Page 36 - BP_201809
P. 36
人工智能 广泛使用的AI应用
语音识别和响应解决方案
设计和使用感知环境然后做出最大化实现其目标的几率的智
能代理 机器学习
虚拟个人助理
机器学习
决策支持
“为计算机提供在不显式编程的条件下的学习能 分析
力”——塞缪尔，1959
深度学习
图2
利用（大）数据呈现和非特定于任务的算法
（如在AI中）的更广形式机器学习 AI概念简直就是“打开了节目制作和分发的水闸，”TVU
网络公司CEO Paul Shen表示。将之前的人为障碍从制作过程
神经网络 中消除，数字和广播节目部门能够在全部频道上为如直播或录
播信号这样的原始素材建立一个集中式搜索引擎。
收集用于解决问题的连接节点，很
像人脑 此外，AI集成帮助传媒公司用更恰当的节目和广告更精准
地瞄准特定的观众，这与脸谱网和推特这样的社交媒体没什么
不同。这些实体全都在利用不同程度的AI和ML。
图1
超越简单的识别 连接战略
AI不只是关于面部识别或场地分类或文字/语音翻译。AI采 利用新兴技术的潜力和机会，数字转型有助于创造和优化
用机器学习，而非数据挖掘。对媒体应用，AI是搜索引擎中一 新能力。不过，DX旅程需要一种通过清晰路线图制定的分阶段
个关键的支持手段，举个例子，它利用复杂巧妙的基于机器学习 方式。利益相关者必须展望一个跨越孤岛的连接世界，拥有一
的算法编目图像和声音，用于元数据提取或收集。减少分类或标 个解除内外制约的战略，在DX成为未来事实上存在的终点位置
记图像和声音所需的手工人机交互量既补充又增加归档和编目平 时，估量将持续发展的最终目标。
台的新价值，而现在AI令这些应用有更深一步的发展。 物联网也有助于促进这个连接战略概念，由此以前局限于
索引（以前的人工后期摄取工作）现在能够在视频摄取和 高级设计、架构和计划开发的系统现在正向媒体和内容转移。
制作过程开始的瞬间启动。基于导出的元数据，利用AI能够立 为业务或生产仔细安排经营活动的能力现在正被用于日常消费
即建立实时搜索。而信息可与其他人（包括用户及其它基于AI 产品，如智能家庭、报警监控和自动驾驶汽车。由于创作的内
的数据库和资料库）即时共享（权限有待审批）。 容激增以及观众想更快更好地观看更多内容，AI必须应用于广
播、媒体和娱乐以便满足这种渴求。
基于云
这些新索引平台中，很多完全以基于云的模式建立。利 谨防炒作
用语音和目标识别，直播和预制作的视频片段可被精确到帧检 不熟悉的术语带来可能导致困惑的充满焦虑的市场机遇。
索。在以前先进的自动化索引只是检测场景变化的地方，现在 专门用语之一的DX也不例外。与任何新兴和/或颠覆性技术一
智能资源补充能够利用从其它分析收集结果的信息去查明如帧 样，存在寻找或选择那些提供令人心动产品或宣称能够在一个
内的人物、不可见说话人的语音或动作识别（如果镜头内的物 产品内满足你全部要求的那些科技公司的趋势。但由于一般说
体为动物、建筑、汽车等），以及根据数据库和来自其它画面 来数字化转型应被视为“行业不可知”，而且可能包含多种情
的说明查明镜头在什么地点拍摄。这一切在第一轮有80%-85% 况下的很多产品，因此令人够烦。
的可靠性；未来几轮有更高的精确度。 D X应从商业目标、确定挑战、探讨当前和未来的客户或
AI允许服务业建立学习之前的识别的信息库，这反过来提 需求开始，然后把这些结果应用于机构环境中。
高准确度并且加速每个任务的加索引和编目时间。系统看到、 数字化转型通常以不同速度发生。D X产生协同增效的新
收集和确证内容越多，这些解决方案就变得更好和更快。图2表 合作关系。D X能够把颠覆性实体（技术和机构）融入协调的
示2016年美国公司较常见的AI应用，而这些应用正飞快扩增。 实体。但要注意，简单地选择一个产品而不了解和预测对机构
（及其合作伙伴）的总体影响对DX挑战的成功可能是不利的。
对广播公司的吸引力 从使较大运营商适者生存或死亡的意义上说，一些提供商确实
AI用于广播充分利用能够理解观众需求的机器使用效率， 是破坏性的——这只是议题的一部分。
用数据管理和过滤技术分析特定主题的内容，然后创建适用于 基于A I的解决方案的可能采用者可向新初创企业以及我
各个人、地点和这些人相互作用且植入画面内的内容。这些应 们后来听到的技术成功故事学习。我们只是刚刚开始看到AI和
用对接受原始/直播内容并且将它浓缩为可拼接在一起的粗剪 M L带给工作流程和运作（如配备自动化内容识别或内容汇编
内容供快速发布给OTT或移动设备特别有用。 的媒体资产管理）的深度和相互作用。B&P
WWW.IMASCHINA.COM
36
