如果把AI+内容生产比作一场万里长征，目前的应用数量少，阶段早，领域窄， 效果差，仅仅迈开了第一步。与每个细分领域至少十余家企业的AI+医疗、金融等相比，数量 仍少很多。与成千上万家企业的庞大内容产业相比，更是不值一提。新技术的应用，一般要经历实验室研究、商业试点之后，才走入商业应用，然后商业公司经历一轮轮融资和发展逐步壮大。
人工智能从16开始进入人们眼帘，众多企业都在争先研究这门新技术，但目前目前为止人工智能仍处在不具备推理的弱人工智能阶段，AI+内容也只能在小部分领域能够实现自动生产内容， 在大部分领域，AI更适合于与人协作，提升素材搜集、整理、检查等方面的效率。在 与人协作的过程中，机器可能会完成大部分机械重复工作，人完成小部分创造性工作。
机器换人：消灭一些职业，催生另一些职业。一些工作重复性高的初级内容制作 工作可能被AI替代，但同时，AI的训练需要懂内容制作的训练师，数据处理等岗位， 又催生出新的职业。
人机协作：三种方式： 机器生成初稿，人进行修改和润色； 人提出框架，机器完成细节填充； 机器作为工具帮人搜集筛选素材、检验纠错等。
AI能否应用，是机器换人还是人机协作，与内容适用度和技术成熟度都相关。内容适用度两个关键因素 ：
内容能否被结构化描述
数据及目标能够被结构化描述，是应用AI进行训练的关键。很多内容可以通过 切分，分词，加标签，分离元素方式进行结构化描述，因此应用了AI。 结构相对固定，模板化程度高的内容，如双11海报、财经新闻稿等，更容易结 构化描述，AI较早成功应用。 游戏等一些不容易结构化描述的内容，目前还未得到应用。AI难以直接应用的， 可以考虑用于效果预测、素材搜集、纠错等辅助。
内容评价标准主观程度
不同于医疗诊断、人脸识别等有客观的准确率要求，很多内容的评价并没有准 确率要求。有些内容，如音乐、画，内容本身就比较抽象，评价标准也比较主 观，AI较早通过了图灵测试。有些文章、剧本等，虽然评价标准也主观，但还 有一些客观指标，如语句通顺，前后文逻辑自洽等，尤其是目前的AI还难以完 成逻辑验证，所以AI自动化生产比较难，以人机协作为主。
技术成熟度的两个关键因素：
全维度成熟
技术原理验证通过，到技术成熟可以商用，还有很多路要走。目前相当多AI内 容生产案例处于研究阶段，技术很多维度都还不成熟，如成功率、算力要求、 适用范围宽度、成本等，每个维度都可能限制技术的商业应用。AI内容创作对 成功率的要求一般不高，例如机器生成100首乐曲，从里面能选出几首能用的 就行。但AI图像、视频处理等对算力要求较高，如果程序不能在PC或手机快速 生成结果，可能就很难商用。
工程复杂度
AI的应用研发涉及到计算力、算法、大规模数据等各个方面，小团队可能难以 集齐所有所需条件，影响到发展进度。 例如阿里鲁班系统的研发就涉及到多专业，大规模数据收集等工程问题： 抠图：海量的商品自动抠图，与阿里搜索部门做图像切割的算法团队合作完成 大批量模板制作：设计师团队人工制作； 机器学习：“拍立得”图片搜索的专家主导智能算法架构； 设计图收集：内部有协同设计工具，可以大批量把内部、外部设计图收集起来。
技术成熟度高、内容适用度高的领域，AI先应用到生产环节，且能够实现高度的自 动化。技术成熟度低、内容适用度低的领域，AI应用较晚，需要人参与的程度高。（部分内容来源于网络如有侵权请联系删除）
欢迎您分享文章，让更多有需要的人看到。
网友评论