白月文
(安徽廣播電視臺,安徽 合肥 230000)
人工智能作為科學技術創新、產業創新的源動力,已經成為各個國家研究的核心技術。從全球范圍內來看,各個國家在人工智能領域的競爭呈現白熱化趨勢,各國均圍繞人工智能技術出臺了一系列政策,致力于在人工智能領域獲取核心競爭力。我國也不例外,早在2015年就將人工智能納入到未來發展的重點任務之一,并將人工智能提升到國家戰略的高度。[1]對廣播電視節目監管來說,人工智能無疑提供了有效的技術支持,通過人工智能技術的應用,能夠進一步提升廣播電視節目監管的自動化水平、智能化水平,為廣播電視行業有序發展奠定良好的基礎。
人工智能主要是以人工智能技術為核心,全面整合了集成智能、人工智能、自然智能等各種智能科學技術的一種學科。對于人工智能進行的定義,首先需要從智能兩字入手,智能主要包含學習與適應能力、思維與記憶能力、感知能力等,對人工智能進行的定義,可以分別從學科、能力兩個領域進行討論:從能力層面進行分析,人工智能主要是通過人工方法在機器方面達成智能的目標,亦可以稱作機器智能。[2]從學科層面進行分析,人工智能指的是一門研究如何建立智能系統、智能機器,通過模擬、擴展人類智能的學科。
1.2.1 推動廣播電視行業創新發展
人工智能技術應用于廣播電視節目監管并非單純局限于監管領域,隨著人工智能技術的不斷成熟,在廣播電視行業應用的不斷深入,能夠適用于廣播電視行業的更多領域,從而有效推動更多廣播電視行業相關的技術創新發展。[3]一方面,基于人工智能技術的深入應用,根據內容算法進行模型的建設,能夠逐步推動廣播電視節目制作的技術創新,廣播電視行業能夠逐步推動節目制作、價值判斷模型化發展,通過技術的改革創新,進一步提升廣播電視節目的效率。另一方面,通過人工智能技術的加持,廣播電視能夠進一步加速對音頻、視頻等各種信息數據的處理效率,達成基于幀的信息素材檢索、分析、挖掘、應用,推動廣播電視節目制作朝著系統化、智能化、集成化的趨勢發展,最終建立綜合性的技術應用體系,進一步提升廣播電視的傳播效率。[4]從未來發展趨勢來看,廣播電視節目已經不再局限于電視、網絡終端,而是可以推動軟硬件的結合,基于智能眼鏡、VR設備、AR設備,打造形式更多元、體驗更為逼真的廣播電視節目。
1.2.2 推動廣播電視資源共建共享
基于人工智能技術的深入應用,能夠進一步打破廣播電視行業內部的壁壘,推動廣播電視資源共建共享。第一手信息資源與前沿內容資源無疑是廣播電視節目質量的基礎所在,特別是在信息技術高速發展的5G時代,信息數據已經成為各個廣播電視媒體進行節目制造、參與市場競爭、獲取競爭優勢的重要基礎。[5]從本質層面來看,人工智能技術的應用,各個廣播電視媒體的競爭集中表現在信息數據獲取、信息數據內容處理、信息數據平臺建設、電視節目生成等領域的競爭,廣播電視媒體是否能夠掌握高質量的信息數據,直接關系到最終的廣播電視節目質量。然而,在海量的信息資源中,單一的廣播電視媒體資源顯然是有限的,且這些信息資源往往會存在“信息繭房”效應,要想提升廣播電視行業的整體競爭力,推進信息資源共建共享就成為重中之重,但信息資源如何共享、哪些信息資源需要優先共享、共享后如何使用就成為當前急需解決的重要課題。顯然,在信息爆炸的現代社會,這些信息資源的互換無法完全通過人工來實現,且人工實現的效能也非常低,必須依靠人工智能技術實現對信息的高效互換與使用,這也就催生了人工智能編輯室。從目前人工智能技術的應用來看,未來人工智能編輯室(或者稱為“人工智能編輯單元”)將會替代人工處理許多初級的、基礎性的新聞信息崗位工作,而廣播電視媒體之間則能夠利用人工智能技術完成資源共建共享,且共建共享的過程也能夠實現自動化、智能化的目標。
所謂智能識別技術,主要是通過人工智能模式從信息中識別、判斷需要的信息內容,特別是面臨當前海量的知識或者信息,識別、判斷離不開技術的支撐。從當前智能識別技術的發展情況來看,主要包含語音內容領域、圖像內容領域的智能識別。從技術研究動態來看,當前研究的焦點主要集中于,深度學習、內容識別技術。目前已經在視頻、語音、圖像等多種模型中得到廣泛地應用,如長短期記憶網絡(LSTM,Long Short-TermMemory)、遞歸神經網絡(RNN,Recurrent Neural Networks)、卷積神經網絡(CNN,Convolutional Neural Networks)、隱含馬爾科夫模型(HMM,Hidden Markov Model)。[6]對廣播電視節目監管來說,智能識別技術的應用,可以有效適用于智能審核、智能檢索、廣告監測、智能編目等。
智能系統指的是具備智能功能、智能特征的軟硬件系統,而人工智能所涉及的諸多研究內容基本上都是采用智能系統的方式進行展示,如智能檢索系統、智能控制系統、智能制造系統等。[7]智能系統當前較為典型的系統主要包含專家系統、智能決策支持系統,專家系統本身是針對各種知識進行整合的智能系統,其通過知識的方式把各領域專家的經驗展示出來,將其納入知識庫,然后進行分析。智能決策系統主要是基于傳統決策支持系統進行開發,增加了其他智能部件后構建的決策支持系統,同時也涵蓋了專家系統技術、決策支持系統。
機器學習作為人工智能核心技術,指的是機器自動獲取各種新興知識,基于知識結構的持續完善,促進機器功能的持續提升。機器學習本身包含多種分類方法,如根據人類學習模擬方法進行分別,其可以劃分為神經學習、符號學習等。從廣播電視節目監管的層面來看,機器視覺、深度學習均是核心所在,深度學習作為機器學習技術領域中應用最為廣泛的一種,包含貝葉斯算法、聚類算法、人工神經網絡算法等。機器視覺的應用,使得計算機本身具備與人類較為相似的提出、分析、處理、理解的綜合能力,近年來隨著深度學習技術的進一步發展,算法處理、預處理、特征提取等多元化方式的不斷應用,逐漸形成了較為完善的人工智能算法。
廣播電視行業的不斷發展,廣播電視節目的類型、內容日益豐富,廣播電視節目監管的工作量、工作難度大幅增長。因此,人工智能技術的應用,首要任務在于構建廣播電視節目監管系統。結合當前人工智能技術發展動態,可以搭建圖1所示的廣播電視節目監管系統架構,將系統建立在云計算平臺,通過云平臺全面提供規范的網絡資源、計算資源、存儲資源,并針對監管內容進行分區,包含審核管理、儲存區、新聞節目分析區、廣告監測區。綜合利用智能檢索、智能識別等人工智能技術,針對覆蓋的廣播電視節目進行全面的監管。可智能檢索違規廣告、公益廣告、商業廣告等有關信息,動態監管廣播電視節目,一旦發現異常情況能夠及時進行預警或者處理。[8]與此同時,系統還能夠針對廣播電視節目的具體內容進行動態的監管,第一時間尋找到電視節目中的敏感內容,尋找到廣播電視節目中的重點敏感人物,實現廣播電視節目全程監管覆蓋的目標。

圖1 廣播電視節目監管系統架構
基于流媒體能夠把廣播電視節目直接分發,在這個過程中可針對廣播電視節目開展管理、審核、發現、識別等,具體監管流程見圖2。系統前端定期采集各個廣播電視節目的EPG數據,倘若存在新增的EPG,系統能夠自動進行保存,如果存在變更,系統也能夠進行自動更新。基于流媒體能夠實時調取音頻節目流發送給監管系統,監管系統能夠直接支持設置頻道識別任務、違規事件,如違規等級、敏感人物、敏感關鍵詞等相關參數,接著下發對應的識別任務到識別引擎進行分析,識別引擎則能夠參考任務要求,將時間調整到預設時間點,針對視頻開展識別,并自動上傳識別結果,倘若存在違規信息,系統還可以在這個過程中上傳對應的預警信息。當系統獲取識別結果的情況下,直接進行表示,并將其納入到數據庫,為后期檢索提供視頻檢索、音頻檢索、文本檢索、圖片檢索等多元化的功能。

圖2 廣播電視節目監管處理流程圖
為進一步提升廣播電視節目監管的效率,還需要在系統中融入AI深度學習研判庫,針對各種上報的報警信息開展綜合研判,通過不斷地監管、研判,使得AI深度學習研判庫的研判能力得以全面提升。現階段,對于廣播電視節目監管需要進行海量的信息數據抓取,這些信息數據需要歷經數據清洗、排列、一致性判斷等相關流程,最終集成在云計算平臺中。[9]與此同時,廣播電視節目監管涉及的信息內容也極為復雜,不僅包含傳統的廣播電視節目,同時也包含多元化的廣播電視節目信息,各類信息、圖片、音頻、視頻等均需要進行監管,本身的可用價值密度相對較低,未來可以嘗試推動大數據技術、云計算、人工智能進行有效的整合,以此來提升信息數據篩選的效率。
AI深度學習推理機也是人工智能技術應用于廣播電視節目監管的重要技術,其主要是參考監測監管知識庫整理的有關信息,以此來針對基礎報警進行分析,最終推導出綜合報警結果。AI深度學習推理機能夠將系統多層面的監測監管報警信息進行推導,包含音視頻、信道、碼流等方面的信息進行報警,能夠把上述報警信息進行關聯處理,同時針對關系數據實時匯總,以此來掌握報警的原因,為系統智能處理奠定基礎。[10]如此,基于AI深度學習推理方案能夠與廣播電視監管系統進行無縫對接,在提升廣播電視節目監管效率的同時,能夠進一步提升廣播電視節目監管的綜合效率。
綜上所述,5G時代的全面到來,廣播電視節目監管面臨的工作難度進一步增大,傳統的監管技術顯然已經無法適應當前海量的信息監管需求。這就需要進一步加大新興技術的研發力度,結合廣播電視節目監管需求,積極引入人工智能技術,構建以人工智能技術為主的廣播電視節目監管系統,以此來針對廣播電視節目進行動態、智能的監督,切實提升廣播電視節目監管的質量,為廣播電視事業發展奠定良好的基礎。