當(dāng)下，人工智能已經(jīng)在“聽(tīng)、說(shuō)、看”等感知智能領(lǐng)域已經(jīng)達(dá)到或超越了人類水準(zhǔn)，但在外部知識(shí)、邏輯推理或者領(lǐng)域遷移的認(rèn)知智能領(lǐng)域還處于初級(jí)階段。另外值得肯定的是，在過(guò)去的一年里隨著人工智能落地應(yīng)用案例越來(lái)越多，其優(yōu)化業(yè)務(wù)生產(chǎn)、降本增效、提升服務(wù)及運(yùn)營(yíng)效率方面的成果得到了行業(yè)的認(rèn)可。一批優(yōu)秀的人工智能初創(chuàng)企業(yè)開(kāi)始進(jìn)入到大家的視野，例如：商湯科技、曠視科技、優(yōu)必選科技、極鏈科技等。很多行業(yè)級(jí)用戶正在思考人工智能如何嵌入到自己的業(yè)務(wù)流程。

也有很多普通消費(fèi)者認(rèn)為AI離自己很遠(yuǎn)，這些看不見(jiàn)摸不到的AI到底是什么樣子？今天我們來(lái)列舉幾款視頻類產(chǎn)品，來(lái)幫助大家理解神秘的AI如何與碎片化的視頻進(jìn)行結(jié)合。

YouTube 的推薦邏輯

YouTube是目前全球用戶量最大的UGC視頻平臺(tái)，用戶量高達(dá)10億+，全球級(jí)產(chǎn)品的高并發(fā)量和實(shí)時(shí)性要求很高。YouTube 推薦系統(tǒng)由兩個(gè)神經(jīng)網(wǎng)絡(luò)組成，即：候選集生成（candidate generation）和排序過(guò)濾（ranking）。

候選集生成要解決的問(wèn)題是內(nèi)容過(guò)濾和協(xié)同過(guò)濾，內(nèi)容過(guò)濾是基于用戶的歷史觀看記錄進(jìn)行同類標(biāo)簽視頻推薦；協(xié)同過(guò)濾是基于用戶當(dāng)下觀看的內(nèi)容做相關(guān)視頻內(nèi)容的推薦。聽(tīng)起來(lái)類似，但細(xì)微處是兩大類標(biāo)簽庫(kù)，比如我在看《奇葩說(shuō)》的同時(shí)系統(tǒng)會(huì)給我推薦《吐槽大會(huì)》這屬于前者，而我在看《奇葩說(shuō)》的時(shí)候系統(tǒng)給我推薦了馬東早期的相聲視頻，這就屬于后者。簡(jiǎn)單說(shuō)這種推薦邏輯，就是幫助平臺(tái)建立更全面的用戶畫像，如果說(shuō)前者是保守的推薦“可能喜歡”的內(nèi)容的準(zhǔn)確率有70%，那么后者的潛在推薦就可能去捕捉剩下30%，長(zhǎng)久以來(lái)你會(huì)發(fā)現(xiàn)YouTube越來(lái)越懂你的心思。

排序過(guò)濾是更加深度的AI神經(jīng)網(wǎng)絡(luò)，輸入視頻類別、用戶行為等候選維度對(duì)候選數(shù)據(jù)進(jìn)一步篩選過(guò)濾。再使用設(shè)計(jì)好的目標(biāo)函數(shù)為每個(gè)視頻進(jìn)行打分，視頻按得分的多少依次按照優(yōu)先級(jí)呈現(xiàn)給用戶。其作用主要在于避免重復(fù)推薦，保障推薦內(nèi)容的新鮮度、精準(zhǔn)度。

抖音 的分發(fā)邏輯

與YouTube類似，抖音同屬于UGC視頻平臺(tái)。抖音的分發(fā)邏輯主要分為基礎(chǔ)分發(fā)、標(biāo)簽分發(fā)、粉絲分發(fā)三大類。

抖音的視頻內(nèi)容被歸類放置在不同的流量池當(dāng)中，包括知識(shí)類、影視類、廚藝類、數(shù)碼類等，基礎(chǔ)分發(fā)是指第一層基礎(chǔ)標(biāo)注后的分類。隨后平臺(tái)會(huì)根據(jù)播放情況收集到播放量、點(diǎn)贊量、收藏量、轉(zhuǎn)發(fā)量等數(shù)據(jù)，進(jìn)行分類后的二次分發(fā)推薦。

標(biāo)簽分發(fā)主要是圍繞特定用戶展開(kāi)的，比如你是一個(gè)酷愛(ài)戶外釣魚的用戶，最初使用的時(shí)候大多推薦的是各類點(diǎn)贊量高的視頻內(nèi)容，但經(jīng)過(guò)一段時(shí)間后平臺(tái)抓取到用戶的點(diǎn)贊、收藏內(nèi)容的偏好，就會(huì)在之后的內(nèi)容推薦中優(yōu)先推薦喜好內(nèi)容。

“關(guān)注”這一功能設(shè)計(jì)對(duì)于平臺(tái)來(lái)說(shuō)是很好的分發(fā)依據(jù)，粉絲分發(fā)是指平臺(tái)對(duì)用戶關(guān)注內(nèi)容的再分發(fā)。其細(xì)分包括特定的人、關(guān)注的人；自動(dòng)推薦三方面，比如我喜歡羅志祥，會(huì)專門搜索一下他的賬號(hào)，那么在瀏覽過(guò)他的過(guò)往視頻后，之后依舊會(huì)重復(fù)幾次推薦他的其他視頻。而本來(lái)就關(guān)注羅志祥的用戶，即使不去專門搜索也會(huì)在瀏覽視頻流內(nèi)容的過(guò)程匯中被推薦他的最新視頻內(nèi)容。最后一種情況就是沒(méi)有明確喜好的“小白”用戶，會(huì)被隨機(jī)推薦當(dāng)下相對(duì)熱門的視頻內(nèi)容。

愛(ài)奇藝的AI應(yīng)用

愛(ài)奇藝的推薦邏輯和常規(guī)流媒體平臺(tái)基本相同。除了基本的影視作品分類推薦之外，你會(huì)發(fā)現(xiàn)在其短視頻流板塊中隨意瀏覽視頻時(shí)能刷出來(lái)自己最近看到過(guò)的影視作品（影評(píng)、精彩節(jié)選等）內(nèi)容。其他方面包括AI視頻修復(fù)、AI視頻廣告也在廣泛應(yīng)用。

去年，愛(ài)奇藝自研ZoomAI技術(shù)正式投入應(yīng)用，對(duì)50部經(jīng)典國(guó)劇、30部經(jīng)典電影、海量UGC內(nèi)容進(jìn)行修復(fù)與增強(qiáng)，并對(duì)15部動(dòng)漫與40部紀(jì)錄片完成了插幀。AI視頻修復(fù)可以理解為圖片修復(fù)的升級(jí)版，視頻本就是通過(guò)多幅畫面組成的，但傳統(tǒng)修復(fù)工藝效率太低不利于批量進(jìn)行。通過(guò)AI深度學(xué)習(xí)訓(xùn)練之后，可以實(shí)現(xiàn)大規(guī)模的批量修復(fù)。

隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來(lái)，十年內(nèi)視頻廣告已經(jīng)經(jīng)歷了多次迭代升級(jí)，從電視廣告到貼片廣告，再?gòu)囊苿?dòng)貼片廣告到AI營(yíng)銷時(shí)代，AI的加持下多場(chǎng)景技術(shù)、大數(shù)據(jù)技術(shù)、智能曝光技術(shù)逐漸被應(yīng)用。AI視頻廣告逐漸成為了視頻廣告領(lǐng)域的“新秀”

「靈悅·視頻AI全域營(yíng)銷平臺(tái)」能夠提供包括AI場(chǎng)景廣告（ASMP廣告）、視頻電商、視頻互娛、效果廣告等多種業(yè)務(wù)形式的精準(zhǔn)營(yíng)銷服務(wù)，帶來(lái)全時(shí)全景全域的智能視頻廣告，適用于品牌宣傳、移動(dòng)下載、電商分享、銷售線索收集等多種推廣需求，幫助廣告主實(shí)現(xiàn)品效雙贏的智能推廣?！胳`悅·視頻AI全域營(yíng)銷平臺(tái)」以深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法為主對(duì)視頻內(nèi)容進(jìn)行批量解析、標(biāo)注，讓機(jī)器具備類似人腦的識(shí)別能力，當(dāng)下已經(jīng)可以實(shí)現(xiàn)品牌識(shí)別的、場(chǎng)景識(shí)別、地標(biāo)識(shí)別、物體識(shí)別、人物識(shí)別等，可以有效幫助廣告主匹配到更有共鳴感的視頻內(nèi)容。

現(xiàn)在來(lái)看，視頻功能已經(jīng)成為了各類產(chǎn)品、應(yīng)用的技術(shù)標(biāo)配，對(duì)于電商行業(yè)視頻電商幾乎成為了帶貨“翹楚”，對(duì)于教育行業(yè)來(lái)說(shuō)線上視頻教育產(chǎn)品正處于“風(fēng)口”。在2020年，國(guó)內(nèi)人工智能市場(chǎng)依然會(huì)保持高速增長(zhǎng)態(tài)勢(shì)，尤其是已經(jīng)落地應(yīng)用的產(chǎn)品將迎來(lái)更為廣闊的發(fā)展機(jī)遇。