近年来，很多媒体尤其是文字类媒体都会使用一些校对类软件，以防止人工校对的不足，避免低级文字错误的发生。借用这种工具，差错率可明显降低，文字质量也能有所提高。
使用工具，是人类区别于动物的一大标志中国机械网okmao.com。从古至今，各种工具的创造和各种技术的发明，推动了人类文明的不断进步，才有了我们如今便捷的生活。这种校对软件有许多人力不能及的优势。举个简单的例子，“自己”的“己”和“已经”的“已”，如此细微的区别，在海量文字中能看出来是不容易的。这个时候，校对软件的作用和优势就凸显出来了。这两个字有着固定的用法，不容易产生歧义，错误还是正确，软件一目了然。
有如此先进的工具而弃之不用，就像有了代步工具还依然坚持两条腿走路，的确很健康，但效率很低。但是，有了工具，也不是就万事大吉了，不意味着人类就可以躺着睡大觉。校对软件只能对一些相当基础的字词、成语等固定搭配做出正确判断，可以说相当死板，不会变通，甚至于很多不该改的地方都提示是错误的。这时还得依赖编辑聪明的大脑来做判断。当然，编辑流程中的三审三校制度，本就是为了防止疏漏的产生。错字、别字是相当基础的问题，更重要的是内容导向与立意，逻辑是否清晰，文句是否通顺，如此等等。
因此，工具如何用，好不好用，还得取决于人类聪明的大脑。软件就像一个管家，给你提供了各种建议，至于是否采纳，决定权在人。无论是集思广益，还是求助于字典、互联网，都是更好的选择。
人工智能的时代是必然要来临的，我们没有必要回避，也没有必要恐惧。说到底，它就是一种机器学习，智不智能，还得人类说了算。所谓人工智能，就是根据数据建立的统计模型，这个模型可以对新的数据做出判断。它的路径是可预测的，它的结局也是可预测的。“人工智能”，说到底还得依赖“人类智能”。对于一个小小的校对软件，我们的心态大可以更宽容一些，没有必要奉为圭臬，更没必要弃如敝屣。有错则改之，无错则加勉，最终决定权还在“人”自身。
人工智能有望改变媒体，重塑媒体的整个流程。未来，人工智能将融入到媒体运作的各个环节，但在媒体行业的落地，需要更复杂、更全面的架构。无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。当下，应基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。
人工智能 媒体融合 应用场景 未来发展
媒体行业正处于融合发展的深水期和战略转型期，亟须找到媒体产业升级的新思路和新方向。随着人工智能应用的逐渐普及以及人工智能在媒体行业中一个个新的实际应用成果的诞生，我们越来越清晰地看到人工智能在推动媒体融合发展中的作用。人工智能给媒体行业带来的影响是深远的，推动着媒体运作流程中每个环节的变革，人工智能正成为媒体纵深融合的关键着力点，为媒体向智能化发展赋能。
人工智能+媒体：应用场景多元
大数据时代为媒体带来了前所未有的丰富数据资源和先进数据科学技术，但同时媒介环境变化也给行业的态势带来深度的影响。如今，受众呈现出分散化、复杂化的特征，信息量指数式增加，传统的内容生产、分发的方式及传受关系已不能满足时代的需要。媒体和媒体人正试图探索人工智能给智能媒体变革带来的新机遇，并积极寻求人工智能在传媒领域的落地。
人工智能在媒体有着巨大的应用空间，事实上，人工智能与媒体实际应用的结合已经有许多成功的案例并且在许多方面有着出色的表现，媒体行业对于人工智能技术直接或间接的运用正在不断发展,并将推广到更广泛的新场景。
高级文本分析技术
基于自然语言处理技术的文本分析技术是人工智能重要技术领域。自然语言处理（NLP）可以分析语言模式，从文本中提取出表达意义，其终极目标是使计算机能像人类一样“理解”语言。基于内容理解和NLP的写作机器人为记者赋能，可以模拟人的智能和认知行为，实现机器的“创造力”，经过对大量数据的分析和学习，形成“创作”的模板，用人机结合的方式来强化记者的写作能力。国内的媒体积极地将这一技术作为媒体内容生产方式的创新，如新华社的“快笔小新”，南方报业的“小南”等。百度人工智能开放平台推出的NLP产品“新闻摘要”，其技术原理是基于语义分析和深度学习模型，进行新闻内容的语义分析，自动抽取新闻内容中的关键信息，并生成指定长度的新闻摘要，可用于热点新闻聚合、新闻推荐、语音播报等场景。
图像和视频识别技术
图像和视频识别可以基于深度学习进行大规模数据训练，实现对图片、视频中物体的类别、位置等信息的识别。图像主体检测可以识别图像的场景、图像中主体的位置、物体的标签等。人工智能视频技术则能够提供视频内容分析的能力，对于视频中的物体和场景进行识别并能够输出结构化标签。
图像和视频技术在媒体中应用十分广泛，如内容分析、质量检测、内容提取、内容审核等方面。以媒体内容监测为例，有了人工智能图像视频技术的加持，使得非结构化媒体数据采用机器审核成为可能，通过数据集的训练建立用于审核的模型，针对画面中的元素进行追踪，对于图像及视频中的不恰当、有争议或违法内容、敏感内容、低俗内容等进行识别检测，进行标注和报警，以进行过滤和处理，可以大大减少人力的投入。
语音技术
人工智能语音技术主要包括语音识别和语音合成，它是一种“感知”的智能。自动语音识别（ASR/AVR）是基于训练的自动语音识别系统，将物理概念上的音频信息转换为机器可以识别并进行处理的目标信息，如文本。语音合成技术是通过深度学习框架进行数据训练，从而使得机器能够仿真发声。一些智能语音开放平台也提供了智能语音服务。以科大讯飞构建的智能语音开放平台为例，科大讯飞的语音输入法准确率已经能达到98%，并且输入的速度提高到了每分钟400字。越来越多的媒体开始使用科大讯飞的语音技术。
随着语音转换技术的日渐成熟，“语音-文本”双向转换技术在媒体中的应用成为可能。例如将语音识别技术在采编环节中使用，生成文本稿件并进行二次编辑。运用人工智能智能语音编译系统，将现场的语音报道生成文字版，大大提升了编辑人员原本耗时的整理工作的效率。将媒体的视音频内容转化成为文本素材，提升了媒体稿件、节目素材管理的效率。由于需要应对媒体音频和视频文件声源的复杂性和不可控性，虽然目前生成的文字稿件并不完美，但也在不断地提升和改善。
语音合成技术可以基于深度学习模型，把媒体报道的文章从文字版转换成语音版，并且接近于逼真的人声。甚至可以根据不同受众群体的需求，针对性地生成特定的声音供用户收听，打造更贴切、更有亲和力的语音体验。
人脸与人体识别技术
人脸识别是人工智能的应用中最为人所熟知的，它属于计算机视觉领域（CV）。目前人脸识别技术的主要应用包括人脸检测与属性分析、人脸对比、人脸搜索、活体检测、视频流人脸采集等方面。谷歌、苹果、Facebook、亚马逊和微软等互联网巨头争相在这一领域的技术和应用方面抢夺先机，纷纷推出相关的技术应用并不断突破创新。2018年5月的媒体报道称，亚马逊积极推广名为Rekognition的人脸识别服务，该解决方案可以在单个图像中识别多达100个人，并且可以对包含数千万个面部的数据库执行面部匹配。Facebook使用简单的人脸检测算法来分析图像中人脸的像素，并将其与相关用户进行比较，为上传到平台上的每张图片提供了自动生成的标记建议，取代了手动图像标记。
个性化推荐技术
传媒领域的大部分产品如电影、新闻、书籍、音乐、广告、文化活动等都致力于吸引受众阅读，聆听和观看媒体生产的内容。发现目标群体并把内容传播给该群体是能否达成媒体传播效果的关键一环，而个性化推荐技术解决了这一难题。这是目前在媒体中应用较为成功的人工智能技术，在媒体的内容分发过程中，个性化推荐技术为用户提供个性化体验，针对每个特定用户量身定制推荐内容，减少搜索相关内容所花费的时间。与此同时，对于人们所担忧的，由于算法主导的精准分发过程只推荐感兴趣的内容，会导致用户陷于信息茧房的问题，研究人员目前也在试图改进算法，开发“戳破气泡”的应用技术。例如BuzzFeed推出的“Outside Your Bubble”、瑞士报纸NZZ开发的“the Companion”程序、Google的“Escape Your Bubble”等。
预测技术
现在已经开发出来的一些强大的基于人工智能的预测技术，让我们可以“预知未来”。通过时间序列（TS）建模来处理基于时间的数据，以获得时间数据中的隐含信息并作出判断。按照一定时间间隔点来收集数据，再对这些数据点的集合进行分析以确定长期趋势，以便预测未来或进行相应的分析。
当拥有时间相关数据时，时间序列模型将派上用场。例如，可以使用时间序列数据来分析某一家媒体下一年的用户数量、网站流量、影响力排名等，从而在广告投放方面作出合理决策。另外，如何及时地抓住社会热点是新闻机构所面临的重要问题，人工智能预测技术通过对海量的热点内容的模型进行训练和分析，建立热点模型，可以实现对于热点趋势的预测。
媒体需要思考的问题
人们越来越清晰地看到人工智能给媒体带来的意义与价值。在融合的时代背景下，媒体迫切需要人工智能带来推动媒体变革的潜力。与此同时，我们也不能认为人工智能可以解决媒体变革中的一切问题，技术并不是一块现成的、可以直接拿来享用的蛋糕，在媒体应用人工智能时，还需要着手考虑许多问题。
数据的完备性
媒介体系内部和外部都会产生大量的数据碎片，虽然目前数据量庞大，看似拥有海量的数据资源，但是生产的数据与可以用于人工智能的培训数据之间的匹配度还有待提升。在深度学习算法中，需要用大量的数据训练算法才能产生有意义的结果，数据的不完整性会导致准确性的下降，而准备这样的数据集的成本很高。为了实现大量的用户行为数据的积累，提高数据的完善程度，媒体需要构建大规模的数据体系和战略。为了实现人工智能在媒体中的进一步部署，媒体需要具备完备的数据源和处理更为庞大的数据系统的能力。
深度融合的方式
目前，人工智能技术还停留在初步应用层面，其深度还需要挖掘、广度还需要扩展，融合的方式也需要深入地进行探索。人工智能在媒体领域的大部分应用只是将现有的研究成果迁移到媒体行业，如果媒体想要更深入地参与到人工智能潮流中，就要积极地投入到算法的开发中，在人工智能领域中开辟出自己的空间，如此，才能使人工智能在媒体行业应用更加成熟。
数据安全与隐私
当人工智能应用飞速发展，人们很容易忽略在人工智能应用中的安全问题。2018年Facebook的数据泄漏事件折射出的数据安全漏洞引起社会关注，再一次提醒我们要严肃对待数据安全及隐私等问题。用户在媒介接触的过程中，用户数据和个人资料越来越多地交付给媒体，媒体在使用这些数据为用户提供更好服务的同时，需要权衡智能化用户体验和用户数据安全之间的关系。欧盟发布的通用数据保护条例（GDPR）于2018年5月25日正式生效，根据其条款，组织不仅必须确保在合法和严格的条件下收集个人数据，而且收集和管理个人数据的组织将有义务保护其免遭滥用和泄漏，并尊重数据所有者的权利，旨在确保人们可以掌控其个人数据。
坚守媒体的价值观和底线，保障数据安全，尊重用户隐私十分重要，媒体应思考在保护用户数据方面是否存在漏洞以及如何落实相应的人工智能安全策略。
人才培养
媒体领域对于人工智能人才的需求量还很大。要走出人才窘境，一方面要完善人才引进和培养规划，提升媒体从业人员的大数据和人工智能技能和素养，补齐人才短板。特别是要引进掌握坚实的传播理论基础，既懂媒体传播规律又懂大数据、人工智能的复合型人才，逐步形成与智能化媒体业务形态相适应的人才布局。另一方面要优化原有人才结构。当智能机器人取代部分人力成为可能，智媒时代的媒体人要在行业的巨变之中找准自己的定位，提升自己的知识技能。无处不在的“共享”和“开源”的知识使我们学习和了解人工智能行业前沿技术，例如Google发布的机器学习工具AutoML，用户无需掌握深度学习或人工智能知识即可轻松培训高性能深度网络来处理数据。
媒体和媒体人要拥抱媒体智能化的时代，破除对于新技术的“恐慌”，加快知识体系更新，使专业素养和工作能力跟上智能时代的节拍。
智能媒体：未来无限可能
虽然智能机器距离接近人类学习、思考和解决问题的能力还很遥远，但是机器取代人力是大趋势。人工智能将不断地从媒体生产链条向内容创建生产环节突破，从而帮助媒体进行内容升级和用户体验升级。
内容生产是未来人工智能在媒体行业实现新突破的重要方面，虽然人工智能目前不能超越人类的创造力，但可以承担起一部分信息收集、数据整理和内容创作的工作，将媒体人从一些重复性的繁冗工作中解放出来，从而节省出时间用于创作和创造性工作。媒体也应积极探索新的与人工智能结合的工作方式，使得工作更高效智能。
此外，人工智能将通过多种方式增强并带来更好的用户体验。通过学习用户行为，了解受众偏好从而使用户获取到感兴趣的内容，并根据用户画像定制个性化的内容。运用人工智能技术捕获处理数据，精准理解用户需求，可帮助媒体实现更加精细化的用户划分和用户分析，提供更加人性化的服务。人机交互使得用户体验更加立体化和场景化。
人工智能有望改变媒体的一切，重塑媒体的整个流程。预计未来人工智能将融入到媒体运作的各个环节。但无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。人工智能在媒体行业的落地，需要更复杂、更全面的架构。构建以大数据和人工智能为核心的技术生态体系，基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。目前人工智能技术在媒体行业的应用并不完善，但并不阻碍我们对于其发展前景的期待。
如何充分地发掘人工智能的潜力是媒体和媒体人面临的大命题，我们应思考人工智能如何更好地与媒介进行结合，尝试在融合发展面临的问题中加入人工智能解决方案。未来，机器与人的共生将成为媒体常态，我们期待人工智能为媒体带来更好的未来，在技术的助力下走向真正的智媒时代。
日前，沈腾等明星的旧照片被AI修复，登上了国内社交平台的热搜。他们的照片经过AI（人工智能）修复后，年轻时的美丽容貌重新展现在大家面前。网友们纷纷感慨，当年这些明星的颜值真能“打”。在欣赏完明星们的高颜值后，网友们也开始玩上AI修复照片，他们不仅拿着偶像、自己的照片进行修复，同时还将父母的老照片、经典的老照片“修葺”。
AI修复怎样玩呢？人工智能迅猛发展的今天，它越来越走进我们的生活。
无需PS了 现在有AI修复
通过AI修复后，明星的“旧照片”立即变得清晰，人的神态也生动起来。网友纷纷表示，他们的颜值都是“过硬”能“打”的。全媒体记者了解到，过往的一些老照片，由于是用菲林相机拍摄后，将照片扫描/翻拍变成数字化照片；或是因为当年数码科技的原因，数字照片的像素不足。随着时间的洗礼，老照片变得模糊、不清晰，这让人怪可惜的。
据了解，对于AI修复照片，有的网店是提供付费的“修复”服务，不过，各位玩家可以通过小程序完成。全媒体记者尝试将一张旧照片上传到当下较为火爆的小程序中，进行AI修复。根据小程序的页面介绍，包括老旧照片（黑白照）、低分辨率照片和模糊照片都能进行“一键提升照片质量”。
而且玩家们还可以根据自己的需求，上传手机中已有照片，或是翻拍照片都OK。全媒体记者将照片上传完毕时，页面显示：前方还有9000多人在排队，大约等待时间需要51小时。就是要等到第三天才能完成“修复”的照片？不过，还好最终在1个小时左右，在小程序中就看到了修复完毕的照片。
具体效果怎样呢？全媒体记者将一张6年前的照片，翻拍到手机上再进行AI修复。经过修复后，图片中的人物样子是从模糊变得清晰，由于照片是多人的照片，其中有八成的人物样子都明显是清晰和具有立体感了，效果还算满意。
不过，与网上展示出来的明星“旧照片”修复照的效果相比，仍有些差距。
可将黑白照“变身”彩色
在AI（人工智能）技术普及前，修图片，包括大家常说的PS是一项较专业性的工作。然而，随着人工智能的迅猛发展，对照片的“优化”越来越智能。简单来说，例如现在绝大部分的智能手机，具备了AI后在拍照、视频的过程中，就直接对人像、植物、蓝天、宠物、食物等“优化”，符合大众的审美标准。
同样，作为对照片的后期，有了AI技术之后，这些修图软件的入门门槛不断降低，甚至就要简单的一个上传步骤，等待修复效果就好了。
除了当前这款热门的AI修复小程序外，原来较早前，腾讯优图实验室也推出过修复老照片的小程序。
据业界技术人士介绍，老旧照片“修复”需要用到数据驱动的深度学习算法。怎样的照片能进行修复很大程度上取决于深度学习模型的训练数据，同时配合针对不同任务的算法调整。目前，有的AI修复不仅能对老照片的人脸进行优化，有的还能为黑白照片上色，让它变成彩色照片。但是，黑白照片“变身”成彩色不是简单的事情。据介绍，首先，AI需要对照片进行图像分割，区分出标志性物体，如人脸、服装、花草树木。
下一步，就要给照片填色。在“看过”大量包括常见场景和人物的图片数据“喂养”后，AI会自动学习和记忆这些关键信息的颜色，比如树叶是绿色、人脸肤色等。因此，AI可以很快开始对黑白照片里的场景进行彩色化。
但是，原始场景的颜色和光线环境现在已无法确切知道。因此，AI团队在分析了多种场景下正常拍摄的照片的颜色后，选择对图片上的色彩做进一步处理，以保证AI能产生尽可能合理并且自然的图像。
尽管从目前来看，效果不算“完美”，但是这类人工智能的TO C端应用，还是相当吸引的。事实上，对于人工智能，只有让机器通过不断的深度学习，进行大量的数据积累，才能获得更好的用户体验。有网友坦言，未来可以用来修复电影胶卷了。