当下，人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。另外值得肯定的是，在过去的一年里随着人工智能落地应用案例越来越多，其优化业务生产、降本增效、提升服务及运营效率方面的成果得到了行业的认可。一批优秀的人工智能初创企业开始进入到大家的视野，例如：商汤科技、旷视科技、优必选科技、极链科技等。很多行业级用户正在思考人工智能如何嵌入到自己的业务流程。

也有很多普通消费者认为AI离自己很远，这些看不见摸不到的AI到底是什么样子？今天我们来列举几款视频类产品，来帮助大家理解神秘的AI如何与碎片化的视频进行结合。

YouTube 的推荐逻辑

YouTube是目前全球用户量最大的UGC视频平台，用户量高达10亿+，全球级产品的高并发量和实时性要求很高。YouTube 推荐系统由两个神经网络组成，即：候选集生成（candidate generation）和排序过滤（ranking）。

候选集生成要解决的问题是内容过滤和协同过滤，内容过滤是基于用户的历史观看记录进行同类标签视频推荐；协同过滤是基于用户当下观看的内容做相关视频内容的推荐。听起来类似，但细微处是两大类标签库，比如我在看《奇葩说》的同时系统会给我推荐《吐槽大会》这属于前者，而我在看《奇葩说》的时候系统给我推荐了马东早期的相声视频，这就属于后者。简单说这种推荐逻辑，就是帮助平台建立更全面的用户画像，如果说前者是保守的推荐“可能喜欢”的内容的准确率有70%，那么后者的潜在推荐就可能去捕捉剩下30%，长久以来你会发现YouTube越来越懂你的心思。

排序过滤是更加深度的AI神经网络，输入视频类别、用户行为等候选维度对候选数据进一步筛选过滤。再使用设计好的目标函数为每个视频进行打分，视频按得分的多少依次按照优先级呈现给用户。其作用主要在于避免重复推荐，保障推荐内容的新鲜度、精准度。

抖音 的分发逻辑

与YouTube类似，抖音同属于UGC视频平台。抖音的分发逻辑主要分为基础分发、标签分发、粉丝分发三大类。

抖音的视频内容被归类放置在不同的流量池当中，包括知识类、影视类、厨艺类、数码类等，基础分发是指第一层基础标注后的分类。随后平台会根据播放情况收集到播放量、点赞量、收藏量、转发量等数据，进行分类后的二次分发推荐。

标签分发主要是围绕特定用户展开的，比如你是一个酷爱户外钓鱼的用户，最初使用的时候大多推荐的是各类点赞量高的视频内容，但经过一段时间后平台抓取到用户的点赞、收藏内容的偏好，就会在之后的内容推荐中优先推荐喜好内容。

“关注”这一功能设计对于平台来说是很好的分发依据，粉丝分发是指平台对用户关注内容的再分发。其细分包括特定的人、关注的人；自动推荐三方面，比如我喜欢罗志祥，会专门搜索一下他的账号，那么在浏览过他的过往视频后，之后依旧会重复几次推荐他的其他视频。而本来就关注罗志祥的用户，即使不去专门搜索也会在浏览视频流内容的过程汇中被推荐他的最新视频内容。最后一种情况就是没有明确喜好的“小白”用户，会被随机推荐当下相对热门的视频内容。

爱奇艺的AI应用

爱奇艺的推荐逻辑和常规流媒体平台基本相同。除了基本的影视作品分类推荐之外，你会发现在其短视频流板块中随意浏览视频时能刷出来自己最近看到过的影视作品（影评、精彩节选等）内容。其他方面包括AI视频修复、AI视频广告也在广泛应用。

去年，爱奇艺自研ZoomAI技术正式投入应用，对50部经典国剧、30部经典电影、海量UGC内容进行修复与增强，并对15部动漫与40部纪录片完成了插帧。AI视频修复可以理解为图片修复的升级版，视频本就是通过多幅画面组成的，但传统修复工艺效率太低不利于批量进行。通过AI深度学习训练之后，可以实现大规模的批量修复。

随着移动互联网时代的到来，十年内视频广告已经经历了多次迭代升级，从电视广告到贴片广告，再从移动贴片广告到AI营销时代，AI的加持下多场景技术、大数据技术、智能曝光技术逐渐被应用。AI视频广告逐渐成为了视频广告领域的“新秀”

「灵悦·视频AI全域营销平台」能够提供包括AI场景广告（ASMP广告）、视频电商、视频互娱、效果广告等多种业务形式的精准营销服务，带来全时全景全域的智能视频广告，适用于品牌宣传、移动下载、电商分享、销售线索收集等多种推广需求，帮助广告主实现品效双赢的智能推广。「灵悦·视频AI全域营销平台」以深度学习神经网络算法为主对视频内容进行批量解析、标注，让机器具备类似人脑的识别能力，当下已经可以实现品牌识别的、场景识别、地标识别、物体识别、人物识别等，可以有效帮助广告主匹配到更有共鸣感的视频内容。

现在来看，视频功能已经成为了各类产品、应用的技术标配，对于电商行业视频电商几乎成为了带货“翘楚”，对于教育行业来说线上视频教育产品正处于“风口”。在2020年，国内人工智能市场依然会保持高速增长态势，尤其是已经落地应用的产品将迎来更为广阔的发展机遇。