ai助力传媒智能化研究

一、人工智能时代文化创意产业的发展方向到底是什么?

根据腾讯研究院的统计，从2012年开始，人工智能领域的投资金额呈现出了非常陡峭的增长趋势，转折点就是深度学习技术的突破，以及硬件算力与大数据的飞速发展。“文化产业+人工智能”是人工智能技术向文化领域深度渗透和应用的过程，同时也是提升文化科技附加值，提高文化产品数字化、智能化的方向。在传媒与互联网领域，知识的数据化程度越来越高，人工智能在网络新闻、文学等图文内容的创作与编辑方面广泛应用。一些主流媒体如腾讯新闻的写稿机器人“dreamwriter”、 “微软小冰”及中国地震台网机器人等都先后将AI应用于新闻报道。另外，人工智能可以根据主题主动从互联网采集内容数据，对内容数据进行自动化的鉴定、审核与筛选，智能分类聚合。未来的智媒时代，人工智能将打破习惯媒体的桎梏，实现完全智能化内容创作、跨媒体语义理解和多媒体内容细致编辑。在影视、音乐与艺术领域，人工智能在剪辑、灯光、后期等很多流程上可以大大提高人类效率，很多科技公司均在探索利用AI创作出更加打动人心的艺术作品。在影视领域，迪斯尼和皮克斯的人工智能模型，通过研究《海底总动员2》中大量处理瑕疵的案例，可以自动将因光线过少引起的瑕疵纠正成光线饱满而自然的图像。在音乐领域，人工智能已经能够参与到题材选择、初步生成、编曲、声音合成等各种环节。在艺术创作领域，2017年4月27日，阿里巴巴在UCAN大会上正式推出“鲁班”人工智能系统，一秒可以生成8000张淘宝海报。不过，目前人工智能尚不具备人类特有的情感、思维，只是限于辅助人类创作和替代完成部分低质量的重复工作。
在游戏领域，人工智能的应用主要分为两个方面：一方面，是将人工智能用于游戏内容的开发，比如制作游戏的各种素材如模型、贴图、声音、NPC等。例如，英伟达正基于机器学习与神经网络技术研发多种游戏开发工具，其功能包括利用照片自动生成材质、将低像素图片还原到较高清楚度等；美国佐治亚理工大学的研究人员通过让AI观看游戏视频，教它如何重新制作游戏引擎。人工智能与游戏的结合不仅可以帮助专业人员开发出用户体验更佳的游戏，另一方面，人工智能可以作为玩家去玩游戏，如腾讯AI lab的“绝艺”战胜了世界棋王柯洁。另外，技术革新驱动文化产业革命性发展，从报纸到电视再到互联网、移动互联网，至今进入AI时代，文化传播、文化管理与文化营销均深受影响。

二、人工智能的研究现状和未来热点

人工智能行业主要上市公司：目前国内人工智能行业的上市公司主要有百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。本文核心数据：人工智能技术层重点分类,计算机视觉发展历程,计算机视觉市场规模,语音识别发展历程,语音识别市场规模

1、 机器视觉和语音识别是主要市场技术层是基于基础理论和数据之上，面向细分应用开发的技术。中游技术类企业具有技术生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论(机器学习)、平台框架和应用技术(计算机视觉、语音识别、自然语言处理)。众多国际科技巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层围统垂直领城重点研发，在计算机视觉、语音识别等领城技术成熟，国内头部企业脱颖而出，竞争优势明显。

2、计算机视觉发展历经三大理念，规模突破400亿元1982年马尔(David Marr)《视觉》(Marr，1982)一书的问世，标志着计算机视觉成为了一门独立学科。计算机视觉的研究内容，大体可以分为物体视觉(object vision)和空间视觉(spatial vision)二大部分。物体视觉在于对物体进行细致分类和鉴别，而空间视觉在于确定物体的位置和形状，为“动作(action)”服务。正像著名的认知心理学家JJ.Gibson所言，视觉的主要功能在于“适应外界环境，控制自身运动”。适应外界环境和控制自身运动，是生物生存的需求，这些功能的实现需要靠物体视觉和空间视觉协调完成。计算机视觉近40年的发展中，尽管人们提出了大量的理论和方法，但总体上说，计算机视觉经历了三个主要历程。即：马尔计算视觉、多视几何与分层三维重建和基于学习的视觉。国际市场研究机构Research?And?Markets发布的最新报告显示，2019年全球计算机视觉市场规模为46.433亿美元，预计到2027年将达到950.805亿美元，从2020年到2027年，预计年复合增长率为46.9%。

3、语音识别发展科追溯到1956年语音识别的研究工作可以追溯到20世纪50年代。在1952年，AT&T贝尔研究所的Davis，Biddulph和Balashek研究成功了世界上第一个语音识别系统Audry系统，可以识别10个英文数字发音。这个系统识别的是一个人说出的孤立数字，并且很大程度上依赖于每个数字中的元音的共振峰的测量。1956年，在RCA实验室，Olson和Belar研制了可以识别一个说话人的10个单音节的系统，它同样依赖于元音带的谱的测量。到21世纪之后，深度学习技术极大的促进了语音识别技术的进步，识别精度大大提高，应用得到广泛发展。目前，语音识别技术已逐渐被应用于工业、通信、商务、家电、医疗、汽车电子以及家庭服务等各个领域。例如，现今流行的手机语音助手，就是将语音识别技术应用到智能手机中，能够实现人与手机的智能对话功能。其中包括美国苹果公司的Siri语音助手，智能360语音助手，百度语音助手等。随着语音技术和自然语言理解技术的快速进步，AI语音语义技术已在智能翻译、智能医疗、智能汽车、智能客服、互联网语音审核等多个领域实现场景应用。疫情之后不仅是工业领域，政务服务领域的语音机器人、习惯行业企业的语音机器人也将有较高的市场增长空间。另外，NLP、AI数字员工、RPA的发展，一定程度上也将重塑AI应用场景。2018年，全球智能语音市场仍呈现快速增长趋势，市场规模为142.1亿美元，根据预测到2024年全球智能语音市场规模将达到215亿美元，其中智能医疗健康、智能金融以及各类智能终端智能语音技术需求将成为主要的驱动因素。

4、美国AI高层次学者数量大幅领先AI高层次学者是指入选AI 2000榜单的2000位人才，由于存在同一学者入选不同领域的现象，经过去重处理后，AI高层次学者共计1833位。从国家角度看AI高层次学者分布，美国A1高层次学者的数量最多，有1244人次，占比62.2%，超过总人数的一半以上，且是第二位国家数量的6倍以上。中国排在美国之后，位列第二，有196人次，占比9.8%。德国位列第三，是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

三、传媒板块跟αⅰ有关系吗?

传媒板块和AI有关系。
传媒早就进入数字化，而且现在可以语音话，如果没有智能化怎么识别。而且现在新闻也可以智能生成