内容生产的智能化
一、AI是内容生产智能化的基石
人工智能（AI）包括智能体、机器学习与数据挖掘、语义网络、认知信息技术等非常丰富的内容[1]，其核心是算法。AI技术的广泛应用和嵌入式发展催生了各类智能媒体，内容生产也走向了智能化转型的道路。内容生产智能化主要体现在“算法自动生成内容”，即AGC（Algorithmic Generated Content）方面，也即智能媒体能够基于数据分析和学习，通过一定算法，实现内容生产的自动化。自动化内容的生产流程可以归纳为：在海量数据源中识别相关数据，并对数据进行清理、分类、排序、比较和汇总等操作，以语义结构组织叙事，生成不同风格、语言和语法水平的文本或视觉内容。毫无疑问，在这一过程中，AI是内容生产智能化的关键支撑。
随着技术的迭代，各种形态的媒体内容如视频、图像、声音、文字等都可以实现数据化，这也就意味着行业数据呈现几何倍数的增长，我们已经进入了真正的大数据时代。因此，大数据成为内容生产智能化的一个基本面，而如何对大规模、无规则数据进行处理，如何挖掘和利用海量数据则成为制约内容生产智能化发展的关键。换言之，我们需要将更多注意力放在机器学习和数据挖掘等算法层面，从而促进数据资源的有效利用。
内容生产智能化中的另一个关键技术是自然语言生成技术，即NLG（Neural Language Generation）。所谓NLG主要指将输入数据转换为输出文本的过程，大致包括内容确定（content determination）—文本结构（text structuring）—句子聚合（sentence aggregation）—词汇化（lexicalisation）—引用表达式生成（referring expression generation）—语言实现（linguistic realisation）等环节。通过将结构良好的数据放置在精心配置的模板中，NLG可以自动输出并提供可记录的数据形式，例如分析报告、产品描述等。最初的NLG系统只能生成比较简单且没有多少变化的文本，但近年来随着计算机语言识别技术的快速发展，NLG系统能够生成各种各样的文本。[2]将原始数据转换成可理解的自然语言，是内容生产智能化过程中至关重要的一步。
二、内容生产全流程的智能化重构
伴随AI技术在媒体行业的深度嵌入式发展，内容生产全流程都被智能化重构。从选题策划到信息采集、加工，再到效果反馈和内容优化，内容生产的各个环节都已经在大数据的加持下走向了自动化、智能化、个性化和实时化。
（一）内容策划：精确制导
人工智能参与选题策划主要是以智能化工具或机器人的形式实现。在新闻选题领域有学者提出了“计算性新闻发现”（computational news discovery）的概念来指代“在出版之前使用算法将编辑注意力定向到潜在的有新闻价值的事件或信息”[3]上的智能化选题过程。海量数据是智能化选题的源泉，借助智能化数据分析工具，内容生产者可以预测选题热度、探索热门选题的新角度等。在数据的加持下，智能化选题就好比一种“读心术”，预测到了用户想要的内容，因此在一开始就是按照用户的需求在烹饪一盘内容大餐，精确制导的优势十分突出。广告传播领域的选题同样如此，如何预埋关键词、如何为内容打标签等都可以在数据和算法的赋能下进行效果预测，从而帮助决策人员选择更具传播价值的选题方案。(https://www.daowen.com)
（二）信息采集：万物皆媒
以往的信息采集活动，完全依靠人的力量，“好新闻是跑出来的”这句行业箴言也印证了人在新闻信息采集过程中的重要作用。而今天，在AI技术的支持下，机器已经可以自动捕捉抓取各领域数据，为机器自动写作和创意生成提供数据。彭兰教授总结了信息采集方面的一些新亮点，包括基于物联网传感器的信息采集与应用、语音数据的采集与文字化转化、多语言数据采集与实时翻译、社交机器人采访、新闻现场要素的自动判断与识别以及信息自动筛选与审核等。[4]在她看来，这些自动信息采集技术，扩张了人的能力边界的同时，也考验着人对信息的辨别与提炼能力。的确，随着物联网传感器的逐渐普及，AI可以实现全天候、全方位的社会环境信息及用户需求信息的采集。比如可穿戴智能设备、智能家居等都可以被视为一种传感器，用来记录和收集用户的相关需求信息，从而实现精准的需求预判及信息推送，给用户生活带来极大便利；来自物联网传感器的数据、新闻现场要素的自动识别等也可以为新闻发展趋势、新闻现场人物、环境特征等关键要素的判断提供依据。
（三）内容加工：质效双升
智能化内容加工在生产效率方面的优势已经显现。新闻领域如腾讯的Dreamwriter、今日头条的“张小明”、新华社的“快笔小新”、封面传媒的“小封”、第一财经的DT稿王等智能写作软件已经进入常态化使用，稿件生成的速度已经达到秒级，目前在其广泛适用的体育、财经、某些类别的突发事件等领域，其准确率也非常乐观。广告创意领域的内容加工智能化也在大步向前。可以说，随着智能音视频处理、智能筛选、智能纠错、智能排版等技术的不断成熟，媒体人正逐渐从单调、重复的劳动中解放出来，这是我们乐见其成的。因为只有摆脱了纯技术性的工作，媒体人才能有更多精力投身到更具创造性和挑战性的工作中，走向更加专业化的发展道路。
（四）反馈和优化：即时精准
得益于智能媒体在交互性方面能即时且实时地发挥功效这一优势，媒体的反馈和优化可以无缝衔接，并且能够实现即时化和精准化。尤其是基于传感器的生理信息反馈，在一定程度上可以修正过去用户调查中出现的主观偏差；同时，人手一部甚至几部的移动智能设备、随身的可穿戴设备等，也实现了用户反馈的个体化，也就是说，我们得到的反馈信息是基于每一个用户的，因而其精确度较以往上升了一个层级，这也为个性化内容服务提供了全新的参照维度和可能。即时精准的反馈带来的最具革命意义的结果是，AI可以在接收到反馈的即刻就进行相应的内容优化，也就是说，反馈可以为内容生产随时提供优化依据，优化也不是事后的反馈与调整，而是可以伴随内容生产全过程。[5]
三、智能化内容生产的应用
智能化内容生产的应用较为集中地体现在新闻领域的机器人新闻报道和广告领域的程序化创意两个方面。
（一）机器人新闻报道
机器人新闻报道是在智能化内容生产中应用较广、较成熟的领域。所谓机器新闻写作是一种自然语言生成引擎，利用算法程序，通过采集大量的题材及高质量的数据，建立各种分类的庞大数据库，借助人工智能实现从数据到认识、见解和建议的提升和跨越，最后由机器自动生产新闻。[6]在这一过程中，事先设计好的算法程序至关重要，是将数据转化为新闻内容、机器自动写稿、编辑签发等流程的基础。机器人新闻报道不仅可以利用结构化数据生成稿件，还可以通过挖掘用户数据生成个性化稿件。
早在2006年，美国汤姆森公司就开始运用机器人撰写经济和金融方面的新闻稿件[7]；2014年，美联社就已经开始使用Automated Insights公司的wordsmith软件撰写每个季度的公司财经分析。该软件可以挖掘公司财务报告，总结其中的关键要素，然后生成陈述，每秒钟最多可以生产出2000篇此类新闻，发稿量是人工报道的13倍，而且由于是对财务报告的直接分析，出错率非常低。中国本土对智能化内容生产的尝试也在大步向前。2015年9月，腾讯财经发表了第一篇由自动化新闻写作机器人Dreamwriter署名的文章《8月CPI涨2.0% 创12个月新高》；同年11月，新华社也推出了自己的写作机器人——“快笔小新”，输入股票代码，它3秒钟就能完成一篇财报分析；2016年里约奥运会期间，今日头条推出了新闻机器人“张小明”。作为第二代新闻机器人，“张小明”除了生成赛事新闻报道，还能智能检索并选择图片，根据比赛结果模仿人类语气等，里约奥运会期间“张小明”机器人已经写了四百多篇稿子，它在综合运用自然语言处理、视觉图形处理、机器学习技术基础上已经能够写出赛事的长篇通讯；2017年1月，《南方都市报》推出的南都机器人“小南”一秒即可完成春运稿件的写作[8]；同年4月，全球首个机器人记者——中国智能机器人佳佳诞生，并越洋采访了美国著名科技观察家凯文·凯利（Kevin Kelly）。
机器人新闻的这些尝试，展示了智能化内容生产令人激动的未来。随着传感器、智能硬件和物联网的发展，可供机器人进行新闻写作的数据源越来越多，机器人新闻报道的疆界将被拓宽。机器人视觉、图像视频等技术也为新闻摄影的未来带来了其他可能。多种智能技术可以捕获高质量的音频、视频，这种技术同样可以获取新闻事件的照片和视频，甚至通过无人机等设备进行直播，从而实现多种媒介展现方式的融合。[9]以2017年12月26日，中国第一个媒体人工智能平台“媒体大脑”生产的首条MGC（机器产生内容）视频新闻为例，“媒体大脑”仅耗时10.3秒，就生产出了一条2分08秒的视频新闻。其生产过程是：首先通过摄像头、传感器、无人机等获取新的视频、数据信息，然后经由图像识别、视频识别等技术让机器进行内容理解和新闻价值判断。依托于大数据的“媒体大脑”会将新理解的内容与已有数据进行关联，对语义进行检索和重排，以智能生产新闻稿件。同时，人工智能还将基于文字稿件和采集的多媒体素材，经过视频编辑、语音合成、数据可视化等一系列过程，最终生成一条富媒体新闻。[10]在2018年的两会报道中，“媒体大脑”对比五年来政府工作报告的信息，在海量网页中梳理出舆论热点，仅15秒就生产出了一条视频新闻。2020年江西发生了重大洪涝灾害，“媒体大脑”的洪涝机器人支援江西洪水报道，制作出“洪涝机器人视频”系列，采用AI技术，在全网抓取有关洪涝的图片、视频素材，全面反映洪涝灾害现场。
（二）程序化创意
所谓程序化创意，就是利用大数据和算法模型，实现广告创意中内容生产的自动化和智能化，并通过实时的反馈结果动态调整广告投放素材。程序化创意概念在2012年前后引入中国，随后，头部媒体端DSP、第三方机构纷纷入局。2016年之后，随着创意资产管理、协同作业等数字化需求在降本增效的背景下越发迫切，程序化创意领域也迎来巨大机遇。
当然，对品牌商而言，随着内容平台越发多样化、受众媒介接触习惯愈加碎片化，以及注意力的转瞬即逝，过去那种“一条广告片加一个主视觉”的内容包打天下的时代已经一去不复返。如何高效地批量生产个性化、多版本的创意以服务于营销需求，就成为品牌商、营销机构和媒体平台等面临的一个现实问题。另外，当品牌商要面向特定场景下的特定用户分发特定的内容时，就意味着我们必须进行实时化的内容创作才能满足这一需求。而要做到千人千面，就不只是生产十条、百条内容那么简单，而是动辄成千上万甚至几十万、几百万条内容。这就不是人工团队的力量所能企及的了。程序化创意则可通过预先设定的算法和流程，快速产出成千上万个细分版本的广告群组，解决品牌商或营销机构对于作品尺寸裂变、版本裂变等批量制作以及素材云管理的需求痛点，并在投放过程中智能决策、优化创意组合。随着各类电商平台的发展，大量的中小企业主也产生了海量的广告创意设计需求以适应平台上的各类分发，但囿于资金和能力，这一块还是严重的短板。程序化创意中较为初级的一键创意、一键视频等服务，则可以在资金预算有限的情况下帮助大量中小企业主解决其创意设计能力不足的问题。目前，程序化创意在文案、图片、海报设计方面都大放异彩。阿里巴巴的人工智能设计师鲁班（现在改名为“鹿班设计”）在2017年“双11”为用户量身定制了4亿张千人千面的海报。而京东“双11”期间，消费者看到的50%的广告物料也是机器自动生成的，并通过基于大数据的智能匹配，准确定位消费者需求，即时为其推送所需产品。
程序化创意不仅仅是简单的内容生产，它更诱人的地方在于可以根据反馈结果对创意进行实时优化，从而达成高效转化，也就是动态创意管理。传统的创意流程是消费者洞察推动的，投放基本就意味着创意生产的结束。程序化创意则颠覆了过去创意伴随投放结束的逻辑，投放也被纳入创意的过程当中，并在投放中完成创意的迭代更新。因此，可以说，程序化创意不仅仅是创意执行的技术化，它还是对创意流程的重构。不过，当每天要产出成千上万条素材时，广告就不再是艺术品，而成了快消品。当创意这一人类智慧的闪光也可以被量化、被计算时，人们不得不怀疑智慧的价值。关于智能化内容生产与人类智慧之间的关系本书在后文会展开讨论。