當下，人工智能已經在“聽、說、看”等感知智能領域已經達到或超越了人類水準，但在外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。另外值得肯定的是，在過去的一年里隨著人工智能落地應用案例越來越多，其優化業務生產、降本增效、提升服務及運營效率方面的成果得到了行業的認可。一批優秀的人工智能初創企業開始進入到大家的視野，例如：商湯科技、曠視科技、優必選科技、極鏈科技等。很多行業級用戶正在思考人工智能如何嵌入到自己的業務流程。

也有很多普通消費者認為AI離自己很遠，這些看不見摸不到的AI到底是什么樣子？今天我們來列舉幾款視頻類產品，來幫助大家理解神秘的AI如何與碎片化的視頻進行結合。

YouTube 的推薦邏輯

YouTube是目前全球用戶量最大的UGC視頻平臺，用戶量高達10億+，全球級產品的高并發量和實時性要求很高。YouTube 推薦系統由兩個神經網絡組成，即：候選集生成（candidate generation）和排序過濾（ranking）。

候選集生成要解決的問題是內容過濾和協同過濾，內容過濾是基于用戶的歷史觀看記錄進行同類標簽視頻推薦；協同過濾是基于用戶當下觀看的內容做相關視頻內容的推薦。聽起來類似，但細微處是兩大類標簽庫，比如我在看《奇葩說》的同時系統會給我推薦《吐槽大會》這屬于前者，而我在看《奇葩說》的時候系統給我推薦了馬東早期的相聲視頻，這就屬于后者。簡單說這種推薦邏輯，就是幫助平臺建立更全面的用戶畫像，如果說前者是保守的推薦“可能喜歡”的內容的準確率有70%，那么后者的潛在推薦就可能去捕捉剩下30%，長久以來你會發現YouTube越來越懂你的心思。

排序過濾是更加深度的AI神經網絡，輸入視頻類別、用戶行為等候選維度對候選數據進一步篩選過濾。再使用設計好的目標函數為每個視頻進行打分，視頻按得分的多少依次按照優先級呈現給用戶。其作用主要在于避免重復推薦，保障推薦內容的新鮮度、精準度。

抖音 的分發邏輯

與YouTube類似，抖音同屬于UGC視頻平臺。抖音的分發邏輯主要分為基礎分發、標簽分發、粉絲分發三大類。

抖音的視頻內容被歸類放置在不同的流量池當中，包括知識類、影視類、廚藝類、數碼類等，基礎分發是指第一層基礎標注后的分類。隨后平臺會根據播放情況收集到播放量、點贊量、收藏量、轉發量等數據，進行分類后的二次分發推薦。

標簽分發主要是圍繞特定用戶展開的，比如你是一個酷愛戶外釣魚的用戶，最初使用的時候大多推薦的是各類點贊量高的視頻內容，但經過一段時間后平臺抓取到用戶的點贊、收藏內容的偏好，就會在之后的內容推薦中優先推薦喜好內容。

“關注”這一功能設計對于平臺來說是很好的分發依據，粉絲分發是指平臺對用戶關注內容的再分發。其細分包括特定的人、關注的人；自動推薦三方面，比如我喜歡羅志祥，會專門搜索一下他的賬號，那么在瀏覽過他的過往視頻后，之后依舊會重復幾次推薦他的其他視頻。而本來就關注羅志祥的用戶，即使不去專門搜索也會在瀏覽視頻流內容的過程匯中被推薦他的最新視頻內容。最后一種情況就是沒有明確喜好的“小白”用戶，會被隨機推薦當下相對熱門的視頻內容。

愛奇藝的AI應用

愛奇藝的推薦邏輯和常規流媒體平臺基本相同。除了基本的影視作品分類推薦之外，你會發現在其短視頻流板塊中隨意瀏覽視頻時能刷出來自己最近看到過的影視作品（影評、精彩節選等）內容。其他方面包括AI視頻修復、AI視頻廣告也在廣泛應用。

去年，愛奇藝自研ZoomAI技術正式投入應用，對50部經典國劇、30部經典電影、海量UGC內容進行修復與增強，并對15部動漫與40部紀錄片完成了插幀。AI視頻修復可以理解為圖片修復的升級版，視頻本就是通過多幅畫面組成的，但傳統修復工藝效率太低不利于批量進行。通過AI深度學習訓練之后，可以實現大規模的批量修復。

隨著移動互聯網時代的到來，十年內視頻廣告已經經歷了多次迭代升級，從電視廣告到貼片廣告，再從移動貼片廣告到AI營銷時代，AI的加持下多場景技術、大數據技術、智能曝光技術逐漸被應用。AI視頻廣告逐漸成為了視頻廣告領域的“新秀”

「靈悅·視頻AI全域營銷平臺」能夠提供包括AI場景廣告（ASMP廣告）、視頻電商、視頻互娛、效果廣告等多種業務形式的精準營銷服務，帶來全時全景全域的智能視頻廣告，適用于品牌宣傳、移動下載、電商分享、銷售線索收集等多種推廣需求，幫助廣告主實現品效雙贏的智能推廣。「靈悅·視頻AI全域營銷平臺」以深度學習神經網絡算法為主對視頻內容進行批量解析、標注，讓機器具備類似人腦的識別能力，當下已經可以實現品牌識別的、場景識別、地標識別、物體識別、人物識別等，可以有效幫助廣告主匹配到更有共鳴感的視頻內容。

現在來看，視頻功能已經成為了各類產品、應用的技術標配，對于電商行業視頻電商幾乎成為了帶貨“翹楚”，對于教育行業來說線上視頻教育產品正處于“風口”。在2020年，國內人工智能市場依然會保持高速增長態勢，尤其是已經落地應用的產品將迎來更為廣闊的發展機遇。