作者:Echo
来源:科技树(ID:techtreex)
张小敬是被大案牍术选出来的人。
如果你正在看《长安十二时辰》,可能会知道我在说什么,没看过也没关系,我可以用一个现代版类比一下。
张小敬的扮演者雷佳音,是通过优酷大数据选出来的人。
优酷通过大数据智能预测平台,对《长安十二时辰》的剧本进行了AI分析,经过与主角多维度标签匹配,最终推荐由雷佳音扮演张小敬(当然,预测结果只是作为参考,毕竟选谁主演是多方因素促成的)。
事实上,无论是古代版的大案牍术、还是现代版的智能推荐系统,底层逻辑都是基于大量数据的计算、分析、推理,区别在于,大案牍术是古代智慧加上人力物力,而现在,AI足矣。
说起智能推荐,今日头条是绕不开的话题。我们每天阅读着算法推荐给我们的新闻,刷着算法推荐的短视频。
那么,智能推荐系统到底是如何运作的呢?
如果要完全搞懂,我们需要先了解:
机器学习、深度学习、自然语言处理、图像生成、计算机视觉、监督学习、知识图谱、数据挖掘、语音识别、人机交互、人脸识别、图像识别......
先别走,今天不讲专业名词,我们会用一个视频来说明。
如何用薯片的自动化制作流程,推送一则新闻?
薯片的制作视频:
观看注意事项:易引起强迫症患者的极度舒适
从土豆粉到最后一罐一罐的薯片,都是由自动化机械完成。同样的,智能推荐系统分发给你的新闻内容,从选题写作到排版推送,也一样可以让AI来完成。
接下来,6个步骤详细拆解,搭配可口的动图,来说一说,智能推荐系统是如何把新闻推送给你的。
原材料处理
用AI来整理新闻素材
按照1:2的比例混合土豆粉和水,添加少许玉米粉
把混合物压成马铃薯片
作为自媒体人,每天不问自己一句“今天写什么”是不完整的。
历史上的今天发生了什么?有什么热点八卦?谁家开了发布会?谁家大佬又说了什么话?
为了知道要写什么,我们全网搜集信息线索,而最终敲定选题的原因,很有可能只是“灵机一闪”,就像薯片原材料中添加的少许玉米粉,充满了不确定性。
但是AI不同,它有一套成熟的预测流程:
全网抓取现有资源信息
建立知识库
利用机器学习技术挑选重要内容
整理成新闻素材
加工成型
机器人写作
经旋转切割机敲成椭圆形
放入炸锅油炸
运用模具凹形状
有了新闻素材,就可以开始成文了。
其实机器写作最早起源于美国,应用于体育战报、股市简讯、气象地质等,不需要文采,只需要基于详实的数据和模板化的新闻写作中。
这些根据数据生成的新闻报导,时效性和准确性是关键,要求大量产出且快速发布,形式只需套用“批量的模板”,重复度高,而这正是AI所擅长的。
写作机器人在国内媒体中也很常见,在天气预报、股市行情、体育赛事等领域,凤凰网的AI在3秒能生成一篇文章;封面杂志的小封机器人在8.09秒完成1300字地震新闻的图文写作。
整个薯片的制作时长是20分钟,而AI写作只要几秒钟就可以完成。
加点味道
配一张漂亮的图片
鼓风机去油、撒调味料
薯片有原味、番茄味、烤肉味、青柠味、黄瓜味、酸奶味……但也无法满足所有客户的味蕾。
一篇纯文字稿,也越来越难勾起读者的阅读兴趣。
所以,文字、图片、音频、小视频的“混搭”模式已成各大媒体的基本配餐。
哪段文字搭配哪张图片、视频,给文字添加怎样的“佐料”,对于机器人来说虽然有难度,但是具备多模态内容理解能力就可以办到。
撒调味料,首先得学会辨别什么是咸盐,什么是糖。
以薯片制作视频为例,这段视频本身就囊括了视觉、听觉、文本(字幕)多种模态的信息形式,而AI所要做的,就是把这些信息转译成计算机能懂的语言,即多模态内容理解能力。
NLP自然语言处理:基于Word2vec&Fasttext(一种算法)的情感分类方法以及基于NLP的语言模型及文本特征提取算法,感知文本内容;
CV计算机视觉:基于卷纸神经网络(另一种算法)提取图片特征,对图像和视频进行多维分析。
计算机图像处理示意图
识别之后,就是基于知识图谱进行文字与图片、视频的匹配。
当然,文章写完并不是结束,编辑审核是不可避免的。写作机器人作为辅助创作者的生产工具,失误在所难免,但是错误可以“自己”来检查。
人工排检
内容审核,就要快、准、狠
传送带调试薯片排列
就像长残了、破碎了的薯片要被人工剔除,没排列整齐的薯片要摆正,那些涉黄涉暴涉政涉毒等违法、违纪的内容同样要被审核清理。
上个月底,网易云音乐、蜻蜓FM等音频APP,因违反相关规定被命令下架整改;今日头条作为算法推荐的代名词,也曾被勒令整改;微信公众号管理平台不断加大文章的审核力度......不难看出,政府对内容审核的高度重视。
不同于薯片流水线上的人工挑拣,内容审核利用AI就可以进行。
利用机器学习技术,对于违法、违纪内容的安全审核,错别字检测,低质图片、音频的识别,视频重复性检测都可以自动化完成。
此外,智能内容审核系统,在高效完成任务的同时还可以保证审核的准确率。侧重语义理解的瓦力机器人,可以对辱骂、反讽内容进行审核控制,部分场景准确率能达到99.13%;而今日头条的机器智能审核系统,可以在1秒内审核一百篇稿件,同时确保准确率达87%。
装罐
个性化推送
自动勺将薯片送入包装罐
薯片易碎,如果不整理好就售卖,得到的只能是差评。
在做内容的智能分发时,首要考虑的也是多维度理解用户,了解用户属性以及喜好,挖掘用户关系。
分析用户过往的点击率、内容阅读时长等情况,从而推送符合用户胃口的内容信息。同时,挖掘用户关系,推理运算更多用户喜爱的内容。
例如,用户A建立的标签包括:男性、科技、汽车,篮球,用户B是男性、科技、汽车,那么,有关篮球的内容信息同样可以尝试推送给用户B。当然,这些分析匹配以及推送过程都可以通过智能推荐系统搞定。
除了推荐什么类型的内容之外,还可以对推送的场景进行管理。
文章推送场景布局
无论是PC、WAP、APP、微信还是小程序等不同终端类型,都可进行定制化选择;但凡呈现在屏幕上的内容,首页的个性化推荐、详情页的猜你喜欢、发现页的热门推荐等,Feed流抑或固定位置,都可进行精准场景布局。
包装封盖
做好记录
导轨轻敲罐子顶部,将薯片推到合适位置
在智能推荐系统后台,可进行更详细的文章推送规则配置,诸如展示时间长短、发布时间、封面图数、一级分类、详情页面图片数、发布者ID等一应俱全。
文章推送配置规则
这种“见人下菜碟”的精准推送模式的背后,不仅是分发效率的提升,更促进了流量增长。
据悉,凤凰新闻原先每天曝光内容只有5000条左右,现在每天曝光高的内容至少120万条;环球网上线先荐的智能推荐系统后,点击率提升58%,单人访问页面数量增长69%,广告营收增加20%。
以上,基于“薯片自动化生产技术”的智能推荐系统就讲完了。
你所看到的一则新闻,从素材整理到内容生产,从审核到推送,甚至于你的文章留言答复,都是AI来完成。
跟你聊天的,真有可能就是机器人。
说到这里,又不得不提我们所关心的问题,既然AI这么强大,未来我们会不会被AI替代?写作者们会不会失业?
其实,人工智能的语义理解还有很长的路要走,仅一句「我们不再是我们,我们依然是我们」,或许就可以让AI哑火。
即便是,当AI完全理解了「我们」,人类所富有的情感和创造力,也不是AI所能替代的,正如任正非所言:
有很多工作是人工智能不能代替的,比如喝咖啡,人工智能很难代替。当你生病在床上呻吟的时候,进来一个机器人,给你打一针就走了,你不会感到冷冰冰吗?还是需要一个真人有温度的情感,这就是体验。
再不济,就像那个选角导演,被优酷的智能推荐系统抢了工作,不妨把眼光投向其他领域。
《琅琊榜》的选角导演在剧中饰演“童路”一角
- 加入社群吧 -