新華社聯(lián)合搜狗在第五屆世界互聯(lián)網(wǎng)大會(huì )上發(fā)布全球首個(gè)合成新聞主播——“AI合成主播”，運用最新人工智能技術(shù)，“克隆”出與真人主播擁有同樣播報能力的“分身”。
目前階段的編輯工作完全依賴(lài)AI是不現實(shí)的，讓AI成為人類(lèi)編輯的幫手似乎更切實(shí)可行。雙方協(xié)同起來(lái)，將使工作更加高效有質(zhì)量。
日前，微軟宣布6月底擬裁撤近80名外包編輯，由AI編輯負責接下來(lái)的MSN網(wǎng)站的新聞抓取、排版和配圖等工作。但沒(méi)想到，剛到崗沒(méi)多久，AI編輯就“翻車(chē)”了，而且犯了一個(gè)非常低級的錯誤。AI編輯在尋找配圖的時(shí)候，把非裔歌手Leigh跟阿拉伯裔歌手Jade弄混了。
針對此次微軟AI的配圖錯誤事件，Jade也在社交媒體上表達了不滿(mǎn)：“正常區分兩個(gè)不同膚色的人有那么難嗎?”為何一向以高識別率著(zhù)稱(chēng)的AI，這次卻“翻車(chē)”了?
解決臉盲問(wèn)題需要不斷擴大學(xué)習范圍
人臉識別技術(shù)是目前AI領(lǐng)域公認的比較成熟的技術(shù)，圈內人士也熱衷像刷分一樣把人臉識別準確率屢屢刷出新高，最高的號稱(chēng)準確率可達99.9%。人臉識別技術(shù)有如此輝煌的戰績(jì)，為何此次AI編輯還會(huì )臉盲呢?
“人臉識別技術(shù)的工作原理，主要是比對五官比例以及面部特征。”天津大學(xué)智能與計算學(xué)部教授韓亞洪解釋?zhuān)?jiǎn)單說(shuō)，就是基于人臉圖像的大數據，先對看到的人臉圖像進(jìn)行預處理，提取面部各個(gè)方面的特征，并通過(guò)分層多次提取，尋找對于識別個(gè)體人臉最有效的特征表達。
人臉識別技術(shù)這些年已經(jīng)發(fā)生了重大的變化，傳統的人臉識別方法已經(jīng)被基于卷積神經(jīng)網(wǎng)絡(luò )的深度學(xué)習方法替代。深度學(xué)習方法的主要優(yōu)勢是它們可通過(guò)大規模數據集進(jìn)行訓練，從而學(xué)習到這些數據的最佳特征。
“雖然可以使用大規模數據集進(jìn)行訓練，但是目前99.9%的準確率，基本上是在一些基準的數據集上測試的結果。這個(gè)數據集肯定是有范圍的，如果收集的數據是在數據集分布的范圍內，便可獲得比較高的準確率。”韓亞洪說(shuō)。
據了解，目前號稱(chēng)人臉識別準確率達到99%以上的，很多指的都是和全世界最權威的人臉數據庫LFW(Labeled Faces in the Wild)進(jìn)行比對測試的成績(jì)。LFW可以被認作一個(gè)考查深度學(xué)習系統人臉識別能力的題庫。它從互聯(lián)網(wǎng)上提取6000張不同朝向、表情和光照環(huán)境的人臉照片作為考題，可以讓任何系統在里面“跑分”。“跑分”過(guò)程是LFW給出一對照片，詢(xún)問(wèn)測試系統兩張照片是不是同一個(gè)人，系統給出yes或no的答案。
“解決特定的臉盲問(wèn)題并不難，其實(shí)就是重新針對任務(wù)，收集這項任務(wù)領(lǐng)域內的人臉圖像，在原有算法模型上訓練，或者重新設計新的算法模型進(jìn)行訓練，都會(huì )提高人臉識別率，以滿(mǎn)足實(shí)際應用的需求。”韓亞洪說(shuō)，但是超出了特定任務(wù)，AI的“臉盲癥”就會(huì )復發(fā)。目前并沒(méi)有哪個(gè)通用的模型算法可以解決所有的任務(wù)，但是AI可以通過(guò)不斷地調整，大量的學(xué)習，從而提高人臉識別的準確性。
深度神經(jīng)網(wǎng)絡(luò )模型是進(jìn)階的必要條件
“目前針對新聞文檔的分析和處理任務(wù)，AI編輯做起來(lái)相對得心應手。”韓亞洪介紹，具體地說(shuō)，比如在一篇很長(cháng)的報道中，讓AI編輯把重點(diǎn)摘出來(lái)，這是沒(méi)有問(wèn)題的。現在是多媒體時(shí)代，大量的新聞報道會(huì )涉及圖片和視頻，AI編輯可以將圖片或者視頻自動(dòng)提取出來(lái)，再從大篇幅的文字報道中，選取與之相匹配的文字說(shuō)明，這個(gè)工作AI是可以比較準確地做到的。
“解決特定領(lǐng)域的問(wèn)題，AI大多時(shí)候還是沒(méi)問(wèn)題的，但是要實(shí)現通用，就比較難了。”韓亞洪強調，實(shí)現這些功能需要用到自然語(yǔ)言處理、模式識別、圖像視頻理解等領(lǐng)域的技術(shù)。
要培養一名AI編輯，首先需要收集大量的新聞報道和圖片視頻，再根據收集到的數據設計一個(gè)針對這個(gè)任務(wù)的深度神經(jīng)網(wǎng)絡(luò )模型，網(wǎng)絡(luò )模型里會(huì )有很多參數，然后通過(guò)數據把參數訓練出來(lái)，它就具備了最初設定的各種編輯能力了。在使用過(guò)程中，隨著(zhù)AI編輯學(xué)習了更多的新聞，它的業(yè)務(wù)能力和性能也將不斷提升。
“不過(guò)目前的新聞生產(chǎn)對于A(yíng)I編輯來(lái)說(shuō)還很困難。”韓亞洪說(shuō)，要讓AI學(xué)會(huì )寫(xiě)新聞，必須要針對某個(gè)特定新聞主題，進(jìn)行大量資料搜集和模型訓練。目前AI技術(shù)只能在風(fēng)格相對固定、詞匯量使用范圍較小的領(lǐng)域完成文本生成，比如天氣預報等內容，AI可以很好地輸出相關(guān)報道和消息。但要生成人類(lèi)創(chuàng )作的那種有創(chuàng )新要求、情感描述豐富的文章，AI編輯的能力仍有待進(jìn)一步提升。
協(xié)作將使新聞生產(chǎn)更加高效
“有趣的是，AI犯的錯誤大多是我們意想不到的低級錯誤，但在某些方面又強悍到讓人類(lèi)望塵莫及。”韓亞洪舉例說(shuō)，像給文章分類(lèi)這種工作，人類(lèi)編輯要進(jìn)行大量閱讀，重復性勞動(dòng)耗時(shí)耗力，速度非常慢。但這項工作AI編輯做起來(lái)就非常簡(jiǎn)單了，通過(guò)文字—文檔的主題建模，AI可以比較準確地對文章按主題進(jìn)行分類(lèi)。另外，對于可以使用模板的短新聞，比如天氣預報、證券信息等，AI編輯可以準確迅速地將各種數字或者專(zhuān)有名詞嵌套到模板中，從而完成一定的文檔生成任務(wù)。
美聯(lián)社曾使用AI系統自動(dòng)編發(fā)企業(yè)財報。AI系統對數據進(jìn)行自動(dòng)抓取，將其嵌套在美聯(lián)社預先設定的新聞模板中，幾秒鐘就能完成一篇150—300字的短消息，該系統每季度能產(chǎn)出約4000篇新聞，與之相比，美聯(lián)社的人工編輯們每季度只能完成400篇。
做這些特定的工作，AI編輯比人類(lèi)厲害的地方不僅在于速度，準確率也可圈可點(diǎn)。“像分類(lèi)或者是嵌套模板寫(xiě)短消息這類(lèi)的工作，因為任務(wù)明確，AI的準確率還是非常高的，很少出現錯別字或者數據錯誤。”韓亞洪介紹。
在運用大數據分析預測爆款方面，AI編輯可能比人類(lèi)單純從經(jīng)驗出發(fā)顯得更“科學(xué)”。2015年，《紐約時(shí)報》使用AI機器人對社交平臺中的文章進(jìn)行篩選和分析，預測哪部分內容適合推廣。凡是由它自動(dòng)推薦的文章的點(diǎn)擊量都大大增加，甚至達到了普通文章的38倍。
“但在A(yíng)I編輯的世界中，只有知道和不知道兩種狀態(tài)，因此處理的內容一旦超綱，它們就會(huì )立刻犯很多低級到可笑的錯誤。”韓亞洪說(shuō)，像這次AI編輯把非裔的Leigh跟阿拉伯裔的Jade弄混了的這樣的錯誤，對于人類(lèi)來(lái)說(shuō)，即使沒(méi)見(jiàn)過(guò)Leigh ，但根據常識，也不會(huì )把非洲裔和阿拉伯裔弄混。
“目前階段的編輯工作完全依賴(lài)AI是不現實(shí)的，讓AI成為人類(lèi)編輯的幫手似乎更切實(shí)可行。”韓亞洪說(shuō)。美聯(lián)社預測，AI介入媒體行業(yè)能夠幫助新聞工作者釋放20%左右的時(shí)間，讓后者可以將這部分時(shí)間更多地投入到內容創(chuàng )作方面，簡(jiǎn)單的事實(shí)核查與調研方面的工作交給AI，有利于提高新聞質(zhì)量。
“未來(lái)，人類(lèi)應該把AI編輯當作合作伙伴，雙方協(xié)同起來(lái)，使工作更加高效有質(zhì)量。”韓亞洪說(shuō)，人類(lèi)不應該覺(jué)得AI是來(lái)“搶飯碗”的，而應該為有AI這樣的合作伙伴而感到幸運。
(記者 陳 曦)
看的辛苦不如直接問(wèn)！！ 商標；專(zhuān)利；版權；法律
您現在的位置：
