字節(jié)跳動馬維英：人工智能賦能內(nèi)容創(chuàng)作和交流 | CNCC 2018

雷鋒網(wǎng) AI 科技評論按：2018 中國計算機大會（CNCC2018）于 10 月 25-27 日在杭州國際博覽中心舉辦，會議由中國計算機學(xué)會（CCF）主辦，杭州市蕭山區(qū)人民政府、浙江大學(xué)承辦，浙江工業(yè)大學(xué)、浙江工商大學(xué)、杭州電子科技大學(xué)協(xié)辦。

今年的大會主題是「大數(shù)據(jù)推動數(shù)字經(jīng)濟（Big Data Drives the Digital Economy）」，CNCC 邀請到近 400 位國內(nèi)外計算機領(lǐng)域知名專家、企業(yè)家到會演講。大會第二日上午，字節(jié)跳動副總裁、字節(jié)跳動人工智能實驗室主任馬維英帶來題為《人工智能賦能內(nèi)容創(chuàng)作和交流》的報告。

在報告中，馬維英回顧了內(nèi)容分發(fā)、內(nèi)容理解和內(nèi)容創(chuàng)作等多個方面的技術(shù)變革歷程。雖然隨著 IT 技術(shù)  大潮的發(fā)展，這些領(lǐng)域都有自己的變化，但人工智能技術(shù)在這些方面也都有越來越多的參與，越來越成為強大、好用的人類的助手。未來，人工智能相關(guān)技術(shù)也將會成為人與人之間互相聯(lián)系、人與整個社會建立聯(lián)系的重要基礎(chǔ)設(shè)施。

雷鋒網(wǎng) AI 科技評論根據(jù)現(xiàn)場速記整理馬維英的報告內(nèi)容如下。

馬維英：

大家好，我是字節(jié)跳動人工智能實驗室的負(fù)責(zé)人馬維英，很榮幸今天能來到CNCC跟在座各位分享一些我們對人工智能的思考，人工智能的發(fā)展及應(yīng)用現(xiàn)狀 。

回溯人類歷史的長河，人與人之間交流、信息的創(chuàng)造和傳播都是人類社會和人類文明誕生的基礎(chǔ)。而在幾千年之后的當(dāng)下，如何用更智能的方式表達和傳播文字、圖片、語音、音樂、視頻，是否還會誕生前所未見的新的內(nèi)容的形式，我們又如何用人工智能賦予每個人新的能力，這些都值得我們?nèi)ニ伎己吞剿鳌?/p>

我們可以看到整個人類的歷史在不同階段使用不同的技術(shù)去傳遞和連接人與信息，有過多次技術(shù)變革。在早期，人與人之間的溝通是在紙上書寫，中國人發(fā)明了造紙術(shù)、印刷術(shù)。

到后來網(wǎng)站、網(wǎng)頁讓紙張消失，成為了我們的數(shù)字圖書館，我們開始使用搜索引擎，一鍵便可以直達自己的所需。而到了移動互聯(lián)網(wǎng)時代，紙張消失得愈加明顯，人類可以隨時隨地用智能手機接觸他所需要的信息。同時人與人思想交換也更便捷，人與人之間、作者與讀者之間可以隨時交流，還能組成社群，大家一起學(xué)習(xí)，一起創(chuàng)作。

隨著人工智能技術(shù)的發(fā)展，整個人類的創(chuàng)作交流將變得越來越智能——更加個性化、社交化和無所不在化。萬物互聯(lián)的時代到來之后，人類可以隨時隨地獲取到他們想要的信息。創(chuàng)作的門檻也不斷拓寬，從機構(gòu)媒體，到自媒體，再到現(xiàn)在每個人都能夠創(chuàng)作，人類社會的信息生產(chǎn)和交流到今天進入到一個新的時代。

人工智能可以根據(jù)大量數(shù)據(jù)樣本進行訓(xùn)練學(xué)習(xí)，無論文字、圖片、視頻還是直播，都是AI不斷挖掘的材料。我們預(yù)測在未來超級智能時代到來的時候，人可以幫機器學(xué)習(xí)，在交互過程中提供給機器更多的樣本，而機器會通過學(xué)習(xí)變得越來越智能，回過頭來可以幫助人類更好地交流。

2012年，字節(jié)跳動的重要產(chǎn)品今日頭條誕生。它顛覆了搜索引擎，建立了全新的人與信息的連接方式。我們用分布式的學(xué)習(xí)理解人的特征、內(nèi)容的特征，用最核心的排序算法技術(shù)，讓千人千面成為可能。在這個時代，我們重新定義了內(nèi)容分發(fā)，用個性化精準(zhǔn)推薦的方式，讓用戶能夠隨時隨地得到他所需的信息。

今天我們連接人和信息主要有四種管道。首先是推薦，推薦是相對被動的分發(fā)，像助理一樣觀察人類的行為，他愛看什么、在什么時候看、怎么看。搜索在今天也仍然重要，它是一種主動獲取行為。還有新一代的語音交互助理，通過語言理解和語音識別，幫助人找尋他所需要的信息，幫助他完成任務(wù)。最后，今天的很多信息都在像朋友圈這樣的社交圈子里傳播，社群和社交也是一種傳播的管道。

今天我們看到這四種方式都可以使用人工智能再往前推進，所以我今天的演講就會談到當(dāng)今以及人工智能未來如何更多更好地賦能。

在過去一兩年時間里面，大家如果注意的話，會發(fā)現(xiàn)短視頻已經(jīng)成為一種在世界范圍內(nèi)最受歡迎的信息生產(chǎn)與消費形式。尤其大量的年輕一代喜歡用短視頻來表達他們自己，分享他們的故事和經(jīng)驗，與他們的親人朋友交流。

視頻是需要編解碼的，視頻的上傳和下載需要很大的帶寬。過去我們在這個領(lǐng)域走了十幾年，到今天大范圍視頻內(nèi)容的上傳和下載已經(jīng)不是問題了。接下來5G時代的到來會為我們視頻內(nèi)容的創(chuàng)作和消費提供更多的網(wǎng)絡(luò)便利。

今天短視頻成為一個內(nèi)容形態(tài)的爆發(fā)點，因為它不需要帶一個非常龐大的、昂貴的設(shè)備，手機上有非常智能的編輯工具。特別是計算機視覺、智能語音賦予了每個人更強的創(chuàng)作能力。在過去一年半，短視頻在全球范圍內(nèi)都有快速的增長。節(jié)跳動旗下短視頻產(chǎn)品的代表抖音也風(fēng)靡全球今年一季度，抖音下載量超越Facebook、Youtube、Instagram等，成為全球下載量最高的iPhone應(yīng)用。我給大家看一個視頻，可以讓大家更多地了解這個產(chǎn)品本身到底是什么樣的形式。

抖音這個產(chǎn)品背后有非常多的 AI 技術(shù)。比如，抖音是一個開放共享的平臺，內(nèi)容審核方面的挑戰(zhàn)是非常大的。我們一直用人工智能輔助審核，過濾理解這些視頻內(nèi)容，進行版權(quán)識別。到現(xiàn)在，我們的平臺上，每天有龐大數(shù)量的短視頻內(nèi)容被創(chuàng)作出來。我們的機器學(xué)習(xí)模型上線之后，也在持續(xù)不斷迭代完善。

我們也希望在視頻內(nèi)容領(lǐng)域做出更好的搜索。視頻的搜索需要對視頻的內(nèi)容有更好的理解，包括動作的理解、物體的檢測跟蹤，還有視頻里的環(huán)境識別。我們也希望針對每一個視頻，AI都能理解它的情感和情緒。一個人看完視頻之后會有什么樣的情緒反應(yīng)呢？如果會讓人產(chǎn)生不適的負(fù)面感受，那是否就需要考慮這個視頻是否適合分發(fā)給某些用戶。任何一個新的視頻上來的時候，我們需要預(yù)測它會被什么樣的人群喜歡，哪些人更希望看到。

通過人臉識別還有關(guān)鍵點的檢測，我們可以做出很多創(chuàng)意濾鏡和特效，這些也是抖音制勝的關(guān)鍵原因之一。

我還在微軟的時候，微軟有一款產(chǎn)品 Kinect，就是放在電視機的前面，它能夠檢測你人體的關(guān)鍵點。而今天我們已經(jīng)能夠把這樣的技術(shù)延伸到了手機上。在手機上經(jīng)過模型分析，我們可以為你生成一系列的舞蹈姿勢動作，根據(jù)用戶的舞蹈模仿表現(xiàn)系統(tǒng)會給出評分。這就是去年大受歡迎的抖音“尬舞機”。

愛美之心，人皆有之。現(xiàn)在很多的女孩子希望在鏡頭前面看起來更加的美、腿更長、腰更瘦，現(xiàn)在不僅自拍能實現(xiàn)這樣的效果，拍視頻也可以辦得到。

除了應(yīng)用于短視頻產(chǎn)品，字節(jié)跳動的人工智能技術(shù)還通過我們的多款產(chǎn)品賦能信息創(chuàng)作與交流的各個環(huán)節(jié)。

比如我們16年就研發(fā)出獲得過吳文俊人工智能科學(xué)技術(shù)獎的xiaomingbot寫作機器人。相比于人類作者，小明的效率和產(chǎn)量高，2秒就能成稿，每場比賽賽后發(fā)稿，2年內(nèi)生成12萬粉絲和10億閱讀。過去頭條平臺上許多體育播報是由小明寫的，他每天讀很多內(nèi)容，綜合網(wǎng)上文字描述理解和圖片例子和視頻理解能夠自動生成一個內(nèi)容，分發(fā)給對某一類信息感興趣的讀者。

我們可以現(xiàn)場給大家演示一下小明是如何寫稿的。

畫面中的這場比賽是日本和比利時在2018年世界杯中的比賽。小明會首先根據(jù)出場球員生成文字，然后追蹤定位關(guān)鍵節(jié)點人物的行為動作，偵測這個球員在場上的位置，他只要一轉(zhuǎn)身，我們就可以識別出來，可以知道他們在場上的活動，他是否進球，裁判判哪個球員違規(guī)。之后小明還能對視頻內(nèi)容能做進一步的理解，生成更好的摘要，還可以選出最好的一張圖作為封面。它可以進一步把內(nèi)容直接用機器翻譯，翻成葡萄語、英語、法語等，再分發(fā)給世界各國的用戶。 

前面有提到AI輔助內(nèi)容審核，這是一個非常重要的問題。在我們平臺上有 600 多個機器學(xué)習(xí)模型，自動能夠來理解和識別內(nèi)容，幫助我們節(jié)省人工成本。它是一個人機交互的閉環(huán)，我們的審核人員也是我們的標(biāo)注人員，用標(biāo)注好的數(shù)據(jù)訓(xùn)練模型再反過來幫助他們來審核，目前已經(jīng)為公司節(jié)省了超過十萬的審核人力。

看這個人工智能驅(qū)動信息平臺的示意圖，我們不但要在中間做好內(nèi)容分發(fā)，更好地推薦信息、幫助用戶搜索，實現(xiàn)更好人機交互體驗，我們也用AI去幫助用戶更好地生產(chǎn)內(nèi)容、提升信息消費體驗。

連接人跟信息是一個人類社會的基礎(chǔ)設(shè)施。在這個設(shè)施的運作過程中，我們能夠利用大數(shù)據(jù)、豐富應(yīng)用的場景、我們大量的活躍用戶，去不斷完善和迭代，進一步賦能。

和歷次工業(yè)革命一樣，我們?nèi)缃襁~入人工智能時代，是人類社會了不起的進步。而技術(shù)的進步最終是服務(wù)于人類的。我們鉆研技術(shù)不僅是鉆研技術(shù)本身，更重要的是研究如何用它來解決人類社會的難題。

我們將人工智能結(jié)合產(chǎn)品功能積極服務(wù)于公益，兩年半時間成功尋回7254名走失者的“頭條尋人”，這是一個典型的運用人工智能促進信息效率，進而服務(wù)公益的產(chǎn)品機制：結(jié)合智能推薦和地理推送技術(shù)，以走失者走失地為圓心，根據(jù)走失者行走速度等信息進行數(shù)據(jù)分析和計算，預(yù)估出可能的走失范圍，在此范圍內(nèi)推送尋人信息，實現(xiàn)每條尋人信息的精準(zhǔn)地理范圍覆蓋和人群觸達，從而大大提高尋人成功率。9月底我們還將這套機制與視頻載體結(jié)合，上線了“抖音尋人”，運用自動生成視頻技術(shù)，一條文字版的尋人信息，不到10秒鐘，即可自動生成為一條抖音尋人視頻。

字節(jié)跳動還用AI技術(shù)還助力教育扶貧，“益童樂園”貴州起航，“鄉(xiāng)村AI教師”全面建成，我們希望讓貧困地區(qū)的孩子也接受到良好的教育。

基于前面提到的種種嘗試與努力，字節(jié)跳動的愿景也正在逐步實現(xiàn)——建設(shè)全球創(chuàng)作與交流平臺。公司成立至今六年以來，我們的產(chǎn)品和服務(wù)已經(jīng)覆蓋150多個國家、75個語種，在40多個國家和地區(qū)位居應(yīng)用商店總榜前列。而這背后，正是科技和創(chuàng)新在推動全球化的發(fā)展，我們擁有的人工智能技術(shù)是字節(jié)跳動全球化取得當(dāng)前進展的關(guān)鍵。未來，字節(jié)跳動也將繼續(xù)基于我們自身豐富多樣的移動端產(chǎn)品應(yīng)用場景和全球的活躍用戶，持續(xù)積累，潛心鉆研，和在座各位一起不斷地改善和推進我們的核心技術(shù)，為中國人工智能的發(fā)展貢獻一份力量！

謝謝大家！

更多 CNCC 2018 精彩報道，請繼續(xù)關(guān)注雷鋒網(wǎng) AI 科技評論。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。