独家 | AI赋能新闻全链路,媒体人终将失业?


2017年是人工智能领域颇有成果的一年,各科技巨头都在致力于让AI为各行各业赋能,交通出行、智能家居、医疗诊断、棋牌游戏、AI芯片等领域都在不断取得不菲成绩。而现在,又一个传统行业即将被AI颠覆——那就是媒体行业。当写稿机器人能迅速成稿的新闻已经不足为奇时,如何让AI覆盖新闻生产全过程,成为探索媒体智能化的下一目标。

 

人工智能赋能新闻全链路

 

最近,新华社发布了媒体人工智能平台“媒体大脑”,并生成了首条MGC(机器生产内容)视频新闻,这条时长2分08秒的视频由“媒体大脑”中的“2410(智能媒体生产平台)”系统制作,计算耗时只有10.3秒


class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=s05241mz0qf&width=670&height=376.875&auto=0" style="display: none; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=s05241mz0qf&width=670&height=376.875&auto=0"/>

“媒体大脑”由新华社和阿里巴巴合资成立的大数据人工智能公司新华智云研发落地,是国内第一个媒体AI平台,可以向媒体提供“大数据+人工智能”八个板块的服务内容。这些功能包括:2410(智能媒体生产平台)、新闻分发、采蜜(语音转文字)、语音合成(文字转语音)、版权监测、人脸核查、用户画像、智能会话,可以涵盖从线索、策划、采访到生产、分发、反馈的全过程。它是一个开放平台,各媒体机构申请即可入驻,共享媒体大脑获取的数据资源。

 


这八项功中,采蜜(语音转文字)、语音合成(文字转语音)、人脸核查(识别照片,寻找照片中任务相关信息)和更高阶2410都属于内容生产协助方面。帮助媒体人把采访录音快速转化成文字,通过图像识别寻找信息,再把文字内容快速转换成语音内容,这些都是比较容易实现的功能。但被称为智能媒体生产平台的2410,能通过摄像头、传感器、无人机、行车记录仪等智能采集设备,结合新闻发生地附近的多维数据,实时检测新闻事件,智能生成数据新闻和富媒体资讯内容等新闻线索和新闻素材,并提供给媒体和记者。


简单来说,如果发生火灾了,2410会直接从监控视频中读取数据,判断新闻价值提供给媒体;如果发生了台风,2410会直接读取气象数据,形成稿件。

 

智能分发系统则依托国内一流的新闻分发渠道,通过大数据在智能硬件等设备上,为读者精准推送新闻资讯。如果这一功能被广大媒体熟练运用,可能会使今日头条辛辛苦苦为个人创作者搭建的推送机制,将不再有优势可言。

 

而版权监测功能将是“媒体大脑”为原创者开辟的一道护城河,各类原创内容都将纳入“媒体大脑”的保护下。通过对全网近300万个站点的监控,各类内容侵权行为将无所遁形,抄袭、洗稿等乱象将受到有效遏制。

 

在新闻分发方面,“媒体大脑”有着全新的呈现方式。新闻会话机器人可通过对新闻大数据的学习,与网友实时进行新闻对话和互动。智能语音合成系统可以将文字生成音频,使文字新闻通过智能家居、汽车音响等各类渠道到达用户,进一步延伸新闻内容的传播路径。这一功能实现了“融媒体”的概念,虽然现在还不能明确有哪些分发对象,但融媒体带来的流量力量是不容小觑的,很可能超越今天的公众号和今日头条。

 

这一由新华社主导的巨大变革,很有可能会帮助传统媒体越过新媒体困境,直接一步迈入AI媒体之中。目前在媒体大脑的主页上,采蜜和语音合成这些功能都是开放的,但智能识别新闻线索、新闻分发等功能都还需要联系媒体大脑进行授权申请。

 

除了“媒体大脑”,2017年的封面媒体也在人工智能领域搞了大新闻。去年10月由封面传媒自主研发、基于人工智能技术的新型媒体融合支撑平台“封巢智媒体系统”1.0,也号称“颠覆传统媒体行业内容生产流程,实现人工智能时代媒体、技术和用户的交互式融合”。该系统平台依托数据为核心,内置四大系统,具体功能包括:抓取全网线索、线索一键派发的热点监控系统;分钟级抓取、按需定制、竞品通知1秒获取的全网采集系统;一次生产、一键多发、全面管理的内容管理系统;全网流量监控,数据考核模型化、自动化的传播分析系统。

 


除了改变新闻内容生产流程外,入驻封面新闻APP的应用微软小冰,可以担当意见领袖,发布热点新闻,发表观点与看法,引导用户进行互动并且实时回复。封面新闻为小冰设置了专属页面,用户可以通过APP与小冰实时互动。

 

事实上,每个现有的媒体平台的内容承载量是固定的。通过接入小冰,封面新闻已经实现了媒体内容在新闻客户端、微博、微信以及Bing搜索上的跨平台共享和全平台整合。基于人工智能和Bing搜索大数据,小冰能够实时挖掘全网热点话题,分类梳理海量热点新闻,在与用户互动聊天的同时推荐相关内容,实现各个社交媒体平台内容和用户的共享和融合。

 

AI的发展是否会取代新闻从业者?

 

这是一个对媒体人来说有点残酷的时代:传统报刊媒体受到新媒体的冲击,而新媒体平台、自媒体的竞争也进入白热化。貌似谁家的日子都不好过。现如今连机器人也来和自己“抢饭碗”,让不少从业者有一种恐慌的感觉。


 

腾讯网编委张克侠接受采访时说道,“机器把人从重复的工作中解脱出来,人就可以更深度地追踪热点,人与机器的协同让工作变得更加高效和快捷,也能帮助用户更快、更高效地获取信息,前所未有地满足用户的需求,前所未有地让媒体从业人员更快地发现热点。”

 

《硅谷百年史》作者、被称为“硅谷精神布道师”的皮埃罗·斯加鲁菲认为,人工智能技术会代替一些工作,也会创造另外一些工作。人类所发挥的功能可能会被替代,不过还可能产生一些新的功能。但这些功能只有人类能够操作,这将是又一个高度的智能问题。

 

在阿里巴巴人工智能实验室北京研发中心负责人、首席科学家聂再清看来,媒体的智能化已不仅仅局限于平台的分发环节,更深入到整个新闻生产及传播过程。人机协同将人类和机器优势结合后形成的一种平衡化模式,是未来媒体智能化发展的主流方向。基于此,聂再清认为,未来的机器并不会代替记者写稿,而只是获取新闻线索完成简单的信息搜集,帮助记者更好地写出深度稿件,起到辅助作用。

 

尽管专家们都认为记者、编辑岗位在短期时间内被人工智能取代的可能性不高,但不得不承认,人工智能的到来提高了编辑从业资格的门槛。当涉及统计、查找等大量繁琐重复的工作内容被取代后,深入分析、调查、创作所要求的能力素质则更高了,这无疑不是对从业者们的一个警醒:科技在不断进步,自己也要努力跟上步伐才不会被淘汰。


scrolling="no" frameborder="0" class="vote_iframe js_editor_vote_card" data-display-src="https://mp.weixin.qq.com/cgi-bin/readtemplate?t=vote/vote-new_tmpl&__biz=MzAxMzA2MDYxMw==&supervoteid=497629376&token=2123194519&lang=zh_CN" data-src="/mp/newappmsgvote?action=show&__biz=MzAxMzA2MDYxMw==&supervoteid=497629376#wechat_redirect" data-supervoteid="497629376" allowfullscreen="" data-display-style="width: 557.778px; height: 146px;"/>


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值