人工智能和大数据正在改变媒体。近几年，在内容生产、分发和管理三个方面涌现出了许多人工智能媒体应用；媒体呈现的内容和最主要的媒介——视频、图像、声音、文字都能成为数据，并可借助深度学习技术实现更加智能化的建模。智能化已经是媒体未来的趋势和发展方向。

　　当下，“大数据”“云计算” “机器学习”“深度学习”“人工智能”等新概念层出不穷。我们所处的世界被这样的风潮所挟裹，每个行业都不能例外。这些概念所代表的技术，逐渐进入媒体行业，同时又改变着媒体行业，这让新闻人意识到数据驱动未来的时代已经来临。

　　人工智能（AI）是计算机科学的一个分支，它是一种能够模仿人类学习和解决问题过程的智能技术。机器学习（Machine Learning）和深度学习（Deep Learning）都可以视作广泛意义上人工智能领域的子集。机器学习使得计算机能够从数据中学习，而深度学习使用神经网络获得类似人类大脑的分析能力，将机器学习提升到更高的认知水平，使计算机能够更好地学习人脑解决问题时的运作。人工智能中的几个重点领域，包括机器人、视觉和声音分析、自然语言处理等多个维度，无一不和媒体相关。机器人可以协助进行新闻报道，视觉和声音分析可以实现视频和音频的自动化处理，而自然语言处理更是上述应用的基础。

　　媒体行业确实正在发生改变。在很长一段时间里，媒体所拥有的数据大多是非结构化的文字、图像、音频和视频，必须依赖人工处理，这阻碍了数据相关技术在其中的应用。但是，随着人工智能和机器学习算法，特别是深度学习算法准确性已经达到与人类相当的水平，很多任务可以实现自动化执行，同时人们还可以从这些数据资产中获得重要的洞察力。Netflix声称，人工智能技术能够实现工作流自动化并减少客户流失，每年可节约10亿美元。

　　技术一直在进步，而在许多行业中人工智能和机器学习的整合也取得了成功。人工智能带来的技术可以完成大部分人力密集的项目，计算速度快，可重复性和可扩展性都非常好，从而带来了大规模自动化及无与伦比的效率，这些先进技术在媒体的内容生产、管理和分发中体现出了前所未有的魅力。而现在只是媒体智能化之旅的开端。

　　智能化内容生产

　　在智能化内容生产中，应用较广的是机器人新闻报道。2014年，美联社就已经开始使用自动化洞察（Automated Insights）公司的wordsmith软件撰写每个季度的公司财经分析。该软件可以挖掘公司财务报告，总结其中的关键要素，然后生成陈述。这个平台每秒钟最多可以生产出2000篇此类新闻，而且由于是对财报的直接分析，出错率非常低，发稿量是人工报道的13倍。同样是在2014年的3月17日，洛杉矶地震发生后的3分钟内，洛杉矶时报的网站就使用机器人Quakebot发出了关于这次地震的第一条新闻。除了这个地震报道机器人，洛杉矶时报还利用数据分析和人工智能技术建立了一个数据库，并在此基础上使用一个程序报道杀人事件，它可以追踪事件并自动撰写新闻。除此之外，美国纽约公共广播电台的NailbiterBot机器人被用于报道“美国全国大学体育协会”的赛事。另一个叫做TreasuryIO的机器人则可以监测美国联邦政府指数。

　　中国本土对智能化内容生产的尝试也是如火如荼，其中的领头羊有腾讯、新华社、今日头条等。2015年9月，腾讯财经发表了一篇文章《8月CPI涨2.0% 创12个月新高》，该文章的署名为自动化新闻写作机器人Dreamwriter，可以视为自动化新闻写作第一次在国内得到应用。同年11月，新华社也推出了自己的写作机器人——“快笔小新”，输入股票代码，它3秒钟就能完成一篇财报分析，稿件中大小标题一应俱全，还配有图表等信息。然而，快笔小新只是基于人工录入的知识库和模板，写出的稿件结构单一，内容乏味。2016年里约奥运会期间，今日头条推出了新闻机器人“张小明”。作为第二代新闻机器人，“张小明”除了生成赛事新闻报道，还能智能检索并选择图片，根据比赛结果模仿人类语气等。

　　2017年11月腾讯举办的媒体+峰会上，人工智能成为峰会报道的重要参与者。在嘉宾演讲的同时，“腾讯微信智聆”利用语音识别技术实时显示演讲内容，“腾讯翻译君”利用深度学习的翻译技术将演讲内容实时翻译成英语，而Dreamwriter更是以平均0.5秒/篇新闻的速度写出了14篇新闻稿件，还能自动配上现场图片。Dreamwriter还和武汉长江大桥“合体”，利用长江大桥上发出的交通数据，撰写了一篇有文字有图表的长江大桥交通流量新闻。

　　机器人新闻的这些尝试，展示了智能化内容生产令人激动的未来。随着传感器、智能硬件和物联网的发展，可以提供机器人进行新闻写作的数据源越来越多，机器人新闻报道的疆界将被拓宽。机器人视觉、图像视频等技术也为新闻摄影的未来带来了其他可能。多种智能技术可以捕获高质量的音频、视频，这种技术同样可以获取新闻事件的照片和视频，甚至通过无人机等设备进行直播，从而实现多种媒介展现方式的融合。

　　智能化内容分发

　　智能化内容分发，就是指与电商、零售等领域的“个性化推荐”同义，但是更加体现媒体特性的个性化分发技术。这种技术更多应用于新媒体，新媒体的内容分发策略实际上决定了哪些信息能够被用户看到。这是众多内容应用中最容易与算法产生联系的领域之一，是伴随着互联网信息大爆发自然而然出现的。在传统媒体时期以及互联网早期，信息的筛选依赖编辑，决定受众能看到哪些内容的是专业编辑。就像人工与计算机处理的对比一样，编辑的处理能力是有限的，他只能处理头部的20%信息，而长尾则被完全忽视了。使用智能算法进行内容分发最大的优势正在于此。算法可以根据用户的属性、行为、偏好等个性化特征进行推荐，实现“千人千面”，从而彻底解决信息过载的问题。算法可以处理的信息量几乎是没有上限的。

　　主流媒体平台中最早使用算法推荐的是Facebook，他们在2006年就开始推出信息流，堪称此领域的鼻祖。Facebook为每个打开其页面的用户呈现个性化的内容，这些内容不仅包括朋友的状态更新，朋友们最近看了些什么，重要的新闻推送，还夹杂了一些广告或推荐文章。Facebook使用算法决定信息流中信息的权重。影响权重的因素也经过了多次调整，包括发布时间（更新的信息），提及朋友的数量，根据点赞、点击、评论、分享等活动分析用户的兴趣点，经常互动的内容可能会得到更大权重，等等。用户能看到的内容都是智能的推荐。在国内，提到新闻资讯的个性化推荐，大家更容易想到的是今日头条。今日头条运用算法、数据挖掘以及机器学习等技术，在用户通过社交账号登录时，对用户数据进行动态挖掘和了解，勾画出用户兴趣图谱，根据用户画像来推荐感兴趣的文章；在用户使用过程中，算法会根据用户的点击、搜索、订阅等行为优化用户画像。在内容方面，今日头条大概拥有220万个兴趣标签，每隔五秒钟后台系统就会自动进行调整并进行推送。

　　前面所描述的是媒体根据受众特点进行个性化的内容分发。这种分发可以是文字资讯，也可以是视频内容。对于视频媒体来说，由于视频文件一般较大，不同的收看设备、收看条件下可能会带来不同的体验。ABR编码可以通过将原始文件切分成不同比特率的小块提供给不同带宽下的客户端，而人工智能将固定分块转变为基于场景的编码，它可以学习不同场景的复杂程度，确定所需的压缩级别，根据观众位置、网络拥塞程度、基础设施和带宽的细节优化比特率，提高在线媒体的性能。人工智能还可以进行视频质量评估，这是视频内容分发之前的关键过程，大大减少了内容发布时间。

分享让更多人看到