在人工智能技術飛速發展的今天，
無論是金融、醫療還是新零售，
幾乎各行各業都在享受着科技發展帶來的紅利。
現在許多類似“媒體大腦”的人工智能產品已經開始廣泛服務於媒體運營建設，除此之外，機器學習技術還能夠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。
01 人工智能技術在媒體領域的落地情況
媒體作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很多場景落地，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”平臺已經具備從內容生產、內容審覈、內容簽約、內容消費、內容增值的技術能力，無論從技術架構還是從核心的內容理解能力上，都已經形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創建基礎信息庫，通過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需要，這種技術已經被廣泛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，陳煒於充分肯定了人工智能技術在內容平臺的戰略地位，並肯定了以內容爲核心的IP價值： “網文的價值可能是1，但是IP的價值可能是100，內容是值得我們投入的。”
同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，無論搜索還是資訊，其客戶端在智能化發展過程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、短視頻製作；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上的小封機器人寫作專欄，目前可寫作文章包含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機器寫作視頻生成系統應用於財經金融和突發報道的寫作中，徐楨虎表示：“視頻理解、AI輔助創作、內容傳播創新是目前的三個主要研究方向，我們希望塑造國內智媒體標杆，技術產品化和應用平臺化是我們接下來的努力方向。”
02 數據賦能媒體還有哪些可挖掘的契合點？
數據作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”，再到如今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。“如今媒體更關注數據的時效性，因此平臺要具備更快速的處理數據的能力。”彙集能力、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，流量不再是問題。”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越來越模糊。”
AI不僅在媒體建設方面表現卓越，而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，數據增長也同樣顯著。機器人助手具備數據分析、廣告監測、關鍵詞回覆、簽到、智能陪聊等功能，專注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長和GMV纔是最主要的。”陳暘認爲，AI現階段最大價值在於自動化連接，而非內容生產。因此他更關注通過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。
03 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。作爲第四範式資深科學家，王嘉磊在主題分享《如何通過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具備自我完善和演化的能力。
目前通過NLP技術感知文本內容（word2vec, doc2vec, BERT, etc.)，通過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，每個環節都需要建模專家根據經驗做出選擇和優化；二是系統上線後爲保證效果，還存在一定數量的系統參數需要人來持續監控和優化。
如果需要解決這兩大難題，則需要將AutoML運用與推薦系統的搭建，即用AI來訓練AI模型，通過進化算法、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。
“訓練神經網絡本身是一件比較困難的事情，往往生成出的網絡結構數據在具體場景不一定適用。”王嘉磊表示，“我們希望能夠做自主的神經網絡結構搜索，希望效果會比一些從學界直接拿來的現成網絡有所提升。”
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。作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，可以幫助媒體從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作，多次成功助力媒體實現智能轉型。