如何實現AI賦能新媒體的技術落地？

在人工智能技術飛速發展的今天，不管是金融、醫療仍是新零售，幾乎各行各業都在享受着科技發展帶來的紅利，如今許多相似「媒體大腦」的人工智能產品已經開始普遍服務於媒體運營建設，除此以外，機器學習技術還可以以怎樣的形態賦能新媒體呢？

爲此，先薦在今年的2050大會新生論壇上召集了一批媒體行業資深人士和人工智能領域技術專家，共同探索AI賦能新媒體的技術落地新趨勢。

人工智能技術在媒體領域的應用落地狀況

媒體做爲人工智能技術在媒體行業重要的應用領域，其生產方式的智能化已經在不少場景落地，閱文集團智能業務中心負責人陳煒於表示，閱文集團的「內容大腦」平臺已經具有從內容生產、內容審覈、內容簽約、內容消費、內容增值的技術能力，不管從技術架構仍是從核心的內容理解能力上，都已經造成了比較完備的體系。

數據整合、知識挖掘、知識表示和知識應用四部分組成了「內容大腦」平臺的技術架構。在數據整合階段，平臺根據站內小說、用戶評論、內部知識等信息進行規則提取並建立基礎信息庫，經過NLP技術挖掘信息點，結合行業知識生成閱文知識圖譜。在知識表示階段，蒐集到的信息將清晰地以圖譜形式呈現並梳理，並導入到知識應用層面。目前，根據從生產分發到消費增值等一系列業務須要，這種技術已經被普遍應用到集團旗下小說類平臺（起點中文網等）的網文內容建設中。

同時，他充分確定了人工智能技術在內容平臺的戰略地位，並確定了之內容爲核心的IP價值： 「網文的價值多是1，可是IP的價值多是100，內容是值得咱們投入的。」

一樣對人工智能技術已有較成熟應用的還有封面傳媒，封面傳媒總經理助理&數據研究部總監徐楨虎認爲，深度改變傳播、AI賦能以及新技術的結合纔是媒體智能化的目的。封面傳媒用了一年時間完成從「紙媒」到「智媒」的蛻變，不管搜索仍是資訊，其客戶端在智能化發展過程當中對用戶畫像特徵的利用都顯而易見。

在產品智能化應用中主要分爲三個模塊，一是NLP應用，包括新聞推薦、搜索、敏感詞、分類、摘要、知識圖譜，二是視頻應用，包括視頻理解、視頻審覈、視頻標籤體系、短視頻製做；第三就是內容生產自動化，涵蓋三審三校、糾錯、標籤優化、考覈打分等。技術應用層面，AI落地成果也顯而易見，封面新聞app上的小封機器人寫做專欄，目前可寫做文章包含10+大類和40+小類。2018年世界盃期間，app相關資訊推送幾乎全由機器自動完成，總共推送600多篇，全網總閱讀量過億。

封面傳媒業將其MGC機器寫做視頻生成系統應用於財經金融和突發報道的寫做中，徐楨虎表示：「視頻理解、AI輔助創做、內容傳播創新是目前的三個主要研究方向，咱們但願塑造國內智媒體標杆，技術產品化和應用平臺化是咱們接下來的努力方向。」

數據賦能媒體還有那些可挖掘契合點？

數據做爲人工智能技術實現的基礎單位，在5G時代也將爲人工智能賦能新媒體帶來更多的可能性。新華智雲「媒體大腦」從報表、bi、簡單的分析挖掘的「數據倉庫」，到單平臺支持更大的數據量、更多的數據形式的「數據平臺」，再到現在數據能力建設和服務化，賦能業務的「數據中臺」的技術迭代，賦予了數據更多的職能。

媒體數據中臺90%以上存儲非結構化數據，數據處理過程算法佔比高，外部數據佔比更大，數據來源渠道也更爲多種多樣。「現在媒體更關注數據的時效性，所以平臺要具有更快速的處理數據的能力。」聚集能力、文本內容和視頻內容的識別能力、數據主題、計算能力以及推薦等服務能力是媒體數據中臺現階段重點建設的幾大能力。「媒體進入全渠道與全流程時代，流量再也不是問題。」新華智雲首席數據官李金波認爲：「內容將趨向視頻的表現形式，內容和技術的邊界也將愈來愈模糊。」

AI不只在媒體建設方面表現卓越，並且對媒體運營領域的賦能也有很大突破，五彩傳媒創始人陳暘將機器人助手運用到社羣運營當中，數據增加也一樣顯著。機器人助手具有數據分析、廣告監測、關鍵詞回覆、簽到、智能陪聊等功能，專一於內容傳播變現技術，爲知識型社羣提供安心服務。

「AI+Media的主人是客戶，而AI和Media只是工具，如何利用好這些工具給他們帶來用戶增加和GMV纔是最主要的。」陳暘認爲，AI現階段最大價值在於自動化鏈接，而非內容生產。所以他更關注經過AI打通與用戶之間的通路，完成用戶獲取、數據分析和及時反饋的用戶體驗。

深度學習技術如何賦能新媒體？

深度學習技術目前在媒體範圍的應用主要集中在內容生產和內容分發兩大塊，其中內容分發已經實現並發展出較成熟的技術架構和商業體系。做爲第四範式資深科學家，王嘉磊在主題分享《如何經過AutoML實現智能推薦系統的自動上線和運維》中介紹了AutoML技術如何使AI具有自我完善和演化的能力。

目前經過NLP技術感知文本內容（word2vec, doc2vec, BERT, etc.)，經過CV技術感知圖像、視頻，使用機器學習分析用戶畫像並預測點擊率和內容閱讀時長，和使用機器學習評估內容質量並促進優質內容的傳播是AI技術在推薦系統中的主要應用方向。而目前在技術上其實面臨着兩大挑戰：一是在機器學習模型的構建流程中，每一個環節都須要建模專家根據經驗作出選擇和優化；二是系統上線後爲保證效果，還存在必定數量的系統參數須要人來持續監控和優化。若是須要解決這兩大難題，則須要將AutoML運用與推薦系統的搭建，即用AI來訓練AI模型，經過進化算法、貪心法、貝葉斯優化、強化學習四大AutoML搜索策略，實現自動特徵工程、模型超參數優化、神經網絡結構搜索以及在線調優。

「訓練神經網絡自己是一件比較困難的事情，每每生成出的網絡結構數據在具體場景不必定適用。」王嘉磊表示，「咱們但願可以作自主的神經網絡結構搜索，但願效果會比一些從學界直接拿來的現成網絡有所提高。」

隨着人工智能技術的升級發展，AI將不斷從媒體的內容生產、分發與消費模式等環節實現智能突破，從而幫助媒體進行內容升級和用戶體驗升級。做爲一家技術與服務提供商，第四範式很早就看到了人工智能給媒體帶來的「智能化」意義，其推出的AI產品「先薦」以智能推薦爲核心切入點，集內容上傳、內容管理、內容分發、推薦干預、前端渲染於一體，能夠幫助媒體從0到1搭建推薦系統。據悉，目前先薦已與人民日報、環球網、CSDN、花瓣網、段友、36氪、簡書等三百餘家內容平臺展開合做，屢次成功助力媒體實現智能轉型。