全文共 4519 字，阅读需要 8 分钟

———— / BEGIN / ————

在海量的数据出现之前，计算机其实并不擅长解决需要人类智能的问题，它完成的只是机械而重复的指令，通过模拟人脑思考方式的AI也被证明此路不通。

但是在今天，通过将智能问题转变为数据问题，AI的前进道路突然之间豁然开朗。

大数据的使用，最大的意义在于它能让计算机完成一些过去只有人类才能做到的事情，甚至比人做得更好，效率更高，而这就是AI革命。

自去年Alpha Go战胜柯洁后，AI才算是在普通大众层面普及了起来。

把一个要解决的问题变成大数据问题，让统计模型训练大量的计算问题，然后通过深度学习的过程，用大量满足定义的物料让机器自己分析和训练，最终解决各类的实际应用问题，是现在产业普遍认可的正确方向。

但不同于过去的概念和模型讨论，今年国内的AI开始进入真正落地阶段。

不过，AI能做的可不仅仅是这些。

一、AI革新娱乐工业的契机到来？

在娱乐行业，影视类作品的生产流程其实相当复杂，从项目融资、剧本改编和拆解、财务预算、剧组管理、拍摄计划和后期特效等，同时这些事项还得由多组织协作共同完成。

也因此，工业化制作流程最完备的好莱坞，可以将所有制作环节标准化和流程化，尽量提高爆款的概率。

但是在国内，面对今天瞬息万变的渠道革命和消费者注意力，在注重艺术创意的娱乐行业，一部电影或者网剧能不能火，并不是执行一套完整流程可以决定的。

一个明显的现象是，截止目前，类似去年《白夜追凶》《河神》等制作精良+口碑爆棚的网剧还未出现。

不仅如此，“陪跑族“的数量也十分庞大。

高成本和高投入的影视项目令许多资本方和剧组望而生畏，因为最终结果颗粒无收的情况比比皆是。

但是，如今的AI技术经过飞速成长，已经可以担负起提高内容生产效率的重任。

从整个娱乐行业里来看，日趋成熟的AI智能科技应用到影视制作及营销中，可以影响到影视文化产业链上的方方面面。

这不仅仅体现在一些流程化的工作上，即使面对内容创意方面的工作，AI也能胜任。

如果能够利用AI来进行AI选角、AI语音识别和AI看点推荐等，有望让爆款的成功率大幅度提升。

有乐评人在刚得知消息时，十分不解：

然而，节目播出后，“邓紫棋我帮你唱hook”、“紫棋说得对”等金句大火，关键词#邓紫棋中国新说唱#还上了微博热搜，超级话题的阅读量已经超过1.3亿。

在过去，经常会发生剧组为了拍一部电视剧或电影，在选演员上花费大量的时间、精力和人力物力，从主角的颜值、性格、经验等方面进行考察。

而这些对导演的要求尤其高，必须具有丰富的经验才可以胜任。

但是，通过AI，这些时间和人力物力可能都可以节省下来，只需要通过计算相关数据并分析推导结论即可。爱奇艺相关负责人曾经表示：

当很多娱乐产业都在把AI作为宣传噱头时，爱奇艺已经先人一步，让AI技术在娱乐产业中落地并从中受益。

在节目中也确实能看到潘玮柏与邓紫棋配合默契，很有CP感，被观众评论为“潘邓组合”。

在互联网人口红利消失殆尽的背景下，综艺节目之间的用户时间竞争将会愈发激烈，因此，节目制作方必须尽可能的去保证播出的每款节目都是精品，才能形成观看粘性，并实现流量变现的顺利转化。

也因此，想要提高每一款综艺节目的“命中率”，只有将内容挖掘到极致，刺激内容以极高的速度不断的被产出才行。爱奇艺将AI视频技术融入综艺节目的后期制作中，实现了智能听打字幕和精彩画面查找等功能。

众所周知，现在的综艺节目更多接近于一场数十甚至数百位选手的真人秀，当一期节目录制完成后，视频素材将是海量的，相关剪辑人员的任务重、时间紧而且可能还会有遗漏，而爱奇艺的智能听打字幕实现了80%的时间成本节约。

而在寻找精彩画面中，利用“只看TA”功能，可以快速将上百个机位同时产生的音频、画面素中找到相关选手和明星制作人之间互动的精彩画面，并确保没有遗漏，大量节省了后期制作的时间成本。

同时，素材的可利用度增强，在一定程度上提高了节目组在内容创意环节的生产效率，最终提升了节目整体的制作出品水准。

对于《中国新说唱》这样一档包含流量明星和故事元素的音乐类节目来说，如何在控制成本的前提下快速而高效地剪辑出面向不同观众的视频内容，恰恰就是AI可以大展身手的地方。

其实在国际上，AI技术已经影响到影视产业链的方方面面。在国际电影领域，AI技术应用在剪辑、动态换脸等图像处理方面，均有阶段性的成果。

随着AI for everything的浪潮，AI已成为绝大多数行业的标配。而在娱乐产业里，参与者也纷纷利用AI对自身进行了技术改造。除了爱奇艺之外，海外的Netflix和迪士尼等也在把AI技术系统整合到内容制作和发行之中。

二、AI和地理位置：实时和匹配

AI能够读懂文字、识别图片、理解语音，甚至揣摩视频里表达的情感，这些都是AI在帮助人和信息之间更好建立连接时能够发挥的作用，那么，AI在帮助人和物之间建立连接上，又可以有何建树？

在人和物之间，关键的是一个因素是：地理位置。因此，在传统PC互联网时代，这种连接很难建立。但是在有了智能手机之后，就有了建立连接的基础。

然而，更大的问题来了：在一个海量的供需双方的位置都在实时移动的平台上，如何更高效地建立这种连接？传统的技术方法基本已经不管用，AI再一次登场。

比如美团现有的配送调度体系，就是在过去大量订单的训练下“调教”而成。

每一次，平台都需要在用户、商家和骑手之间做出最优规划：附近的哪个骑手去接单、选择怎样的路径，然后再以什么路径配送到用户手中。

而中餐和晚餐都是高并发的订单任务时间，这些计算都需要在极短的时间内完整。

如果仍然依赖这人工进行，也许在过去体量小的时候是OK的，在美团现阶段的体量来看，如果没有AI系统辅助，无疑大幅增加了成本的情况下还降低了效率。

其实，滴滴的打车也是如此，基本上，乘客的位置比较固定，但围绕乘客的周边司机的位置不固定，数量也在发生实时变化。

所以，滴滴需要去计算，相对来说，哪辆车去接乘客、走怎样的路径、接到乘客后再以什么路径送到指定位置，最有效率。

而在每天全国同时并发海量订单的情况下，还是需要有一套AI智能调度系统去完成。

相对打车，外卖在整个服务体系里，多了商家一环后，算法难度也指数级地提高了。

首先是预估时间困难了，不但要为骑手预估商家出餐时间、骑手从接单位置到店的时间和骑手从商家再配送到顾客手中的时间，好让骑手自己有一个合理的安排，同时也要为顾客预估骑手送达的整体时间。

如果这个骑手同时要配送多单，那么哪怕尽量顺路配送和在同一商户取多餐的情况下，以上的计算也会相当复杂。

和滴滴的雨天打车难一样，外卖业务每天都会面临至少两次“雨天时刻”，那就是中餐和晚餐时间订单爆炸，需要系统后台做集中式的供需调配；

外卖的取餐和送餐需要深入到商场和小区的内部，并且有上下楼的时间，履约和交付相对打车的在小区门口或者主干路的路边上车和路边下车要麻烦许多。

三、AI和社区：人和人之间的紧密连接？

在人和信息以及人和物的匹配之后，如何将人和人更好地匹配？目前看，这其实是一个世界性的难题。

如果某一个大国能够在AI这类技术上，在推动新一轮工业革命的基础上占有优势地位，就可以在世界经济高位运营十年二十年。

人和人之间的关系建立，除了最传统的血缘关系，地理位置上相近的老乡关系，剩下的最大可能性就是兴趣关系。

而互联网上的社区，就可以是人们相互帮助的工具，也是人们变得彼此亲密、寻找共同兴趣的途径。

知乎通过回答问题起家，建立起了以问答为基础的内容生产和消费的社区氛围。

随着社区规模的不断扩大，用户圈层和内容偏好趋于复杂性，知乎就开始通过 AI 来应对这个挑战，解决内容生产、内容质量、社区氛围、信息推荐等问题。

过去一段时间里，算法发挥了越来越大的作用，问题路由、推荐算法等核心机制扮演了内容生产中枢调度的角色。

这超越了原有依赖每个提问者自身社交图谱进行问答邀请连接的机制，而是自动化、规模化的进行全平台的问答连接。

在移动互联网和AI的时代，消费者更希望能轻松高效地找到问题的答案或解决方案，们并不是在搜索，人们需要的是解答，以及兴趣相投值得深聊的朋友。

如果建立更好地匹配人和人之间关系的智能社区，既拥有社区中人际互动所带来的认同感和信任感，又具备 AI 驱动的精准性和规模性，不但需要技术专家、行业协会和商业公司的努力，也需要我们每个人亲身地参与其中。

脸书的创始人扎克伯格曾在2017年2月16日发表了一个大胆的宣言，呼吁有必要建立全区社群。

他认为，这个时代的社会政治动荡（从毒品泛滥到极权主义政权暴虐），有相当原因是因为人类社群瓦解所致，几十年来，各类族群的成员减少了25%。

他希望由脸书的工程师们率先打造一套AI系统，帮助人们加入有意义的社群。据相关数据显示，脸书的系统在上线半年后，加入相关有意义社群的人数提高了50%。

但显然，这还不够，我们要做的还有很多。

四、结语：未来是AI的未来，2018是AI开始落地的一年

“这是最好的时代，也是最坏的时代。” 从概念到落地，AI其实已经走过了30年的历程。

在新作《今日简史》里，尤瓦尔赫拉里再次发出声明，告诉大家AI会以一种前所未有的方式革新大家新天的生活，几乎所有的人都会失业，除了设计AI系统改造了自己生物组织的“神人”们。

在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的都只有两条：要么加入浪潮，成为前2%的人，要么观望徘徊，被淘汰。

未来，随着AI技术的不断进步，各行各业定将取得更为长远的发展，而在新一轮的AI“军备赛”中，谁又将继续领跑市场，只能等待市场的检验了。

———— / END / ————