人工智能有望改變媒體，重塑媒體的整個流程。未來，人工智能將融入到媒體運作的各個環節，但在媒體行業的落地，需要更復雜、更全面的架構。無論是人工智能本身還是其在傳媒領域的應用，距離成熟都還有很長的路要走。當下，應基於媒體行業自身的數據構建具有針對性的人工智能系統，提升媒體與人工智能結合的成熟度。

　　人工智能 媒體融合 應用場景 未來發展

　　媒體行業正處於融合發展的深水期和戰略轉型期，亟須找到媒體產業升級的新思路和新方向。隨著人工智能應用的逐漸普及以及人工智能在媒體行業中一個個新的實際應用成果的誕生，我們越來越清晰地看到人工智能在推動媒體融合發展中的作用。人工智能給媒體行業帶來的影響是深遠的，推動著媒體運作流程中每個環節的變革，人工智能正成為媒體縱深融合的關鍵著力點，為媒體向智能化發展賦能。

　　人工智能+媒體：應用場景多元

　　大數據時代為媒體帶來了前所未有的豐富數據資源和先進數據科學技術，但同時媒介環境變化也給行業的態勢帶來深度的影響。如今，受眾呈現出分散化、復雜化的特征，信息量指數式增加，傳統的內容生產、分發的方式及傳受關系已不能滿足時代的需要。媒體和媒體人正試圖探索人工智能給智能媒體變革帶來的新機遇，並積極尋求人工智能在傳媒領域的落地。

　　人工智能在媒體有著巨大的應用空間，事實上，人工智能與媒體實際應用的結合已經有許多成功的案例並且在許多方面有著出色的表現，媒體行業對於人工智能技術直接或間接的運用正在不斷發展,並將推廣到更廣泛的新場景。

　　高級文本分析技術

　　基於自然語言處理技術的文本分析技術是人工智能重要技術領域。自然語言處理（NLP）可以分析語言模式，從文本中提取出表達意義，其終極目標是使計算機能像人類一樣“理解”語言。基於內容理解和NLP的寫作機器人為記者賦能，可以模擬人的智能和認知行為，實現機器的“創造力”，經過對大量數據的分析和學習，形成“創作”的模板，用人機結合的方式來強化記者的寫作能力。國內的媒體積極地將這一技術作為媒體內容生產方式的創新，如新華社的“快筆小新”，南方報業的“小南”等。百度人工智能開放平台推出的NLP產品“新聞摘要”，其技術原理是基於語義分析和深度學習模型，進行新聞內容的語義分析，自動抽取新聞內容中的關鍵信息，並生成指定長度的新聞摘要，可用於熱點新聞聚合、新聞推薦、語音播報等場景。

　　圖像和視頻識別技術

　　圖像和視頻識別可以基於深度學習進行大規模數據訓練，實現對圖片、視頻中物體的類別、位置等信息的識別。圖像主體檢測可以識別圖像的場景、圖像中主體的位置、物體的標簽等。人工智能視頻技術則能夠提供視頻內容分析的能力，對於視頻中的物體和場景進行識別並能夠輸出結構化標簽。

　　圖像和視頻技術在媒體中應用十分廣泛，如內容分析、質量檢測、內容提取、內容審核等方面。以媒體內容監測為例，有了人工智能圖像視頻技術的加持，使得非結構化媒體數據採用機器審核成為可能，通過數據集的訓練建立用於審核的模型，針對畫面中的元素進行追蹤，對於圖像及視頻中的不恰當、有爭議或違法內容、敏感內容、低俗內容等進行識別檢測，進行標注和報警，以進行過濾和處理，可以大大減少人力的投入。

　　語音技術

　　人工智能語音技術主要包括語音識別和語音合成，它是一種“感知”的智能。自動語音識別（ASR/AVR）是基於訓練的自動語音識別系統，將物理概念上的音頻信息轉換為機器可以識別並進行處理的目標信息，如文本。語音合成技術是通過深度學習框架進行數據訓練，從而使得機器能夠仿真發聲。一些智能語音開放平台也提供了智能語音服務。以科大訊飛構建的智能語音開放平台為例，科大訊飛的語音輸入法准確率已經能達到98%，並且輸入的速度提高到了每分鐘400字。越來越多的媒體開始使用科大訊飛的語音技術。

　　隨著語音轉換技術的日漸成熟，“語音-文本”雙向轉換技術在媒體中的應用成為可能。例如將語音識別技術在採編環節中使用，生成文本稿件並進行二次編輯。運用人工智能智能語音編譯系統，將現場的語音報道生成文字版，大大提升了編輯人員原本耗時的整理工作的效率。將媒體的視音頻內容轉化成為文本素材，提升了媒體稿件、節目素材管理的效率。由於需要應對媒體音頻和視頻文件聲源的復雜性和不可控性，雖然目前生成的文字稿件並不完美，但也在不斷地提升和改善。

　　語音合成技術可以基於深度學習模型，把媒體報道的文章從文字版轉換成語音版，並且接近於逼真的人聲。甚至可以根據不同受眾群體的需求，針對性地生成特定的聲音供用戶收聽，打造更貼切、更有親和力的語音體驗。

　　人臉與人體識別技術

　　人臉識別是人工智能的應用中最為人所熟知的，它屬於計算機視覺領域（CV）。目前人臉識別技術的主要應用包括人臉檢測與屬性分析、人臉對比、人臉搜索、活體檢測、視頻流人臉採集等方面。谷歌、蘋果、Facebook、亞馬遜和微軟等互聯網巨頭爭相在這一領域的技術和應用方面搶奪先機，紛紛推出相關的技術應用並不斷突破創新。2018年5月的媒體報道稱，亞馬遜積極推廣名為Rekognition的人臉識別服務，該解決方案可以在單個圖像中識別多達100個人，並且可以對包含數千萬個面部的數據庫執行面部匹配。Facebook使用簡單的人臉檢測算法來分析圖像中人臉的像素，並將其與相關用戶進行比較，為上傳到平台上的每張圖片提供了自動生成的標記建議，取代了手動圖像標記。

　　個性化推薦技術

　　傳媒領域的大部分產品如電影、新聞、書籍、音樂、廣告、文化活動等都致力於吸引受眾閱讀，聆聽和觀看媒體生產的內容。發現目標群體並把內容傳播給該群體是能否達成媒體傳播效果的關鍵一環，而個性化推薦技術解決了這一難題。這是目前在媒體中應用較為成功的人工智能技術，在媒體的內容分發過程中，個性化推薦技術為用戶提供個性化體驗，針對每個特定用戶量身定制推薦內容，減少搜索相關內容所花費的時間。與此同時，對於人們所擔憂的，由於算法主導的精准分發過程隻推薦感興趣的內容，會導致用戶陷於信息繭房的問題，研究人員目前也在試圖改進算法，開發“戳破氣泡”的應用技術。例如BuzzFeed推出的“Outside Your Bubble”、瑞士報紙NZZ開發的“the Companion”程序、Google的“Escape Your Bubble”等。

　　預測技術

　　現在已經開發出來的一些強大的基於人工智能的預測技術，讓我們可以“預知未來”。通過時間序列（TS）建模來處理基於時間的數據，以獲得時間數據中的隱含信息並作出判斷。按照一定時間間隔點來收集數據，再對這些數據點的集合進行分析以確定長期趨勢，以便預測未來或進行相應的分析。

　　當擁有時間相關數據時，時間序列模型將派上用場。例如，可以使用時間序列數據來分析某一家媒體下一年的用戶數量、網站流量、影響力排名等，從而在廣告投放方面作出合理決策。另外，如何及時地抓住社會熱點是新聞機構所面臨的重要問題，人工智能預測技術通過對海量的熱點內容的模型進行訓練和分析，建立熱點模型，可以實現對於熱點趨勢的預測。

　　媒體需要思考的問題

　　人們越來越清晰地看到人工智能給媒體帶來的意義與價值。在融合的時代背景下，媒體迫切需要人工智能帶來推動媒體變革的潛力。與此同時，我們也不能認為人工智能可以解決媒體變革中的一切問題，技術並不是一塊現成的、可以直接拿來享用的蛋糕，在媒體應用人工智能時，還需要著手考慮許多問題。

　　數據的完備性

　　媒介體系內部和外部都會產生大量的數據碎片，雖然目前數據量龐大，看似擁有海量的數據資源，但是生產的數據與可以用於人工智能的培訓數據之間的匹配度還有待提升。在深度學習算法中，需要用大量的數據訓練算法才能產生有意義的結果，數據的不完整性會導致准確性的下降，而准備這樣的數據集的成本很高。為了實現大量的用戶行為數據的積累，提高數據的完善程度，媒體需要構建大規模的數據體系和戰略。為了實現人工智能在媒體中的進一步部署，媒體需要具備完備的數據源和處理更為龐大的數據系統的能力。

　　深度融合的方式

　　目前，人工智能技術還停留在初步應用層面，其深度還需要挖掘、廣度還需要擴展，融合的方式也需要深入地進行探索。人工智能在媒體領域的大部分應用只是將現有的研究成果遷移到媒體行業，如果媒體想要更深入地參與到人工智能潮流中，就要積極地投入到算法的開發中，在人工智能領域中開辟出自己的空間，如此，才能使人工智能在媒體行業應用更加成熟。

　　數據安全與隱私

　　當人工智能應用飛速發展，人們很容易忽略在人工智能應用中的安全問題。2018年Facebook的數據泄漏事件折射出的數據安全漏洞引起社會關注，再一次提醒我們要嚴肅對待數據安全及隱私等問題。用戶在媒介接觸的過程中，用戶數據和個人資料越來越多地交付給媒體，媒體在使用這些數據為用戶提供更好服務的同時，需要權衡智能化用戶體驗和用戶數據安全之間的關系。歐盟發布的通用數據保護條例（GDPR）於2018年5月25日正式生效，根據其條款，組織不僅必須確保在合法和嚴格的條件下收集個人數據，而且收集和管理個人數據的組織將有義務保護其免遭濫用和泄漏，並尊重數據所有者的權利，旨在確保人們可以掌控其個人數據。

　　堅守媒體的價值觀和底線，保障數據安全，尊重用戶隱私十分重要，媒體應思考在保護用戶數據方面是否存在漏洞以及如何落實相應的人工智能安全策略。

　　人才培養

　　媒體領域對於人工智能人才的需求量還很大。要走出人才窘境，一方面要完善人才引進和培養規劃，提升媒體從業人員的大數據和人工智能技能和素養，補齊人才短板。特別是要引進掌握堅實的傳播理論基礎，既懂媒體傳播規律又懂大數據、人工智能的復合型人才，逐步形成與智能化媒體業務形態相適應的人才布局。另一方面要優化原有人才結構。當智能機器人取代部分人力成為可能，智媒時代的媒體人要在行業的巨變之中找准自己的定位，提升自己的知識技能。無處不在的“共享”和“開源”的知識使我們學習和了解人工智能行業前沿技術，例如Google發布的機器學習工具AutoML，用戶無需掌握深度學習或人工智能知識即可輕鬆培訓高性能深度網絡來處理數據。

　　媒體和媒體人要擁抱媒體智能化的時代，破除對於新技術的“恐慌”，加快知識體系更新，使專業素養和工作能力跟上智能時代的節拍。

　　智能媒體：未來無限可能

　　雖然智能機器距離接近人類學習、思考和解決問題的能力還很遙遠，但是機器取代人力是大趨勢。人工智能將不斷地從媒體生產鏈條向內容創建生產環節突破，從而幫助媒體進行內容升級和用戶體驗升級。

　　內容生產是未來人工智能在媒體行業實現新突破的重要方面，雖然人工智能目前不能超越人類的創造力，但可以承擔起一部分信息收集、數據整理和內容創作的工作，將媒體人從一些重復性的繁冗工作中解放出來，從而節省出時間用於創作和創造性工作。媒體也應積極探索新的與人工智能結合的工作方式，使得工作更高效智能。

　　此外，人工智能將通過多種方式增強並帶來更好的用戶體驗。通過學習用戶行為，了解受眾偏好從而使用戶獲取到感興趣的內容，並根據用戶畫像定制個性化的內容。運用人工智能技術捕獲處理數據，精准理解用戶需求，可幫助媒體實現更加精細化的用戶劃分和用戶分析，提供更加人性化的服務。人機交互使得用戶體驗更加立體化和場景化。

　　人工智能有望改變媒體的一切，重塑媒體的整個流程。預計未來人工智能將融入到媒體運作的各個環節。但無論是人工智能本身還是其在傳媒領域的應用，距離成熟都還有很長的路要走。人工智能在媒體行業的落地，需要更復雜、更全面的架構。構建以大數據和人工智能為核心的技術生態體系，基於媒體行業自身的數據構建具有針對性的人工智能系統，提升媒體與人工智能結合的成熟度。目前人工智能技術在媒體行業的應用並不完善，但並不阻礙我們對於其發展前景的期待。

　　如何充分地發掘人工智能的潛力是媒體和媒體人面臨的大命題，我們應思考人工智能如何更好地與媒介進行結合，嘗試在融合發展面臨的問題中加入人工智能解決方案。未來，機器與人的共生將成為媒體常態，我們期待人工智能為媒體帶來更好的未來，在技術的助力下走向真正的智媒時代。

　　（作者沈浩系中國傳媒大學新聞學院教授、博士生導師﹔楊瑩瑩系該院新聞與傳播專業媒介市場調查方向碩士生）

分享讓更多人看到