, 将传统媒体转化为智慧媒体内容, 进而连接用户和场景, 构建智能媒体应用。“原来的电视内容只是单向的、静态的生产, 而现在可以把观众的参与的部分回到电视上, 变成新内容, 这就是场景智能。”用户通过智能识别入口进入手机端进行互动之后, 产生的用户
30、数据包括头像、互动角标之类的内容返回呈现在电视上, 从而产生节目与观众的双向、动态的全景互动;甚至未来这种互动还可以升级为 VR/AR 类内容或游戏互动构建 (如 VR 试驾闯关游戏) , 让用户在互动参与中对具体事物的性能、特点有所认识和了解, 并可在游戏中进行摇一摇或弹幕互动。另外, 在音乐模拟大赛、合唱比赛等节目场景中, 可以通过人工智能来匹配电视端与用户手机端同步歌唱的声音粘合度, 实现有趣的互动。尹总还介绍, 在朗读者这一应用场景也已经落地实施, 比如在朗读再别康桥的时候, 可以识别朗读者声音标准化的程度, 包括每个字的发音是否正确、音量音高等是否合理等等。“但在不断的实际应用过程中
31、, 一些问题开始逐渐浮现。如声音的标准化可以得到很好的识别, 但是话中抑扬顿挫的情感, 人工智能是不容易识别出来的。比如在节目中与机器人比拼现场作诗, 机器人的联想能力、寓意分析等是很难和人相比的。”伴随人工智能的应用, 节目内容创新的同时, 节目模式也在发生转变。“比如, 未来深夜或许会出现一档没有主持人的节目, 节目中可以通过 VR 技术模拟出一个人形, 他可以通过语言、表情、肢体动作等来与观众互动。这正是我们计划要做的, 由于背后的算法太过复杂, 预计至少需要一年的时间才能完成。或者还会出现机器人智能对抗类的节目, 观众可以不断挑战机器人, 并且由其他观众来投票决定胜负。通过类似这种节目
32、模式的转变, 电视节目本身其实就变成了智能节目。”最后需要具备用户智能, 在连接的过程中精准匹配内容, 同时沉淀用户。传统电视的广播式传播方式最大的症结在于瞬间连接、无法直面用户, 通过用户智能将用户沉淀转化, 建立长久的连接, 并可以产生持续的商业应用。人工智能可以帮助用户画像, 收集用户数据, 并在云端建立大数据。通过打通电视和互联网直达通道, 构建手机+电视的“智能伴随”、“智能联动”、“精准到达”媒体场景, 包括智能连接、智能联动、智能匹配等等, 进而使用户通过移动端与广告、流量、互联网等商业环境匹配后实现商业落地。如匹配用户喜好和环境, 产生兴趣话题进行推送、精准商品推送、基于个性搜
33、索进行共同兴趣的智慧匹配等。未来或将出现机器人智能对抗类节目伴随着人工智能、互联网等技术的不断应用与革新, 不难发现, 收视人群、收视习惯等也都在不断发生改变。2008 年至 2012 年, 用户的选择是精品收看, 所以出现了快乐大本营、天天向上、超级女声等节目。而从 2012年到今天, 个性化、参与化的收看观众才是核心人群, 看电视的目的凸显出来了。用户收看的节目一类是仅在电视上播出的内容, 另一类则是互动性较高、能与观众本身产生直接联系的节目。如今, 手机已经成了主角。与此同时, 很多“侵略者”同样在争夺观众、争夺屏幕、争夺入口、争夺时间, 比如 OTT、电视盒子等。这些“侵略者”可以记忆
34、用户的习惯、及时更新用户的信息, 做到越来越准确的信息推荐。而与这些“侵略者”相比, 电视云端缺乏连接和双向的洞察, 从客厅的观众角度出发, 电视机及其播出的内容是单向的, 它对于用户的喜好、习惯等一无所知, 因此客厅很难制造出智能场景。尹总认为:“目前使用场景更多的是在电视、手机和智能硬件上。所以, 未来应该以家庭为单位, 围绕客厅做文章, 以电视机为核心, 找到智慧媒体的落脚点, 也就是消耗用户时间的核心点, 积极创造场景。”目前天脉生产的中央客厅的下一代成员“电视精灵”, 已经可以实现无需与机顶盒关联, 即能实现语音控制、节目互动、智能换台、关联推送、场景联动、人群感知、预约播出等指令。
35、尹总指出, “在我看来, 未来智能家庭的终极样态就是通过人工智能技术来创建一套人工智能的体系, 做到以电视互动为主, 掌控整个智能应用场景。而其实现在天脉正在做的也是通过人工智能和智慧媒体的方式, 利用互联网带来的便捷之处, 更好的将互联网的商业延展进去。同时, 通过对电视内容的互动化改造, 为受众提供的是有价值内容和信息同时, 制造和形成观众主动参与的任务互动场景。持续打通双屏价值通道, 提升用户体验的特定商业模式, 争夺更多的观众及屏幕、霸占用户、消耗用户时间。”结语因为阿尔法狗接连打败人类的新闻, 人工智能在今年一度成为了最热门的话题。随着机器人主持、机器人剪辑、机器人写稿的纷纷出现,
36、甚至有人对人工智能产生了深深地忧虑, 如果未来一切都由人工智能代替了, 是否我们媒体人就都会失业了?然而公认的计算机领域超级大师 John Hopcroft 教授则表示, 并未像人们预想的那么乐观, 人工智能目前仍只是高维度的模式识别, 我们离实现真正的人工智能还有很长的路要走。例如目前的机器人写稿, 还局限在财经新闻、天气预报和地震资讯等的机器人写作, 因为这类新闻只需要抓取关键信息、套用固定的格式, 可以用机器人写作快速生产完成, 大大提高新闻生产的效率。而且目前通常还是需要再经过人工加工、美化润色。而人工智能剪辑, 可以通过语义识别、拆分和图形图像识别, 按照基本的剪辑规则剪辑视频片段,
37、 但是其无法判断素材质量和表演的好坏, 尚无法进行对话类的视频剪辑。在采访中, 张大勇也表示, 以阿尔法狗与人类相比其实带有某种意义上的不公平, 阿尔法狗对 CPU 计算资源的调用, 对能源的消耗与人类能量消耗完全不具备可比性。但是人工智能领域机器人有它的优势和长处, 人类应该善于运用机器人的特长解放相对传统的、机器人容易胜任的工作, 帮助人类解放生产力, 让人类从常规化的工作里解放出来, 可以更多的去思考跟情感与文化有关的内容。对于媒体也是一样, 用科技提高效率和质量, 用数据科技在信息爆炸的时代实现信息媒体的资讯和时间空间渠道的精准匹配, 让人工智能帮助媒体完成常规化标准化的工作, 而新闻报道、专题等传媒领域需要一些触动心灵的内容, 则将是未来高级媒体从业人员最核心的部分。另外, 受访者纷纷表示作为传统媒体还必须从顶层架构去做设计, 首先要解决与用户的链接问题, 沉淀用户、获取数据;其次还需构建场景, 在媒体中使用人工智能解决行业的痛点问题。虽然语音识别、视频识别、文本处理、机器人这些领域都与传媒密切相关, 然而在传媒行业的应用还需要以行业需求为主导, 未来的广电人不妨打开思路, 去发现更多新的发展途径、新的产品线, 构建新的场景, 将“人工智能+媒体”带入新的空间。
