作者：Echo

来源：科技树（ID：techtreex）

张小敬是被大案牍术选出来的人。

如果你正在看《长安十二时辰》，可能会知道我在说什么，没看过也没关系，我可以用一个现代版类比一下。

张小敬的扮演者雷佳音，是通过优酷大数据选出来的人。

优酷通过大数据智能预测平台，对《长安十二时辰》的剧本进行了AI分析，经过与主角多维度标签匹配，最终推荐由雷佳音扮演张小敬（当然，预测结果只是作为参考，毕竟选谁主演是多方因素促成的）。

事实上，无论是古代版的大案牍术、还是现代版的智能推荐系统，底层逻辑都是基于大量数据的计算、分析、推理，区别在于，大案牍术是古代智慧加上人力物力，而现在，AI足矣。

说起智能推荐，今日头条是绕不开的话题。我们每天阅读着算法推荐给我们的新闻，刷着算法推荐的短视频。

那么，智能推荐系统到底是如何运作的呢？

如果要完全搞懂，我们需要先了解:

机器学习、深度学习、自然语言处理、图像生成、计算机视觉、监督学习、知识图谱、数据挖掘、语音识别、人机交互、人脸识别、图像识别......

先别走，今天不讲专业名词，我们会用一个视频来说明。

如何用薯片的自动化制作流程，推送一则新闻？

薯片的制作视频：

观看注意事项：易引起强迫症患者的极度舒适

从土豆粉到最后一罐一罐的薯片，都是由自动化机械完成。同样的，智能推荐系统分发给你的新闻内容，从选题写作到排版推送，也一样可以让AI来完成。

接下来，6个步骤详细拆解，搭配可口的动图，来说一说，智能推荐系统是如何把新闻推送给你的。

原材料处理

用AI来整理新闻素材

按照1：2的比例混合土豆粉和水，添加少许玉米粉

把混合物压成马铃薯片

作为自媒体人，每天不问自己一句“今天写什么”是不完整的。

历史上的今天发生了什么？有什么热点八卦？谁家开了发布会？谁家大佬又说了什么话？

为了知道要写什么，我们全网搜集信息线索，而最终敲定选题的原因，很有可能只是“灵机一闪”，就像薯片原材料中添加的少许玉米粉，充满了不确定性。

但是AI不同，它有一套成熟的预测流程：

• 全网抓取现有资源信息

• 建立知识库

• 利用机器学习技术挑选重要内容

• 整理成新闻素材

加工成型

机器人写作

经旋转切割机敲成椭圆形

放入炸锅油炸

运用模具凹形状

有了新闻素材，就可以开始成文了。

其实机器写作最早起源于美国，应用于体育战报、股市简讯、气象地质等，不需要文采，只需要基于详实的数据和模板化的新闻写作中。

这些根据数据生成的新闻报导，时效性和准确性是关键，要求大量产出且快速发布，形式只需套用“批量的模板”，重复度高，而这正是AI所擅长的。

写作机器人在国内媒体中也很常见，在天气预报、股市行情、体育赛事等领域，凤凰网的AI在3秒能生成一篇文章；封面杂志的小封机器人在8.09秒完成1300字地震新闻的图文写作。

整个薯片的制作时长是20分钟，而AI写作只要几秒钟就可以完成。

加点味道

配一张漂亮的图片

鼓风机去油、撒调味料

薯片有原味、番茄味、烤肉味、青柠味、黄瓜味、酸奶味……但也无法满足所有客户的味蕾。

一篇纯文字稿，也越来越难勾起读者的阅读兴趣。

所以，文字、图片、音频、小视频的“混搭”模式已成各大媒体的基本配餐。

哪段文字搭配哪张图片、视频，给文字添加怎样的“佐料”，对于机器人来说虽然有难度，但是具备多模态内容理解能力就可以办到。

撒调味料，首先得学会辨别什么是咸盐，什么是糖。

以薯片制作视频为例，这段视频本身就囊括了视觉、听觉、文本（字幕）多种模态的信息形式，而AI所要做的，就是把这些信息转译成计算机能懂的语言，即多模态内容理解能力。

• NLP自然语言处理：基于Word2vec&Fasttext（一种算法）的情感分类方法以及基于NLP的语言模型及文本特征提取算法，感知文本内容；

• CV计算机视觉：基于卷纸神经网络（另一种算法）提取图片特征，对图像和视频进行多维分析。

计算机图像处理示意图

识别之后，就是基于知识图谱进行文字与图片、视频的匹配。

当然，文章写完并不是结束，编辑审核是不可避免的。写作机器人作为辅助创作者的生产工具，失误在所难免，但是错误可以“自己”来检查。

人工排检

内容审核，就要快、准、狠

传送带调试薯片排列

就像长残了、破碎了的薯片要被人工剔除，没排列整齐的薯片要摆正，那些涉黄涉暴涉政涉毒等违法、违纪的内容同样要被审核清理。

上个月底，网易云音乐、蜻蜓FM等音频APP，因违反相关规定被命令下架整改；今日头条作为算法推荐的代名词，也曾被勒令整改；微信公众号管理平台不断加大文章的审核力度......不难看出，政府对内容审核的高度重视。

不同于薯片流水线上的人工挑拣，内容审核利用AI就可以进行。

利用机器学习技术，对于违法、违纪内容的安全审核，错别字检测，低质图片、音频的识别，视频重复性检测都可以自动化完成。

此外，智能内容审核系统，在高效完成任务的同时还可以保证审核的准确率。侧重语义理解的瓦力机器人，可以对辱骂、反讽内容进行审核控制，部分场景准确率能达到99.13%；而今日头条的机器智能审核系统，可以在1秒内审核一百篇稿件，同时确保准确率达87%。

装罐

个性化推送

自动勺将薯片送入包装罐

薯片易碎，如果不整理好就售卖，得到的只能是差评。

在做内容的智能分发时，首要考虑的也是多维度理解用户，了解用户属性以及喜好，挖掘用户关系。

分析用户过往的点击率、内容阅读时长等情况，从而推送符合用户胃口的内容信息。同时，挖掘用户关系，推理运算更多用户喜爱的内容。

例如，用户A建立的标签包括：男性、科技、汽车，篮球，用户B是男性、科技、汽车，那么，有关篮球的内容信息同样可以尝试推送给用户B。当然，这些分析匹配以及推送过程都可以通过智能推荐系统搞定。

除了推荐什么类型的内容之外，还可以对推送的场景进行管理。

文章推送场景布局

无论是PC、WAP、APP、微信还是小程序等不同终端类型，都可进行定制化选择；但凡呈现在屏幕上的内容，首页的个性化推荐、详情页的猜你喜欢、发现页的热门推荐等，Feed流抑或固定位置，都可进行精准场景布局。

包装封盖

做好记录

导轨轻敲罐子顶部，将薯片推到合适位置

在智能推荐系统后台，可进行更详细的文章推送规则配置，诸如展示时间长短、发布时间、封面图数、一级分类、详情页面图片数、发布者ID等一应俱全。

文章推送配置规则

这种“见人下菜碟”的精准推送模式的背后，不仅是分发效率的提升，更促进了流量增长。

据悉，凤凰新闻原先每天曝光内容只有5000条左右，现在每天曝光高的内容至少120万条；环球网上线先荐的智能推荐系统后，点击率提升58%，单人访问页面数量增长69%，广告营收增加20%。

以上，基于“薯片自动化生产技术”的智能推荐系统就讲完了。

你所看到的一则新闻，从素材整理到内容生产，从审核到推送，甚至于你的文章留言答复，都是AI来完成。

跟你聊天的，真有可能就是机器人。

说到这里，又不得不提我们所关心的问题，既然AI这么强大，未来我们会不会被AI替代？写作者们会不会失业？

其实，人工智能的语义理解还有很长的路要走，仅一句「我们不再是我们，我们依然是我们」，或许就可以让AI哑火。

即便是，当AI完全理解了「我们」，人类所富有的情感和创造力，也不是AI所能替代的，正如任正非所言：

有很多工作是人工智能不能代替的，比如喝咖啡，人工智能很难代替。当你生病在床上呻吟的时候，进来一个机器人，给你打一针就走了，你不会感到冷冰冰吗？还是需要一个真人有温度的情感，这就是体验。

再不济，就像那个选角导演，被优酷的智能推荐系统抢了工作，不妨把眼光投向其他领域。

《琅琊榜》的选角导演在剧中饰演“童路”一角

- 加入社群吧 -