智能化內容管理

　　無論是智能化內容生產還是智能化內容分發，事實上都依賴於良好的內容管理。視頻和音頻數據的非結構化特性導致對它們進行分類和整理非常困難，將人工智能應用於內容管理可以有效組織媒體的內容數據庫。自然語言處理技術的發展使得媒體可以更好地從文字內容中提取元數據，對內容進行分類、打標簽等工作。這些成為自動化新聞寫作和自動化內容分發的基礎。人工智能是學習推理的技術，計算機需要通過對大量人類寫作的新聞文章的分析，才能學會如何撰寫新聞，通過深層次的分析挖掘，才能產生更富變化的文章，而不是僅僅停留在模板填空的水平上。同樣，新聞資訊類應用進行個性化推薦需要學習如何對新聞打標簽，才能獲得哪類人更喜歡哪類文章的推薦。人工智能花了幾年的時間學習手寫識別，然后轉到自然語言理解，現在轉向了深度內容分析方面。神經網絡訓練系統為語音—文字轉換等技術增加了新的維度，它們不再是簡單的逐字轉換，而是考慮了上下文和相關性等眾多因素。此外，通過學習場景變化，位置參考，語音、面部和物體識別，媒體也可以對視頻進行深度分析，這種智能可以豐富視頻內容的分類和標記。在這裡，人工智能改變了整個內容管理的格局，將本來的手動流程轉變為高度自動化的機器工作流程。

　　IBM針對媒體推出了IBM Watson Media，作為其著名的人工智能商業應用，IBM Watson Media可以從視頻庫內容中提取海量數據，包括可視化數據（人或物）、文字和音頻提示、情感提示以及地點等其他特性。在美國網球公開賽中，IBM Watson Media的Cognitive Highlight監控比賽場地，分析球速、球員跑動距離及觀眾的歡呼次數等，並給出了一個“整體興奮”得分。所有這些數據都由Watson處理。使用這樣的工具，媒體可以更好地使用它們的視頻庫，為受眾提供更好的體驗，或者為廣告商提供更好的匹配。

　　半島電視台已經開始通過面部識別、語音翻譯和情感分析來研究他們的視頻內容，試圖搞清楚視頻中的人物是怎麼生氣的，聲音是什麼時候發出的以及人們在什麼時刻歡呼這樣的問題。他們還利用大數據挖掘20年前新聞節目檔案中的信息。

　　媒體的未來

　　長期以來，傳統的大眾傳播媒介一直主導著新聞生產，傳播途徑遍及社會各個領域，各種新聞信息通過電視、廣播、報紙和互聯網等大眾媒介快速傳播到世界各個角落，受眾的主體意識無法通過有效渠道得以發揮。隨著新傳播技術和媒介形態的變革，特別是移動互聯網的技術創新和嬗變、移動通信技術的快速發展和普及、社會化媒體的誕生，大眾傳播形態正在發生革命性改變，如今的新聞信息傳播逐漸呈現融合化、碎片化和社會化的傳播特性，各種傳播技術手段已將大眾傳播、群體傳播、組織傳播、社區傳播和人際傳播充分交織融合在一起。社交網絡或社會化媒體為人們提供了在線交流和傳播信息的途徑，人們在線社會化生活與社會化媒體融合，構成了一張巨大的社會網絡且不斷演化。這些傳播信息都被記錄下來並數據化，人們不斷在社會化媒體上簽到，獲取新聞信息和生產信息，體驗與分享，借助個性化推薦和新聞信息消費，探知社會、政治、文化生活的方方面面。受眾對新聞媒介的需求越來越個性化，也意味著媒介越來越個性化，使得人際傳播的影響越來越大，也使得大眾傳媒媒介的信息發布權開始由集中走向分化，受眾的傳播權得到了加強。而大數據正是具有社會化媒體融合特征的新傳播技術發展的結果。

　　抓住大數據這個抓手，智能化媒體的核心可以概括為：軟件定義媒體，數據驅動新聞，算法重構渠道，智能創造未來。

　　軟件定義媒體。目前流行的趨勢是“媒體融合”，簡單地說，融合媒體的形態可能表現為一個移動端的應用，或者說一個新聞客戶端，承擔著溝通媒體與受眾，傳統媒體與新媒體的橋梁。無論是比較重的獨立移動應用，還是較輕的微博、微信中的新聞賬號，都是以計算機軟件程序作為呈現主體。傳統電視、報紙、廣播和雜志紛紛開設社交媒體賬號，開發新聞客戶端，打造自己的融媒體應用，或者入駐新興分發渠道和新聞聚合應用，與原本的體系一起構成新的融媒體矩陣傳播體系，在內容分發上體現出多渠道、個性化、差異化的特色。

　　數據驅動新聞。大數據時代催生了數據新聞的發展，造就了這種將大數據與新聞敘述手段融合，從數據中發現最新事實的新聞報道形式。數據新聞的生產已經改變了傳統新聞的採、編、播、評、報的生產流程，變成了以新聞選題、數據採集、加工處理、可視化呈現和新聞敘事五個步驟構成的新聞產品作業流程，並面向新技術傳播平台，借助新的傳播手段，以信息圖、富媒體、H5應用和在線實時可視化網頁等方式廣泛傳播。而智能化媒體中新聞的生產傳播都是以受眾為導向的，面向目標用戶進行精准的新聞推送和個性化推薦。同時，借助受眾的社交關系數據，評論轉發等互動的內容分析，受眾移動的位置數據，各種目標用戶和潛在用戶的個人信息、消費偏好、線上行為活動等，採用大數據挖掘技術，實現用戶畫像和標簽化，滿足新聞消費的個性化需求和精准營銷。進一步來說，傳統媒體的數字化轉型，各種新聞產品的內容生產都可以數字化並被分析，借助數據挖掘技術，通過機器學習和深度學習算法實現人工智能應用場景，進而進化到智能融媒體。

　　算法重構渠道。傳統媒體追求更廣泛的受眾和更有效的傳播，在新聞內容生產上更具有優勢，也在傳統內容分發渠道上佔據強勢地位，但在移動應用和社會化媒體領域算法技術上往往欠缺，形成渠道短板，往往競爭不過新媒體出身的新聞資訊應用的內容生產者，隻能借助具備算法優勢的新聞內容分發渠道的新興媒體。例如今日頭條，他們不生產新聞，只是新聞的“搬運工”。這種所謂的媒體是以算法為王，憑借強大的數據資源，豐富的用戶畫像、智能化的推薦算法和個性化推薦技術將新聞推送到用戶手中。廣義上，大數據時代的數據算法，已經從傳統的統計分析和多變量技術，轉變為機器學習和數據挖掘算法，更有人工智能和深度學習算法，帶來了全新的算法革命。

　　智能創造未來。人工智能和大數據會在未來重塑媒體。新聞寫作系統中可以使用更高級的人工智能技術，對人類記者的行為方式建模。我們可以想象一個系統，該系統基於機器學習和人工智能的相關技術監測微博或者推特這樣的社交媒體，學習人類記者的監測方式，選擇有新聞價值的事件，並根據該事件在社交媒體上討論的發展趨勢自動寫成新聞，並選擇合適的新聞圖片，形成完整的稿件。對應於不同來源的大數據，例如社交媒體、傳感器和移動設備，可以形成不同的寫作系統。而一個自動化新聞寫作系統，會根據每個受眾不同的特征，選擇不同的新聞事件、不同的生成算法或者算法參數生成不同的文章，並推送到每個人的媒體終端上。當然，這並不意味著人不重要，相反，真正的專業人士的地位從來不會被機器改變。他們可能會在深度報道中發揮不可替代的作用，或者成為系統學習的源泉。這樣的智能化媒體，正是媒體的未來。

　　今天，媒體呈現的新聞作品，無論視頻、圖像還是聲音、文字，都將成為數據並可借助深度學習技術實現更加智能化的建模。人工智能借助深度學習算法已經可以實現自動駕駛、視頻分析、圖像識別、人臉識別、語言翻譯、語音合成、虛擬客服、自然語言處理等媒介產品形態和各種應用場景的處理。人工智能是在大數據、雲計算和深度學習算法的背景下產生的，盡管目前還是弱人工智能，但有不斷進化為強人工智能的趨勢。人們通過鍵盤與互聯網交流獲取信息，用遙控器觀看電視的方式，也許部分會借助智能語音盒完成。谷歌、亞馬遜、阿裡、百度都推出了智能語音盒，天氣預報、想聽的音樂、最熱的新聞事件，智能語音系統都能回答或呈現。借助人工智能技術的認知科學和上述應用場景，必將拓展更多樣化的媒介形態和傳播渠道，媒介生態將被重新定義，機器人新聞寫作必將對新聞內容生產帶來巨大影響，VR和AR技術將成為受眾新聞體驗的炫酷模式，新聞產品的受眾個性化需求匹配更加精准，廣告營銷更加碎片化和個性化。

　　（作者沈浩系中國傳媒大學新聞學院教授、博士生導師﹔元方系中國傳媒大學互聯網信息研究院互聯網信息專業媒體大數據與社會計算方向博士生）

　　參考文獻:

　　① Lorenzo Zanni. The future is artificial: AI adoption in

　　broadcast and media. https://www.ibc.org/tech-advances/

　　the-future-is-artificial-ai-adoption-in-broadcast-and-media/2549.article

　　②沈浩、元方：《“大數據時代”的自動化新聞寫作的歷史、實踐與未來》，《新聞愛好者》2017年第4期。

　　③張維寧、李夢軍：《今日頭條:繼BAT之后的“超級玩家”》，《清華管理評論》2017年第6期。

　　④張涵：《雲計算人工智能顛覆視頻制作 科技巨頭混戰娛樂媒體業》，

　　http://www.21jingji.com/2017/10-25/yNMDEzODFfMTQxOTAyNw_3.html

　　⑤胡正榮：《智能化:未來媒體的發展方向》，《現代傳播(中國傳媒大學學報) 》2017年第6期。

分享讓更多人看到