AI在传媒业越发登堂入室了。
几秒钟写预测稿已经不再是什么新鲜事，从内容生产到信息分发，从事实核查到商业化，AI给流水线上的每一个环节都加了不少buff。
本期全媒派（quanmeipai）聚焦AI在传媒领域的最新应用，带来海外案例干货，智能编辑部还有多远？未来已来。
内容生产
素材挖掘与成稿创作
当写稿机器人已经成为大媒体标配，编辑部开始探索AI在内容生产链条上更多的可能性。除了可以成为记者、编辑的同事，人工智能还能无缝切换身份，变助手，变实习生，变领域专家，变实务大牛......
总之，AI的功能外延在不断丰富。
在社交网站自动收集新闻线索
英国的一家体育媒体GiveMeSport，在被加拿大科技公司Breaking Data收购之后，开始使用Breaking Data的自然语言处理技术，来对twitter内容进行扫描，寻找与预定关键字相关的推文。
筛选出来的推文经过验证，会被编进各个新闻类别当中，成为可供记者利用的素材。
社交平台本身是新闻线索来源的富矿，但由于信息量冗杂，人工筛选效率较低。引入AI技术使得社交媒体信源的潜在优势得以发挥，大可以免去编辑在面对大量信息，却找不到素材或选题时的百爪挠心。
图片识别便利内容管理
而已有的资料数据应当如何管理？一个开发云端内容管理服务的公司Box，近期宣布将会和谷歌合作，将AI图像识别技术引入到云内容管理之中。这种技术能够识别图像内容，
并能为云存储的图像自动打上标签
，便于之后更加容易地识别和获取需要的图片。
Box公司侧重于为企业提供服务，并非直接针对媒体内容生产，而此种技术所展现的内容自动识别与抓取的功能，不失为是未来可供媒体尝试的理想方向。
写稿&视频编辑
今年七月份，谷歌投资新闻协会通讯社（the Press Association news agency），开发AI协助写作新闻的功能。为英国和爱尔兰地区的媒体供稿的PA通讯社，将和一家名为Urbs Media的初创公司，在一月之内借助AI技术生产三万条本地新闻。
AI技术在写稿时能帮上什么忙呢？谷歌正在开发两款工具，一款可以从英国的公共数据库中
自动抓取信息
，这还是属于素材收集的部分，另一款软件则可以
为报道自动匹配图表、图片或是视频
，起到丰富完善报道的作用。
不只文字稿件，一家初创公司Veo想要运用AI技术来拍摄足球比赛。这对业余足球俱乐部来说非常便利，不需要专业的摄影师和剪辑师在，他们也能拍摄和编辑足球比赛的视频。
#Veo品牌宣传片 时长1:08
Veo的拍摄装置由两个安装在3d打印盒子中的4K摄像头构成，需要放置在球场投球线附近的四米高的三脚架上。
它可以拍摄180°全景影像，并且AI可以监测球场上的运动状况，焦距调整和推拉摇移都不在话下。
改良之后的AI技术加上视频剪辑黑科技，Veo使设备能够持续跟踪运动着的球员，并将具有相关性的拍摄素材自动组合成片。全景拍摄还意味着运动员还可以在比赛后制作自己的个人剪辑作品。
不过，由于是自动拍摄，这项技术也面临着像素质量较低的问题，所以尚未应用于专业领域的电视转播和拍摄，却十分适合小尺寸屏幕设备之间的分享，也算是符合而今视频制作与分享的趋势。
事实核查
算法打假与追踪信源
“后真相”时代，情绪和观点盖过事实，加之碎片化的语境，假新闻或不完整的消息很可能会对读者造成误导。而海量信息之下，人工核查所能达到的效率和覆盖的范围都很有限，所以不妨把AI技术作为打假利器。
“相关文章”打假
Facebook致力于打击平台中的假新闻已有一段时间，技术创新的尝试比比皆是。例如，最近推出的“相关文章”功能，
在平台准确性存疑的热门内容下方附注“相关文章”，包括不同观点的文章，以及第三方机构的事实核查报告。
技术层面，通过不断提高机器学习算法的速度和准确性，平台能够快速识别疑似假新闻的内容，并将其交给第三方机构进行核查。技术水平的提升使得事实核实速度加快，减少了假新闻在平台中曝光的时间，也就减少了假新闻的负面影响。
Facebook新闻聚合产品经理Tessa Lyons曾说过，“我们并不能也无意成为真相的仲裁者，而是交由第三方事实核查机构来帮助用户判断新闻报道是否真实。”故Facebook倾向于选择和Snopes、AP、PolitiFact等其它外部机构合作，根据外部核查的结果，为虚假内容打上警示标签。
同时，
Facebook也通过技术创新实现了用户与打假之间的联动。
为了避免“相关文章”中出现假新闻，平台会根据用户的反馈添加“假新闻”标签。如果很多用户在评论或反馈中提到该消息是不真实的，为它打上不可信的标签，Facebook则不会再让该条新闻消息出现。这个过程没有直接人工参与，是由编写好的算法完成。
音频信源也可以验证
想要核实新闻中的文字引用，可以通过关键词搜索找到出处，但音视频内容怎么办？这时候就需要Who Said What这个工具了。它由初创公司Joostware开发，可以
用人工智能技术来识别音视频片段中的引用内容，帮助核对相关信息是否真实。
如同上文提到的利用人工智能进行社交平台中的信息抓取，海量信息往往是催生辅助性工具出现的关键因素之一。如今音视频生产与传播门槛皆已降低，便利了大众的同时却给信息核查员带来了更大的挑战：要从巨大的信息洪流中，找到自己需要的内容。
Who Said What 在奈特基金会（Knight Foundation）网站上的页面，今年6月Who Said What 获得奈特基金会五万美元的拨款支持。
Who Said What的开发者们希望能够提供一些实用的工具，减轻事实核查员的负担，提高工作效率。目前Who Said What的功能是，使用者能够借助这一工具搜索出特定的视频片段，然后进行比对。比如，核查某一信源是否确实说过这句话，或者找出这句话的真正出处。
沟通与交互
离信息和读者都更近
说到底，媒介的意义在于沟通，既包括内容产品与读者之间的交互，也包括内容团队内部的信息流动。
内容分发层面的人工智能技术可能离大多数人更近，现在许多资讯应用都开始选择应用算法来为用户自动推荐内容，或进行广告分发。以及，如今的AI技术也在致力于和用户在情感层面的交互。
广告投放定制化
我们较为熟悉的内容推荐分发之外，人工智能技术同样可以应用于广告投放，比如《华盛顿邮报》的实践。
原生广告一度是媒体纷纷投入的广告类型，被视为是解决数字广告费率下降的良方。但由于其设计制作成本的高昂，很难发挥期待中应有的作用。同时，广告主们越来越习惯于绕开媒体，自行设计与分发品牌营销内容。
对此，《华盛顿邮报》设计了一款名为Own的广告产品，允许广告主使用他们自己的内容，并承诺提升内容被阅读或观看的几率——这则是在新闻写作机器人Heliograf的帮助下实现的。
具体来说，Own首先根据读者在网站上的浏览行为来推送广告，Heliograf则会写好定制化的欢迎信息，在页面中显示。Own这项服务针对的是不想给媒体付钱来定制广告，却也对品牌内容有分发需求的广告主。
情感识别知面又知心
Affectiva是一家研究AI“情感识别技术”的创业公司，希望能够通过情感，在技术和人之间建立更深的关联。
Affectiva会在9月13号在麻省理工媒体实验室召开情绪AI的研讨会。
Affectiva公司在刚开始对大量的网络视频内容进行分析，观察出现的面部表情和非言语线索，作为AI emotion技术的数据基础。所研究的情绪从简单到复杂，比如他们也发现了一种“尴尬而不失礼貌的微笑”。
在此基础上，可以利用Affectiva的系统，
对用户的面部表情进行扫描，通过建立的多处识别点的面部状态，来了解他们的情绪，从而决定产品接下来反馈给用户的内容。
比如说，在一款叫做Nevermind的电子游戏里，如果用户此时的心情很紧张，那么游戏难度会相应增加。
