决胜集团总裁王雷：真正的技术，是让人觉察不到它的存在

每秒完成8000张海报，一天内完成4000万张设计图，为双11提供近4亿张海报支持，这是今年双11的部分数据。 马云 除了持续颠覆我们对全民消费能力的认知外，还用阿里的人工智能“鲁班”塑造了图片传播的全新体验。

双11之后的2017腾讯 媒体 +峰会上，Dreamwriter 负责写稿， 微信 智聆和翻译君负责语音转文字和同声传译，三个 AI 撑起全场。如果说以前的机器撰写稿只是客观信息的堆砌，那么 Dreamwriter 已经可以配合机器实时翻译，解读人类演说的逻辑，并且自动剪辑小视频和自动配图，形成素材丰富且逻辑完整的内容。

作为土壤，以AI为代表的智能技术已经开始在媒体产业深化落地，媒体从技术探索走向工程化和产品化，并不断将技术分解为适用媒体场景的模式创新。而令人惊讶的是，这些变化发生的悄无声息，大家看到的只是最终的结果。

传播加速器

今年8月8日21时19分，四川阿坝州九寨沟县发生了7.0级地震。第一时间发布消息的，是中国地震台网一款公测的“地震信息播报机器人”，用时25秒；南方都市报的机器人“小南”，上岗后1秒完成关于春运车票动态信息。

人们看到的只是速度的加快和效率的提升，而事实上，写稿机器人背后涉及到非常复杂的技术，比如自然语言处理、文本复述技术、文本信息推荐技术、撰文技术、NLP、机器学习、深度学习等等。

AI的新闻生产并不依赖现场采集取材成稿，而主要通过数据挖掘、逻辑分析、模板框架的组合优化生成。从机器写稿的表现来看，尽管目前AI尚不具备人工编辑的深度和个性化写作，但是机器的学习能力很强，AlphaGo的迭代速度大家也有目共睹。

“套路”是最高效的成长路径

文章开头提到的阿里人工智能“鲁班”，正是用“套路”完成了信息的标准化和生产效率的提升。

阿里巴巴AI设计项目负责人曾解释过“鲁班”的几个关键技术：

一是图像算法“抠图”。以前都是设计师给商品抠图后再做设计，现在就是让机器来做这个事情，处理海量的商品自动抠图。

二是把设计变成数据。利用机器把商品、文字和设计主题进行在线合成，这样每张广告图片就带上了商品信息，可以根据消费者偏好进行个性化投放。

三是让机器学习设计。靠“人肉设计模板”度过了第一个阶段，后来产品开发的图像算法专家加入进来，主导整个智能设计的算法框架。

在利用关键技术的基础上，还通过让机器理解设计构成、建立元素中心、生成系统和评估系统等核心步骤，完成整个的设计和生成。

介质与信息交互方式的变革

2010年前，北京地铁站入口有卖报纸的，出口有收报纸的，但2011年之后，这些人逐渐消失了。

到了2017年，中国网民每天的资讯消费时长已经达到67分钟，然而劣质信息的泛滥，让人们普遍有两个感受：一方面，移动端的信息冗余让人们不堪重负；另一方面，每个人真正关心的事情总是无法第一时间完成触达。

算法和机器学习正在改善这些状况。强大的信息整理归纳和理解能力，将会大规模改变信息的交互方式，也会抹平信息的鸿沟，减轻人脑的负担。

很多资讯推送APP，比如今日头条、网易新闻客户端等，它们已经不是媒体平台，而是基于机器学习的个性化推荐引擎。

实际上，从终身学习的角度来看，个性化引擎和 社交 化的交互方式，不仅符合建构主义的学习理论，也让个体的知识建构来的更轻松可行。