人工智能如何影响影视行业｜对话优酷CTO郑勇人工智能对影视行业的影响有哪些呢

发表时间：2023-07-05 21:28:37

人工智能如何影响影视行业｜对话优酷CTO郑勇

原创刺猬公社编辑部刺猬公社

文|怡晴

随着人工智能的广泛谈论与应用，第十届中国网络视听大会上，内容从业者比以往更关注技术对行业带来的变革。

在“网络视听高质量发展”主题论坛上，用技术驱动内容，也成为各大平台的主题演讲之一。

那么，平台用技术对内容产生了哪些驱动？影视行业工业化进程到了哪一步？国内与国外还有着怎样的差距？在群访间，优酷CTO郑勇回答了这些问题。

拥抱技术带来的变化，用工具提高效率，是每个人都要修正的认知。

以下是刺猬公社（ID：ciweigongshe）的记录：

Q：最近AIGC被很多人关注，你认为人工智能在影视行业会对从业者产生怎样的影响？

A：我最近也拜访了一些合作的公司。像原画，插画，这些工种现在挑战很大，之前做个角色、定个型、定个场景，是需要先画素描，大方向定完，最终画完以后，再去确定。整个链路流程是很长的，而且参与的人也比较多。现在有人工智能的方案，两者结合，是可以很快做到的。我告诉他我到底要什么东西，快点的角色是半天就做完，而且不需要这么多人。

但我们会发现有一点是没有办法被替代的。如果艺术审美方面的能力强，专业知识足够的话，坦白讲不会被替代，当然，对整个从业人员的要求是会越来越高。一些重复的劳动都会被替代，因为我本身就是程序员出身，能够看到一些基础的代码，AIGC已经比我们的能力较低的程序员写的好了。就看我们怎么使用它，以及使用的这个人的能力是很重要的，这很关键。

Q：像现在停留在基础阶段的工作人员或者是从业者，应该怎么办？

A：会有阵痛期。我看过很多AIGC写出来的内容，包括周报、总结，不管怎么样它比大部分人都懂套路。但我总感觉它写一些口水文还行，如果写产生共情的东西，到现在为止还没有看到。

包括刚才讲到的关于从业人员，你说会不会把编剧干掉？我们会看到一些好的作品，最终能够让人产生哭或者是笑，这种是好的，让你去产生共情，那些是好的内容，但是AIGC只是能够帮你修饰，把大结构理清楚。因为有一些人没有学过一些结构的方法论，AIGC可能会比你好，但是你要产生的那些观点，今天的AIGC是不具备的。大家还是把它当工具看，接受这个工具，这个思想很关键的。

Q：AIGC对影视行业的创作有哪些影响？

A：影视创作技术有两个方向。我们确实能看到，图片已经能够很快的加速了，但是如何能够产生视频，今天是没有解决的。如果连续性做得足够好，连贯出来就是视频，这是一种技术方式；另外一点，我们今天很多的现实场景，是三维的，如何快速的生成三维的人也好，三维的物件也好，那是另外的技术。

AIGC到底是前面通过序列帧的方式全部生成，还是局部的生成再合成，这个技术是时间问题，到底是哪一套，我现在还不知道，如果到了那个时候，这两套应该都会有用。我今天拍了个自拍照或者拍个角色出来，他把我的正面，后面，左侧面，右侧面四张图全部做出来以后，生成一个三维建模是比较容易的。做建模这个事情，我预想一年之内就可以攻克，运用到视频基本上也是时间的问题。对于整个影视行业后面的整个制作流程，制作效率和成本上，一定会大大的降低。

但是又回到内容共情的事情，内容的核心竞争力我觉得AIGC是不行的。

Q：现在比较火的虚拟拍摄，包括国内已经有好几个比较成熟的影棚是可以专门用来做虚拟拍摄的，您觉得现在这个技术发展到了一个怎么样的阶段？国内和目前国外的技术，还有哪些差距或者进步的空间？

A：从技术来看，有些剧集已经在国外使用了。为什么国外的剧集可以普遍使用，最大的核心是成本的问题。国外不管是做剧集，还是电影，他们在这方面的成本基本上是一致的，比如说我今天一集给你700万美金，坦白讲国内很少有体量可以做到这个。

今天国内的技术，跟国外拉齐的，只是在投入度上。奈飞建的一些棚，他的硬件投入很大，但是国内的一些硬件基本用不齐。我们今天剧集也好，用的那个屏，基本上是（对方）三分之一的价格，效果感知上会弱一些；而且国内的虚拟拍摄的整个成本，还是偏高。

在国内，我们现在要解决的是对虚拟拍摄能支持的场景的扩充。今天一个戏，如果是40分钟，里面有百分之十左右只要用虚拟拍摄，相对来说成本就会变低。如果我们现在因为几个镜头才用虚拟拍摄，成本还是很高的，因为你搭的那个东西，所用的硬件、棚、计算器资源和屏，怎么把这些分摊，这是国内今天要解决的问题。

Q：在国内的这种情况下，您觉得成本问题该怎么解决？

A：优酷已经在这方面做布局，做投入了。说白了有一些成本我先分摊，比如做大古装，因为横店不是所有的古装剧都能同时被满足，我做个大古装得自己搭，可能需要小两千万才搭出来，拍完以后也没有办法，只能拆了，把那些垃圾运走也要花一两百万甚至是三百万，这方面的成本是很浪费的。

在虚拟场景里搭完，后面都是可以复用的。这个是虚拟拍摄最大的价值，虚拟拍摄在国内，我的判断是在剧集的发展会比电影里面的应用更快，因为剧集相对来说周期长，不像电影最多也是180分钟，剧集三四十集，时间越长，可复用的空间会更大。

对于一个剧组来说从这里搬到那里（比如从车载场景搬到沙漠），成本是很大的，所以如果用虚拟拍摄把这些东西都串里面，它在剧里的分钟数占比是越来越高的，成本自然就下来了。

Q：之前拍一些剧观众会讲究实景拍摄更有真实感，现在讨论虚拟拍摄，会不会担心观众看的时候觉得不太真实。

A：这个也是对于虚拟拍摄来说想突破的关键点。我们做虚拟拍摄的时候，最重要解决的是真实感，这里面会涉及到比如，后面是虚拟，前面是实景，虚和实的结合，里面涉及到灯光，各种聚焦。我们会发现，我们2021年做的那个技术、2022年的案例，里面基本上看不出是在虚拟拍摄，很真实。这个对于用户来说，会有一个度，如果你那个度没有做到，确实很跳戏。

Q：（虚拟技术在）剧组的接受度是如何的？

A：这需要慢慢的磨合，大家配合达成共识。但我们会发现它增长很快，我们是从2019年开始做，到现在是三年，这几年我们看到的增长速度是破百的，每年增长率是百分之百以上，很快的。

Q：像虚拟拍摄的LED屏会播放一些素材，这些素材是如何制作的，怎么来的，素材的成本是不是也是逐渐在变化的？

A：有两套，一个是像车戏，窗戏，窗外的景，只要拿相机拍就可以了，拍一遍后面就可以复用。但是2.0的方案是数字资产，数字资产有两种方案，一种是完全是用视效搭出来用，说白了比如今天这个屋子是可以搭出来的，但是成本比较高；另外的方式是扫描，用扫描的设备给扫出来，扫描以后进行修改才可以用。但是这两块不管是哪一个，我们现在做的数字资产的成本是比较高的，如何让制作资产的成本降低也是重点攻坚，现在也有比较好的一些成果。

Q：国外很多科幻电影是在绿幕的地方去拍，想问一下咱们虚拟拍摄后面是否应用到这种科幻片中，在这里面会扮演着什么角色？

A：会，相对来说，虚拟拍摄最适合的场景就是做科幻，因为科幻的话很多场景是不存在的，你需要搭，目前来看还不如在虚拟场景里做。我们现在也在跟一个科幻电影往前在合作。在看哪些场景能够用。

Q：您觉得咱们国内的影视跟好莱坞的制作相比，有什么需要去补足的地方吗？

A：这个不是技术的问题，是整个工业化的问题，国外的整个的流程是很高的，他有各种工会，比如说我今天约定是从8点开机，到6点结束，国外基本上是可以做到误差在5分钟左右结束。中国现在的这种情况整个流程还达不到，从8点开大夜班到24点也有可能，这不是一个技术问题，是现在整个从业人员对专业度上的，以及各种链接上的点。

Q：现在平台通过数字技术加速影视行业的升级，对行业的价值和意义主要是体现在哪些方面，怎么衡量这些价值？

A：我们做内容这个行业，会发现内容周期是很长。比如电影的周期，平均下来是四到五年，我今天想做这个电影了，从前面的题材，剧本，最终再去拉投资，意向什么的，四到五年。

剧相对来说短一点，是两到三年。但是我们的数字技术能够从剧本，从前面的题材到整个制作可以缩短链条。同样的钱，我之前要做五年才可以，但是现在加速了，变成两年甚至一年，这个情况下看是根本的解决方案。

互联网的迭代会更快，好的内容也会更快的浮现出来，对这个行业帮助是很大的。

原标题：《人工智能如何影响影视行业？｜对话优酷CTO郑勇》

阅读原文

人工智能技术在文化产业中的应用与影响研究

摘要：人工智能技术的发展为文化产业提供了诸多应用性机遇；其中一些关键性技术点与文化产业相结合，可以实现文化内容产生、创意资讯传播以及文化市场管理方面的创新。本文拟从几种主要的人工智能技术出发，介绍在技术与产业相结合过程中形成的代表性应用，同时探讨分析目前的人工智能应用带来的“信息茧房”“机器歧视”等社会问题，从而为我国文化产业发展提供相应的经验。

关键词：人工智能；文化产业；算法公平；信息茧房

人工智能（ArtificialIntelligence，AI）本质上是对人的意识与思维的信息过程的模拟，是指使用机器代替人类完成认知、识别、分析和决策等功能。在《人工智能：一个现代路径》[STUARTJ.RUSSELL&PETERNORVIG,ARTIFICIALINTELLIGENCE:AMODERNAPPROACH1034(3ded.2010),supranote7,at4.]一书中，“人工智能”被定义为：行为是为了获得最好的结果，或者在不确定的情况下，获得期待的最好结果，这是一种“理性行为”选择。在过去的十余年中，人工智能技术在以深度学习为代表的机器学习、语音识别、自然语言生成与处理、计算机视觉等领域取得不少成果，引得全球广泛关注。

世界各国都在积极部署关于人工智能的战略规划，2016年10月，美国和英国双双出台国家人工智能战略。就我国而言，2017年，国务院印发《新一代人工智能发展规划》，其中提出到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元[国务院:新一代人工智能发展规划[J].重庆与世界,2018(02):5-17.]。

基于此，本文重点关注人工智能技术在文化产业――即新闻出版、发行、广播电视、电影、文化艺术、文化信息传输、广告服务和文化休闲娱乐等领域中的应用现状、存在的问题及对策，从而为我国文化产业发展提供可借鉴思路。

一、人工智能的主要技术类型与文化产业中的典型性应用

在美联社于2017年发布的《人工智能工作手册》中，人工智能在新闻业应用最频繁的技术主要有5类，包括机器学习、自然语言技处理术、语音识别技术、机器视觉和机器人技术[余婷,陈实.人工智能在美国新闻业的应用及影响[J].新闻记者,2018(04):33-42.]。在整个文化产业当中，目前应用最为广泛的技术类型是以深度学习为代表的机器学习，其他4类技术类型也均有不少应用落地。

通过上表可知，人工智能中的虚拟代理、机器人自动化、机器学习、深度学习、生物与语音识别、自然语言生成与处理（NLP）、硬件优化与决策管理等技术可以与文化产业中的信息采集、内容生产、信息传播和受众管理等有效结合，提供诸如内容个性化算法、受众目标与偏好识别、自动新闻内容生产等方面的服务，也可以提供在客户管理与市场调研方面的有力手段。

目前，国外一些先进的文化媒体机构对于上述技术的应用已经形成一定的有益经验与有效做法。

首先，在内容生产中，人工智能可以实现自动写作与自动摘要、抽取式新闻写作，并试图使机器像人类一样阅读与思考。

美联社是最早运用AI技术进行自动化写作的媒体之一。2014年，美联社与美国AutomatedInsights公司合作，使用该公司开发的自动化写稿程序Wordsmith来自动编发企业财报新闻。该程序几分钟内可写出150-300字的快讯，每季度能生产4000篇财报新闻，是过去数量的10倍。2015年之后，国内腾讯新闻、新华社和今日头条等也陆续推出了写稿机器人。

其次，在信源数据收集中，人工智能可以基于传根器应用生成内容，实现信息传播的可视化追踪。

NewsTracer是路透社使用的新闻追踪系统，这一系统每天可以对5亿条Twitter信息进行分析，从假新闻、广告和杂音，以及众多的人名、机构和地点中找到真的新闻事件与线索，这让记者能够从社交媒体的众多信息中脱身，把更重要的时间用来挖掘故事。

第三，在文化创意视频类服务中，人工智能可以实现文本和视频之间的转换、高效寻找视频片段与资源以及优化视频内容搜索等。

Zorroa是美国的一家视觉资产管理公司，2017年，公司推出企业可视化智能平台（EVI），帮助用户对大型数据库中的可视资产进行搜索和运行分析。在与索尼影业的合作中，EVI通过面部识别、图像分类、机器学习等方式整理、分析了索尼多年来积累的数百万小时的视觉资产。使用该平台后，平时需要27小时才能搜索到的特定视频资源，仅需3分钟即可检索到，为索尼影业的视频资源开发带来极大的便利[https://zorroa.com/case-studies/]。

第四，在文化信息传播中，人工智能可以通过受众的好奇点与文化传媒内容进行匹配、通过信号源获取受众的兴趣点，并且精准分析受众，预测其内容消费需求，实现精准投放。

Netflix是在用户个性化分发业务上较为成熟的视频网站。2016年年报显示，Netflix拥有9300万全球会员，每天流媒体播放超过1.25亿小时的电视节目和电影。预测用户想要观看的内容是其公司业务模式的关键部分。2016年，Netflix开发名为Meson的应用程序，构建、培训和验证个性化算法，提供视频推荐建议。类似的企业还有IRIS.TV等，该公司曾在三个月的时间内运用个性化分发，将其客户所在公司的观众存留率提高了50%[https://www.techemergence.com/ai-in-movies-entertainment-visual-media/]。

最后，在市场调研与客户管理方面，人工智能可以获知受众对内容消费的使用特点、通过深度神经网络技术来感知受众对文化内容的情感参与和变化，从而进行有效的客户管理与市场营销。

2016年，日本广告公司MaCannEricksonJapan聘用了全球第一个使用人工智能开发的机器人创意总监AI-CD?。当年9月，机器人创意总监与人类创意总监以同一个广告主题各自开发了10分钟的广告片，并交由全国民意调查评判。尽管人类创意总监以8%的微弱优势险胜，AI在受众分析与市场营销方面的潜力不容小觑。

可见，人工智能已经显著改变了媒体格局――包括观众发现和参与内容的方式，以及内容创建和分发给观众的方式。目前，算法不仅会影响受众在不同平台上看到的内容，还会首先影响平台生产和创建的内容。人工智能从根本上改变了受众行为和创作过程。

二、人工智能应用对文化产业发展的影响与启示

尽管统计显示，就目前的全球文化产业而言，仅有8%的文化企业已经部署并使用了人工智能技术应用[https://www.ibc.org/tech-advances/the-future-is-artificial-ai-adoption-in-broadcast-and-media/2549.article]，但人工智能技术对文化产业乃至整个社会的影响已经有所显露。

就其积极意义而言，人工智能技术在提高内容生产效率、提升用户留存率以及优化文化产业资产管理等方面存在重要意义、毋庸置疑的高效率和部分的不可替代性。而就其消极影响而言，内容分发的局限性开始受到社会关注；人工智能算法的公平化、透明化一度遭受质疑；算法带来的偏见与歧视又引发社会伦理问题；人工智能应用背后的商业力量或许是造成这一系列问题的原因之一……

不少科技界声名显赫的人物也因此表达了对人工智能未来发展的担忧，如特斯拉创始人埃隆・马斯克曾说：“我们应该十分小心地看待人工智能。我越来越倾向于认为，在国际或者国家层面上应当有相应的人工智能监管措施，以防人类做出不可挽回的事情来。”微软创始人比尔・盖茨、物理学家史蒂芬・霍金等也表达了类似的看法。未来人工智能应用将在何种程度上造福于人类，部分取决于今天我们在何种程度上理解并解决人工智能可能产生的问题与自有弊端。

具体而言，本文将从如下三方面阐述人工智能应用的问题、影响与对策：

（一）内容分发的局限性：“信息茧房”

如今的网络文化空间，从某种意义上说，是一个算法帮助公众做决定的环境。如果说曾经的传统媒体为公众搭建了一个“拟态环境”，不同的编辑部依托各自的编辑方针、新闻判断原则，以“议程设置”的方式决定着每日媒体内容的生产加工，那如今，在网络媒体中这一权力部分地转交给了算法。算法可以决定人们阅读哪些新闻，观看哪些视频，收到哪些广告，人们的数字存在（DigitalExistence）日益受到算法左右。

文化传媒企业使用算法决定内容推荐的初衷是在于解决信息过载的问题，提高用户获取信息的效率，更希望借此增加用户的沉浸时长，提高应用的用户忠诚度和留存率。因此，企业利用大数据主动搜集用户信息，根据用户自身兴趣，为用户定制个性化内容，形成一整套精确的内容分发模式。Facebook信息流产品Newsfeed、对话式新闻产品微软小冰和Quartz、今日头条以及Netflix、IRIS.TV等一系列人工智能应用均属于此类型。

这一初衷是好的，但问题出在“精确”上。信息越精确，代表着信息涉及的范围越狭窄。人工智能研究者已经发现，仅仅关注推荐系统的精确度远远不够，这会导致用户难以获取足够的信息增量，视野越来越狭隘。美国学者桑斯坦在其著作《信息乌托邦》[凯斯・R・桑斯坦.信息乌托邦:众人如何生产知识[M].法律出版社,2008：206-208.]中指出，人们借助网络平台和技术工具，在海量的信息中，完全根据自己的喜好定制报纸和杂志，进行一种完全个人化的阅读。在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“信息茧房”中。

学术界不少学者指出“信息茧房”问题的危害，将“信息茧房”与群体极化、证实性偏见等议题关联起来。学者陈昌凤认为，信息的个人化偏向容易产生詹姆斯・斯托纳（JamesStoner）1961年提出的群体极化现象，即团体成员从开始只是有某些偏向，通过协商、讨论，逐渐朝偏向的方向继续移动、形成极端的观点，甚至引发社会波动，如散播错误信息、形成极端性社会团体、公共理性批判缺失等[陈昌凤,张心蔚.信息个人化、信息偏向与技术性纠偏――新技术时代我们如何获取信息[J].新闻与写作,2017(08):42-45.]。与此同时，人们总是倾向于寻找、阅读自己认同的信息来佐证自己的认知，加深了信息的个人化偏向。对垂直细分领域内容的追逐，弱化了公共事务领域内容的传播，网络社会中传统媒体讲求的“社会公器”意义式微，一个对公共事务冷漠、毫无参与感与同理心的社会将会是“信息茧房”之下最极端也最为悲剧性的结局。

对此，文化传媒企业和公众这两个主体都需要采取一定的对策。对于文化企业而言，应当在推荐的精确度指标之外，加入新的算法推荐考量指标，如多样性、覆盖率、新颖性等；另外，有研究表明，基于关联规则的推荐方法要优于基于内容规则的推荐方法，更易为用户发掘新的兴趣点，现有的障碍在于关联规则难以抽取、耗时长[刘辉,郭梦梦,潘伟强.个性化推荐系统综述[J].常州大学学报(自然科学版),2017,29(03):51-59.]。

而对于公众而言，文化传媒企业设置算法推荐的初衷就有迎合用户喜好的意味，用户越是喜欢哪一类内容，平台就越是推荐哪一类内容。因此用户想要逃离“信息茧房”，第一个步骤就是反省自身，提升自身的媒介素养。平台可以帮助用户实现媒介素养提升，如每周发布用户阅读周报，告知用户在阅读中各类型信息的占比情况，提示用户哪一类信息了解匮乏等，起到一定的督促作用。

（二）从算法偏见到机器歧视――算法的公平与透明化困境

当我们在日常生活中的决策权部分地交给算法之后，我们本能地期待着一个更加公平、透明的环境。但是，一个不容忽视的问题是：算法或者机器真的能够做到公平、公正、不偏不倚吗？算法的规则是否本身就带有人类固有的偏见呢？

2015年5月，Google的照片应用加入自动标签功能，应用更新不久，一位黑人程序员发现自己的照片竟然被Google打上“大猩猩”的标签。Flickr类似的自动标签系统也犯过大错，曾把人标记为猿，把集中营标记为健身房。2016年3月，微软公司的人工智能聊天机器人Tay上线。可是上线不到一天，Tay就被网民“教育”成为一个集反犹太人、性别歧视、种族歧视等于一身的“坏孩子”，被强制下线。此外，有研究称谷歌广告服务会默认为女性用户推送比男性用户薪水更低的广告。这些事件一方面反映出现有的人工智能、机器学习技术的不成熟，另一方面，机器歧视（MachineBias）问题开始进入公众视野。

2017年，Pew研究中心曾在研究报告《算法时代》[LeeRainie,JannaAnderson:Code-Dependent:ProsandConsoftheAlgorithmAge,http://www.pewinternet.org/2017/02/08/code-dependent-pros-and-cons-of-the-algorithm-age/]中指出：“算法的客观中立仅仅是理想，创建算法的人即使尽量做到客观中立，也不可避免地受到自身成长环境、教育背景、知识结构和价值观的影响。此外，创建算法所依赖的底层数据的有限性也会导致算法偏见。”

那么，算法偏见的来源在哪里？首先，存在错误、不准确和无关的数据可能导致偏见。输入不完美、甚至有错误的数据，自然会得到错误、有偏见的结果。

其次，机器学习的过程可能是偏见的另一个重要来源。例如，一个用于纠错的机器学习模型在面对大量姓名的时候，如果某姓氏极为少见，那它在全部数据中出现的频率也极低，机器学习模型便有可能将包含这个姓氏的名字标注为错误，这对罕见姓氏拥有者和少数民族（姓氏与非少数民族不同）而言就会造成歧视[曹建峰.人工智能:机器歧视及应对之策[J].信息安全与通信保密,2016(12):15-19.]。这类歧视的来源并非程序人员有意识的选择，具有难以预料、无法估计的特点。

再者，正如Pew报告所指出的，算法可能先入为主地默认了算法创建者或者底层数据中带有的价值判断，从而产生了性别、宗教和种族方面的歧视。这类歧视主要是由于产品设计（DiscriminationbyDesign）的局限性。

种种算法偏见与机器歧视的案例让我们不禁怀疑，“公平”这一社会理念到底是否可以被操作化，成为被准确量化的算法规则。而与此同时，机器自动化决策的不透明性使得准确量化公平难上加难。机器决策是经由算法这一“黑箱”（Blackbox）完成的，也就是说，不论是普通人还是熟悉公平原则的社会学者，均无法了解算法的内在机制、原理，更无法监督机器的决策过程。因此，当算法的编程人员不清楚或者未能统一“公平”的内涵与规则时，他们自身的偏见就会在一定程度上影响算法，同时他们也可能会忽视算法可能产生的偏见，不公平的人工智能应用随之产生。

正如学者DanielleK.Citron在《技术正当程序》中所说，对于关乎个体权益的自动化决策系统、算法和人工智能，考虑到算法和代码，而非规则，日益决定各种决策工作的结果，人们需要提前构建技术公平规则，通过设计保障公平的实现，并且需要技术正当程序，来加强自动化决策系统中的透明性以及被写进代码中的规则的准确性。

日前，美国弗吉尼亚大学学者AhmedAbbasi等在《让“设计公平”成为机器学习的一部分》（Make“FairnessbyDesign”PartofMachineLearning）一文[https://hbr.org/2018/08/make-fairness-by-design-part-of-machine-learning]中指出，可以通过将数据科学家与社会科学家组队、谨慎打标签、将传统的机器学习指标与公平度量相结合、平衡代表性与群聚效应临界点（criticalmassconstraints）以及保持意识等方法减少算法形成歧视的可能性。其中，“平衡代表性与群聚效应临界点”是指在对数据进行采样时，应既考虑数据的整体特征，同时不忽略某个特定少数群体或者极端数据情况。只有这样，机器学习模型在预测一个普通人和一个特殊群体时，才能都给出更为准确的答案。

另外，谷歌也开始倡导“机会平等”，试图将反歧视纳入算法。还有学者引入“歧视指数”的概念，为设计“公平”的算法提供具体方法。我们必须清楚，人工智能总是通过一个快速且脱离人类社会与历史的学习来完成自我构建，因而一个未经完善的机器学习模型必然存在“道德缺陷”。在人工智能应用的构建中，人类与人类长久以来葆有的道德与社会规则不能缺席。

（三）人工智能应用背后的力量

“信息茧房”的形成不是由于信息广度不足，内容生产不够，而是由于信息推荐固定地集中在某一特定领域造成了信息的窄化；算法偏见的形成不是由于机器学习具有天生的弊端，而是由于人类未将公平公正的原则纳入算法考量之中。人工智能应用背后存在着的，是人的力量与符合经济社会的商业逻辑。

为了迎合消费者，信息推荐系统会将消费者的阅读“口味”作为依据。当搜索引擎通过机器学习意识到，搜索八卦新闻的人愿意在日后更多地看到八卦新闻，为了提升用户留存度，搜索引擎会相应地减少其他类型新闻推荐。

为了满足商家，人工智能产品会把更昂贵的产品卖给用户忠诚度高的用户，即“大数据杀熟”现象。同时，为了更加精准地进行广告投放，人工智能偶尔也会忽视公平原则，例如女性用户通常会收到比男性用户薪资低的推荐广告。这样的现象发人深省，未来是否有必要通过一定的法律手段，要求包括文化企业在内的商家作出“不作恶”的商业承诺。

整体而言，我们的社会正被人工智能推向一个新的发展节点。正如[金兼斌.人工智能将给传媒业带来什么?[J].中国传媒科技,2017(05):1.]学者指出，社会和传媒技术的发展，从来都不是线性和匀速的。从工业革命到信息技术革命，每一次社会巨变都伴随着这样一个临界时刻。今天，我们已经能够感受到，我们的日常生活――包括媒介生活中的许多基础性的东西，正在被人工智能应用所搅动。在这样的时刻，只有紧抓机遇、规避风险、解决弊病，才能真正实现行业和社会的跨越式发展。我国的文化产业走到了一个崭新的路口，新的机遇在等待着它。

(责编：尹峥、赵光霞)

分享让更多人看到

人工智能带给各行业的冲击和机遇

随着科技的发展和社会的进步，高新技术正在慢慢地改变人类的生活方式，在这些巨大变化的背后是无数科研人员辛勤努力的结果。下面结合人工智能领域的文本理解研究方向，介绍人工智能领域近些年的发展和带给各行各业的变化。

人工智能技术指的是获取某一领域的海量信息，并利用这些信息对具体案例做出判断，以达成某一特定目标的技术。这些技术在给定任务中所展现出的工作能力已经被证明可以完全超越人类的表现。例如目前的信贷风险评估已经逐渐从人为评估转变为自动化评估，如何做到的呢？金融机构利用大量的历史借贷记录以及分析后的借贷的结果作为训练集，让计算机学习并理解如何评估是否实施借贷，也就是学习一系列的规则。当计算机学习完毕后，我们再给计算机一些新数据时，计算机就会利用原有的规则分析这个机构或者人的借贷条件，最后判断是否给予借贷。从而解放了人为的繁复工作，仅仅依靠计算机就能轻松解决。再例如，传统的客服行业都是雇佣大量的人员接线，成本巨大，目前随着人工智能的迅猛发展，已有很多公司如微软、百度、阿里率先实现了智能客服服务，用户输入问题后，计算机先理解问题然后在答案库里匹配答案，将结果反馈给用户。

今天，这样的人工智能技术正在被广泛应用于各个领域。随着它的进一步发展，会不可避免地对就业造成冲击。很多岗位和职业会逐步消失，如银行出纳员、客户服务代表、电话销售员、股票和债券交易员等；甚至律师助理和放射科医生这样的工作也会被这类软件所取代。假以时日，人工智能技术还会学会控制如无人驾驶汽车和机器人这类半自主或全自主硬件设施，逐步取代工厂工人、建筑工人、司机、快递及许多其他职业。人工智能技术所带来的冲击并非单纯指向

某些特定岗位和职业，如传统制造业中的手工艺者被流水线工人所取代；或只会使用纸张和打字机的秘书被精通电脑的个人助理所替代等；人工智能所带来的是对现有职业和工作版图大规模地颠覆。简而言之，就是大量重复性肌肉劳动将会被人工智能取代，并且一些高难度的具有一定危险性的工作也会被人工智能取代，例如目前研制出的手术机器人可以为艾滋病患者、乙肝患者等具有传染性疾病的病人手术，从而降低了医护人员的危险性。

但随着人工智能的发展，除去传统行业被高新技术取代，创新型工作也面临着巨大的危机。音乐领域，索尼巴黎计算机科学实验室研究人员盖坦•哈杰里斯(GaetanHadjeres)与弗朗索瓦•帕切特(FrancoisPachet)编写的“DeepBach”(深度巴赫)的神经网络，通过学习352部巴赫的作品之后几乎可以能创造出以假乱真的巴赫曲目；编剧领域，一个人工智能程序名为“Benjamin”，通过学习大量剧本后，创造出一个9分钟短片。“Benjamin”目前没法做到像人类写的剧本那样逻辑通顺，刚出来的稿子有很多让人啼笑皆非的地方，不过整体而言，人工智能创作的具备还是很有意义。同时，让人惊讶的是，Benjamin根据剧本的情节，创作了相应的背景音乐；在围棋领域，谷歌创造的阿尔法狗横扫李世石等顶级高手，颠覆了人类对于围棋中“棋谱”的认识，打击了棋类的最后堡垒。

以此看来，人工智能显然是有能力和潜力取代人类现有的各类工作的，梁建章先生说的30年，显然是非常保守的判断。

随着一些行业的被取代，同样会出现一些“新兴”的行业，如已被行业认可的“自然语言处理”、“语音识别工程师”等，还有业内人都没意识到的职位，比如人工智能/机器人产品经理；脑洞再大一点，未来可能会有“机器人道德/暴力评估师”等职位。那么在人工智能时代，社会亟需的是哪些人才呢？

1.专才+创造力。

无论是上述三类需求来源的哪一种，浮于行业表面的人，都会被AI替代。只有具备深度的专业能力和创造力，才能有立足之地。

2.如果做人工智能行业，还需要极强的多领域理解力+沟通合作能力。

如服务机器人行业，会是人工智能+互联网+机器人硬件等多领域的交集，同时能懂这三方面的人是可遇不可求的。实际工作中，一定会需要和其他背景的牛人共同协作，这时，一方面，需要多领域的知识储备，另一方面，沟通合作能力尤其重要。

综上所述，我们需要不断学习，积累更多技能，不断适应社会对于职业的需求，才能让自己立于不败之地。

人工智能对各行业的改变，具体有哪些

AI让制造业更智能

在物联网在很多用户案例中都为制造业带来了商业价值，如远程资产监控，物流，供应链，预见性维护等。

机器人在自动化生产中的应用最能说明AI在制造业的广阔前景，人工智能已经开始装配产品，包装货物，这表明高度机器人化的产业正在形成。而目前大多数AI技术都需要人类帮助和监控的现状也将转变。

AI保障医疗保健产业

医疗保健是受人工智能影响最大的产业。IT企业早已开始研发可以跟踪雇员健康信息或老年人健康信息的人工智能应用，人工智能在医疗保健领域的未来不可估量。

很多医疗组织都已部署IBMWatson帮助医生为患者提供最全面的护理，这只是认知计算目前的应用场景，未来将布局更广。在即将到来的人工智能时代中，人们将通过挖掘医疗记录数据提供更及时更高质的医疗服务。

该领域最具前景的一个项目是谷歌的DeepMind健康工程。谷歌AI研究机构搜集并规范化了医疗数据，还探究了数据沿袭。该项目目前处于起步阶段，未来将用于帮助伦敦摩菲眼科医院改善眼部治疗。

跟随着IBMWatson和谷歌DeepMind的步伐，微软，戴尔和惠普都已进军医疗保健产业。有分析师预测，截止2018年年底，30%的供应商都将根据患者数据进行认知计算。

AI为建筑业护航

作为工业4.0时代重要的组成部分，人工智能将一如既往得改变世界。建筑业也将从自动化部署中获益。比如，AI能通过最优化得决定原材料开销和选择工程公司等大幅度削减费用。

自动化TMA（车载式衰减器）卡车是建筑业中一个十分引人注目的人工智能应用案例。这种卡车可以在没有司机的情况下高效工作，遇到危险情况，司机可以离开卡车保证自己的安全。TMA技术配备了机电系统和全集成传感器套件，能够决定主卡车和副卡车。该型卡车目前应用在筑路工程中，未来它的应用场景也将改变。

过去的3-D或4-D建筑信息模型不久就会甚至已经被下一代的5-D建筑信息模型（BIM）取代了。建筑工程的功能和物理特征都将得到5维的展现。几何规格，美学，热特性和声学特性会使AI计算出最终的费用和建筑日程。

很多企业都已经采用过这一模型。将来，这一应用将通过可穿戴设备与增强现实技术集成起来。5-DBIM和增强现实设备的结合将转变整个建筑产业。人们将能够通过全息立体显示器，看到物理实体的全息图，还能通过手势和声音操控与数据进行交互。

聊天机器人与零售业

虚拟现实是零售产业目前最流行的人工智能应用。商店里有时都能买到虚拟现实头戴设备，人们戴着它就可以看到产品的样子，更方便地选择产品。然而，聊天机器人才是零售业AI的未来。电子商务是最有活力的零售平台，聊天机器人的引入将使电子商务转化成对话商务，使业务所有者为客户提供个性化的购物体验，这势必会构建更强大的客户基础。聊天机器人的研发已经起步，所有的在线零售业务都应该把该技术纳入日程。人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：1.人工智能时代，AI人才都有哪些特征？http://www.duozhishidai.com/article-1792-1.html2.大数据携手人工智能，高校人才培养面临新挑战http://www.duozhishidai.com/article-7555-1.html3.人工智能，机器学习和深度学习之间，主要有什么差异http://www.duozhishidai.com/article-15858-1.html

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站

人工智能技术给教育行业带来哪些主要影响?

现如今，人工智能技术对社会各个领域日益产生深远的影响，教育领域也不例外。在这一领域，人工智能技术的进步为教学和学习带来了新的可能性和挑战，甚至有可能从根本上改变教育治理和教育机构的内部架构。人工智能技术虽然会对教育行业产生影响，但绝对不会像线上电商颠覆传统零售那样剧烈。从目前情况来看，人工智能技术对教育的影响主要体现在以下几个方面：

人工智能技术可实现“个性化”教学

人工智能技术影响教育的关键方法之一，是为学生提供个性化学习。通过自适应学习程序、游戏和软件等系统响应学生的需求，全过程搜集学生的学习数据，通过分析这些数据，最后向学生推荐个性化的学习方案。尤其是基于人工智能的自适应学习系统，帮助学校和老师提供个性化的教学，同时帮助学生提高学习效率,激发学习兴趣。

以中国“科大讯飞”为例，目前主要通过三个步骤打造以学生为中心的课堂，实现个性化学习：首先对每一个学科，构建学科知识图谱;然后通过学科的知识图谱分析每一位学生的学习情况，让每一位学生的学习情况可视化;最后给相应学生推荐个性化的学习资源。人工智能赋能之下，学校实现了个性化教与学，课堂得到有效延伸;通过师生的共同努力，在教学质量上实现突破。

人工智能技术可重复学生没有掌握的内容，并且帮助学生按照自己的节奏学习，比如美国“可汗学院”可根据每个人的学习状况自主设计学习进程。这种定制教育可帮助不同学习水平的学生在一个教室中一起学习，教师可在需要时促进学习并提供帮助和支持。该学院下一个目标是，在未来的几年内制作出从幼儿园到高中的所有课程，以及部分大学课程，如计算机科学和电子工程等。每个人学习的处境和内容不同，所以我们不仅要因材施教，而且要因时、因地施教。而基于人工智能技术建立促进个性发展的教育体系，是未来教育发展的基本趋势。

人工智能技术可为学习提供指导

智能辅导系统能够理解学生喜欢的学习方式;它们还能够衡量学生已有的知识量，所有这些数据和分析都用于提供专门为该学生创建说明和支持。试验和错误是学习的关键部分，但对于许多学生来说，错误的答案会给他们挫败感，有些学生不喜欢在同龄人或老师等权威人士面前犯错，而人工智能技术可为学生提供在相对无判断的环境中进行试验和学习的方法，人工智能“导师”还可提供改进的解决方案。人工智能技术将促进教育决策的科学化和资源配置的精准化，加快形成现代化的教育公共服务体系。目前在学校的实际运用中，人工智能技术所收集的数据可为现代教育治理提供决策辅助。人工智能助手可扮演老师、辅导员、同学等虚拟人物，它们可从不同的视角，提出问题，并提供指导。

人工智能技术不仅能让学生定制课程与学习进度，还能及时为学生提供反馈;当发现学生向系统提交错误的家庭作业答案时，系统会向教师发出警报，并为学生提供正确答案的提示。这种类型的系统有助于填补课程中可能出现的空白，并有助于确保所有学生都能掌握知识，让学生立即得到反馈，帮助他们理解概念的内涵和外延。现在一些基于人工智能技术的辅导课程已经存在，这可帮助学生完成基础数学、写作和其他科目的基础知识。利用智能化的教学系统，人工智能技术也可持续的为学生提供支持和辅导，帮助他们克服困难，更快的完成学习计划及目标。

人工智能技术可改变学习方式

使用人工智能系统，学生可随时在世界任何地方学习，学生根据自己的需要安排学习时间。通过人工智能技术，学校可创建全球化的教室，学生所处的位置将不再重要。学生如果由于某种原因无法参加课程，则通过访问链接，点击该链接，加入现场教室。人工智能技术还可将全世界的学习者联系在一起，超越教室的墙壁，与其他学生、教师、作家、科学家等互动，以加强他们的学习效果。人工智能技术可促进合作学习，通过比较学生的学习者模型，而后建议处于相似认知水平或具有互补技能的参与者互相帮助，并通过分组来支持协作学习。教育最大的挑战之一是每个人的学习方式不同，人工智能系统可为每个学习者提供个性化的学习方式，使每个学生能够以最适合自己的方式学习。

英国数学家和教育理论家阿弗烈·怀特海先生在《教育的目的》一书中指出：“学生是有血有肉的人，教育的目的是为了激发和引导他们的自我发展之路。”对学生而言，人工智能技术可为学生提供一对一的辅导，真正实现了因材施教;也可打破时空的壁垒，加强学习者的交流与互动。对教师而言，“师生的交往活动是教学过程中的本质属性。”人工智能技术可减轻其重复性工作，使其有更多的时间与学生交流，培养他们的各种技能，帮助他们日后更好地融入社会。基于对学生的洞察力，人工智能技术会自动创建一条个性化的学习路径，以确保学生能够以尽可能好的方式学习并取得成功。

仅从以上三个方面可见，人工智能技术给教育带来较为显著的正面影响。然而，该技术在给教育带来有利因素的同时，也会存在相应的挑战。在人工智能技术渗透进入传统教育领域带来优势的同时，也会引发一些问题;例如人工智能技术的出现可能会导致学生被动接受已经安排好的知识，而丢失主动分析、思考的能力;也有人担心人工智能技术为教师做了太多，教师的教学水平可能会因为人工智能技术的出现而有所下降。因此，要充分认识人工智能技术的优势和它可能存在的问题，做到趋利避害，真正使人工智能技术发挥育人的作用。正如中国教育家周仪荣先生所言：科技是一把双刃剑，在它给人们带来美好的同时也带来一些麻烦;因此要合理利用科技，发挥它有利的一面，限制它不利的一面，是提高教学质量的有效途径之一。

人工智能与设计（4）：人工智能对设计的影响

前面通过三篇文章《人工智能的发展和定义》、《面向用户的人工智能系统底层设计》和《人工智能时代下交互设计的改变》介绍了人工智能基础、系统底层设计以及上层应用的设计。本次更新的最后一篇文章关注的是人工智能与设计的关系，这应该是设计师们最想了解的部分；这篇文章是为后期调研人工智能对不同设计领域的影响做个铺垫，欢迎阅读。

人工智能对设计的影响

人工智能的普及是否使设计师失业引起了业界的一股躁动。要回答这问题，应该先弄清楚设计与人工智能的关系，我们可以从本质开始入手。

有人认为设计是为了追求美，和艺术没什么区别；但设计做久了，会有更深刻的理解：设计是为了解决问题。那么设计是什么？在网上看到了一句对设计的定义：设计是有目的的创作行为。这句话解释得非常棒。目的代表主体所追求的目标，创作是把自己的灵感、经验和感觉表达出来。设计是为了解决问题说明设计是为了解决问题的创作方案，设计为了追求美说明设计是为了解决设计对象美感和实用性的问题的创作方案，所以后者属于前者。

艺术是为了将自己的灵感、经验和感觉等主观感受表达出来。设计和艺术的本质在于是否拥有目的；目的是一种观念形态，反映了人对客观事物的实践关系。相比起艺术，设计更多是一种人对客观事物的实践方式，在考虑主观因素的同时也要顾及外界等客观因素。

从定义上来讲，人工智能是使机器代替人类实现认知、识别、分析、决策等功能，其本质是为了让机器帮助人类解决问题。也就是说，人工智能在一定程度上也是一种设计，其目的是为了帮助人类解决问题，创作出与人类思维模式类似甚至超越人类思维模式的解决方案。

问题的复杂程度会直接影响解题人的最终方案，因为人的知识、经验、精力是有限的，很少甚至没有人会长时间都在解决同一个问题。当解题人找不到最优方案时，他们给出的方案具有一定的主观性，甚至有可能错误的。但也有例外的时候，人有神奇的技能-灵感和直觉，它们可以短时间内帮助人类找到解决问题的捷径。

目前的人工智能属于弱人工智能，暂时无法拥有人类的主观能力：灵感、感觉和感受，也没有人类的跨领域推理、抽象类比能力，只能依赖数据和经验来创作或者解决问题。但计算机比人类拥有三个优势：

可以在极短时间内完成超复杂的运算；可以长时间不厌其烦做同一件事，而且不会累；记忆力好，积累的经验可以被随时调用；没有情感等主观因素，比人类更公正客观对待每个方案。

这四个优势可以使计算机在解决超复杂纯智商难题时不断探索新方案，不断积累经验，不断优化方案，通过穷举和对比，找出最佳的方案。人工智能在不同的领域积累的经验增加，它对事物间关系的洞察力也会逐步提高，它也会不断反哺提高自己解决问题的能力。当人工智能的运算能力、分析能力、洞察力超越人类时，人工智能在很多领域提供的解决方案会上优于人类。

设计除了解决问题外，还有对美的理解和创作。美感是对美的体会和感受，它是复杂的，它包含了历史、文化、环境、情感等客观和主观因素，所以不同时代、阶级、民族和地域，有着不同文化修养和个性特征的人对美的定义也不同。不同人之间有着不同程度的美感能力，有些是先天因素影响，取决于个人的感知能力；有些是在社会实践等后天因素训练出来的。

由于弱人工智能缺乏人类的主观感受和推理类比能力，以及缺乏对当代世界和社会的文化和环境的理解能力，所以弱人工智能对美感一无所知。人工智能不懂美感不代表人教不懂会机器生产美感，就像托福和雅思，即使英语不太好看不太懂文章在说什么，只要懂套路，考生也能考出一个还行的成绩。

图片处理应用Prisma通过深度学习将一张图片的风格特征分析出来，毫无保留迁移至另外一张图片。

阿里鲁班系统通过深度学习来量产Banner，设计师将自身的经验知识总结出一些设计手法和风格，再将这些手法归纳出一套设计框架，让机器通过自我学习和调整框架，演绎出更多的设计风格，上亿的Banner通过素材进入该框架后批量拼装而成。

来自微软亚洲研究院的研究员与清华大学美术学院的艺术设计专家让AI接手了繁杂专业的图文排版设计工作，他们提出了一个可计算的自动排版框架原型。该原型通过对一系列关键问题的优化（例如，嵌入在照片中的文字的视觉权重、视觉空间的配重、心理学中的色彩和谐因子、信息在视觉认知和语义理解上的重要性等)，把视觉呈现、文字语义、设计原则、认知理解等领域专家的先验知识自然地集成到同一个多媒体计算框架之内，并且开创了“视觉文本版面自动设计”这一新的研究方向。

以上案例说明人工智能即使不懂审美，也可以替代人类生产可被公式化（规范化）的设计。可被公式化的设计说明这些设计是已成熟的，有规律的(模型)、受限制的(参数)、可量产的。如果不想被人工智能的美感设计领先，设计师的美感设计应该是创新的（未成熟未被发现规律的），包含更多元素的（更多复杂参数如历史、文化、环境、情感等等）。

人工智能与设计师的关系

设计是一个用处非常广泛的动词，可以搭配不同名词成为各种专业术语，例如程序设计、架构设计、交互设计、UI设计、建筑设计、材料设计等等。但设计师更多是指处理好人与设计对象之间的关系，提高体验满意度的职业，例如室内设计师是为了提高人在室内的居住质量；服务设计师是为了提高人在服务流程中的满意度；交互设计师是为了解决人与计算机的交流问题；UI设计师是为了升华人与计算机的交流体验。

上文已提到，人工智能在解决超复杂纯智商难题上最终会超越人类，而且可以生产出可被公式化（规范化）的设计，例如符合规范可批量生产的平面设计、符合规范已成熟的网页和移动端交互设计。但对于人工智能，设计师不用过多担心被取代问题，因为设计师的工作是为了提高体验和满意度，体验和满意度都是主观的，这是人工智能很难去衡量的。既然人工智能也是一种设计方案，那么设计师可以利用人工智能这工具创造出什么价值？

1.在互联网和移动互联网时代，由于产品用户量大以及技术的限制，产品无法针对每位用户在不同场景下的需求进行设计，所以产品功能只能绝满足大部分用户都有的核心场景；还有每位用户的审美能力的差异，设计师只能考虑用更简洁的设计语言来满足大部分用户的基础审美。在人工智能的帮助下，产品有能力做到根据用户的使用场景和行为分析出用户的当前诉求，并提供相应服务。人工智能为个性化服务提供了基础，个性化服务意味着要考虑更多关于该名用户的特点，包括文化，经历，心理等因素，如何设计能更满足该名用户，这是一个全新的机会和挑战。

2.人工智能为艺术型设计师带来更多机会。进入个性化时代的产品基本满足用户需求，相同类型的产品结构和功能会越来越接近，能为产品带来活力和差异的除了自身的底层技术基础，更多是艺术型设计师的理念和风格，以及自身品牌。就像时尚品牌优衣库和Gucci，单件商品两者的品牌和设计产生所带来的利润差距巨大，人工智能产品也可以做到。

3.人工智能使产品的使用成本降低，信息架构扁平化，整体体验提高；但个性化设计意味着需要考虑更多元素。简单和个性化貌似矛盾，如何保持产品简单可用又能突出个性化，这也是一个全新的机会和挑战。

新的设计对象

计算机的普及和难以使用，催生出交互设计这个术语，交互设计专门解决计算机如何更好地与用户交流互动的问题。交互设计师在设计过程中总结出一个新术语：以用户为中心的设计，在设计时密切关注用户的体验和感受。用户体验设计这个术语逐渐扩散到各行各业，它所带来的价值让各个企业明白提高体验的重要性，并着手优化自家产品服务，到后面也衍生出服务设计等专业术语。

产品体验不好，用户还有其他替代选择，所以大家开始关注用户体验。但现在用户体验设计存在着一个局限性：它设计对象仍然是产品，它只关心用户在使用产品期间的体验，不关心产品对用户其他方面的影响。这是可以理解的，因为企业间之间存在着竞争，以及互通数据分析数据需要非常高的成本。所以产品体验好了最大收益自如是产品和企业，并非用户。

辛向阳教授提出了一个更领先的观点：EX-ExperienceDesign，以用户经历为中心的设计。简单点说，生活中每天发生的琐碎小事不会被记住，例如吃饱睡饱；但特殊的经历会被记住，例如在迪士尼公园的路上突然跑出来一群鸭子，你会记住那次惊喜。UX构建的是每一件小事，EX构建的是用户经历，基础是每件小事之间的联动。EX更多关注全局性，就像迪士尼乐园把控全局体验为游客带来惊喜。EX是个性化服务的基础，它会从多个维度包括用户画像和行为、场景和环境、上下文的理解（上一件事情发生了什么，后面安排的事情）等为用户创造价值。

当设计对象从产品转变到用户经历时，设计师不能只考虑自己的产品体验，还要从全局出发考虑产品与产品之间的联动，考虑不同场景和突发事件时自己的产品如何服务用户。产品从单体变成一块拼图，需要考虑上下左右的关系并兼容，这对设计师来说是一个全新的挑战。

如何设计人工智能产品

人工智能为个性化服务带来新的可能，要想设计一款更友善更像人类的产品，我们先看看人类是怎么交流的。人与人之间的交流分为双向交流和单向交流，双向交流包括了问和答，单向交流包括了指令、陈述和接收信息（单向交流指对方可以给予简单的反馈，甚至不需要提供反馈）。问和指令不太一样。问是因为自己不知道，希望对方能提供相关的完整答案（这里忽略明知故问和反问两种带有目的性的情感交流）；指令更多是指上级对下级的指示，他知道对方能做什么，希望对方能帮助自己完成该事情，对方完成后的反馈可能非常简单，一句“OK”“搞定”“对不起，做不到”已经能表达清楚是否完成，其反馈不需要太多内容。陈述的意思是我将信息传达给你就完成了，你可以不给予我反馈，例如演讲、授课、讲述内容等等。接收信息包括了听觉、视觉、触觉，甚至是嗅觉和味觉。

随着信息的增加，当信息超过人类的记忆容量时，人类通过交流获取信息的效率变慢，他们开始将信息通过刻画的方式记录保存下来，到后面逐渐出现了书籍。随着技术的发展，人类获取信息的方式也在逐渐增加，收音机、电视、电脑、手机逐渐出现在我们的生活中，我们先来看看人与媒介交流信息时有什么不同，再来推断人工智能能做什么。（这里的人更多是指接收信息，并非发送信息例如写书、写文章的人）

从表格可以推断出，人工智能要做到与人正常交流需要在问、答、指令、接收信息四个方面有所深造。问更多是指人通过语音、文字等对话方式提出问题（语音是最快最直接的表达方式），计算机理解问题后给出正确完整的答案。答更多是指计算机需要通过如传感器、用户事件监听等隐形手段获取更多的用户数据。指令更多是指用户通过语音和界面发出指令，计算机接收并理解指令后完成一系列的操作。接收信息更多是指人给出问题和指令后，计算机如何提供正确的答案和反馈。

如果牵扯到辈分、利益等关系，人类之间的交流务必产生情感上的交流，在交流时最能表达情感和态度的是态度和语气，人和机器交流也毫不例外。人工智能需要学会与人类交流时，根据不同场景和对话内容采用合适的态度和语气。在交流中，机器更多承担的是下级以及朋友的角色，直白点就是要你干嘛你就干嘛(准确性)；要你干嘛就赶紧做(即时性)；说你不对就得改(自我学习和修正)；不能顶嘴(礼貌)；尽管我对你很苛刻，你也要对我像好朋友一样(性格一致，需要人物设定)。

结合交流方式和情感表达，设计一款面向用户的人工智能产品时需要注意以下几点：

人物设定：为了避免在交流中过于死板或者态度语气时常变化过大(态度语气时常变化过大叫精神分裂)，设计师应该针对不同用户群体为人工智能赋予不同角色与性格。例如针对二次元宅男群体，赋予人工智能傲娇、元气、电波女等性格；针对成熟女性群体，赋予人工智能温柔的管家角色；尽量不要赋予人工智能老板、父母、老师等角色，因为指令他们干活时，会让人类感觉到突兀。准确性和即时性：需要听懂用户的问题和指令并立刻给出准确的答案或反馈。准确性和即时性是人工智能的最基础能力之一，多次回答错误显得人工智能很蠢，用户会逐渐对人工智能失去信心和信任。在技术不成熟的时候，可以引入天然呆、冒失女等具有智商不高但又很懂卖萌的角色性格弥补技术上的缺陷，这样可以通过打情感牌减少用户愤怒甚至失望的情绪。自我学习与修正：当人工智能不知道答案和操作时，除了给出抱歉的反馈外，更多需要的是通过自我学习能力来修正自己的数据库，避免多次惹恼用户。礼貌：及时回复、不重复说话、不反驳、不打断用户的说话和操作都属于礼貌问题，就像人类一样，有礼貌的人工智能才会受用户欢迎。

做设计时需要考虑更多数据的交互，关于人工智能底层数据设计请阅读第二章的《下一代人工智能助理》和《人工智能数据仓库》。在设计架构时需要考虑更多产品上下游之间的联动，以及通过接入通用型API和组件完善人工智能的数据库，关于移动端信息架构设计、通用API和组件请阅读第三章的《流的设计》和《新型API和组件》。对话是人工智能的基础，更多对话体验设计请阅读《GoogleActionsDesign》。人工智能为个性化设计提供了基础，设计师需要考虑更多场景下的个性化服务，也可以引入更多风格的个性化设计，彰显出用户的魅力。

人工智能如何影响影视行业｜对话优酷CTO郑勇 人工智能对影视行业的影响有哪些呢