媒體和娛樂業的17大人工智慧趨勢/應用

由於數字革命，媒體消費隨著時間的推移有了巨大的增長。考慮到Z世代和千禧一代的媒體消費已經轉向數字平臺，他們要求更多個性化的客戶體驗，媒體和娛樂（M＆E）企業應該更加依賴人工智慧解決方案來滿足他們的需求。

媒體和娛樂業包括6個部分：

• 電影和電視
• 社會媒體
• 新聞業
• 音樂
• 遊戲
• 體育和博彩業

每個領域都有特定的人工智慧應用，我們將解釋每個領域的人工智慧應用，以幫助你的人工智慧轉型之旅。

電影和電視

流媒體平臺和傳統電影製片廠是這一領域的重要參與者。像Netflix和Amazon Prime這樣的領導者正在用AI驅動的產品加強他們的市場地位。在電影和電視領域，你可以遇到的人工智慧應用有：

使用者體驗

內容推薦

• 推薦引擎通過分析客戶的觀看資料、搜尋歷史、評級資料、時長、日期和使用者使用的裝置種類，預測當時應該向使用者推廣什麼。這些推薦產生了一些意想不到的效果，如La casa de Papel。
• 個性化的定位：Netflix的登陸卡是這種應用的一個典型例子。Netflix根據使用者特徵應用機器學習為不同的群體顯示不同的登陸卡。他們的機器學習模型通過使用從A/B測試中收集到的資料來訓練模型，不斷改進。

Netflix使用機器學習，向使用者提供不同的縮圖（Source: Linkedin）

搜尋優化

機器分類演算法改善了電影的分類，因此當使用者輸入類別名稱而不是電影標題時，搜尋結果變得更加準確。

產品質量

副標題檢查的自動化：公司可以通過神經網路使字幕與畫面同步。要做到這一點，機器學習模型從視訊中提取音訊，並使用它來餵養訓練好的神經網路。根據一項案例研究，通過使用機器學習，耗時而繁瑣的人工檢查過程在以下方面得到了同步化

• 對於一個普通的電視節目： 45秒
• 對於一部普通的電影：不到2分鐘

流媒體質量：得益於人工智慧，Netflix可以預測未來的需求，並根據預測在戰略伺服器位置定位資產。通過預先將視訊資產放在離使用者更近的地方，即使在高峰期，使用者也可以流傳高質量的視訊。

生產

內容自動化：企業可以將其內容營銷自動化。機器學習和人工智慧演算法可以建議劇本的想法，編寫摘要和電影角色。像GPT-3這樣的工具正在增加人們對人工智慧用於內容自動化的興趣。你也可以檢視這篇文章，看看IBM Watson是如何創造第一個人工智慧製作的電影預告片的。

社交媒體

Facebook、Instagram、Snapchat和Pinterest等社交媒體平臺使用各種人工智慧技術，從分析到計算機視覺，為使用者提供更加個性化的產品和服務。

新聞業

機器人記者（也叫自動化新聞或演算法新聞）： 有許多機器人新聞的例子。一些例子是福布斯的內容管理系統Bertie，華盛頓郵報的Heliograf和彭博社的Cyborg。這些機器人記者可以

• 根據一些引數和分析收集的資料，為足球比賽創造故事情節。例如，頭條（中國新聞聚合服務）建立了一個人工智慧寫作機器人Xiaomingbot來準備2016年奧運會的新聞。它最受歡迎的文章的瀏覽量超過了5萬。Quartz的英文翻譯：”簡報： 中國的王儀涵贏了。比賽持續了46分鐘，世界排名第二的王一涵對陣世界排名第一的卡琳-施奈斯。王儀涵最終以兩場比賽贏得了奧運會羽毛球女單冠軍。比賽於北京當地時間8月15日凌晨2:30在Riocentro – 4號館舉行。”
• 從財務報告中提取資料，並立即撰寫新聞報道，其中包括報告中的所有事實和數字

重複性任務的自動化：自動化技術可以將簡單而又耗時的任務自動化，如傳送電子郵件、接收材料、釋出報道。

有針對性的廣告：人工智慧工具可以幫助新聞平臺的廣告商通過超目標的廣告到達他們的目標受眾。這有助於新聞平臺提高其網路流量的貨幣化。

互動式的個性化內容：像Opinary這樣的公司推出資料驅動的民意調查，以提高使用者參與度。

音樂

音樂推薦：Spotify和Apple Music等音樂流媒體公司正在利用機器學習演算法來細分使用者，並提供與使用者更相關的歌曲或播放列表。在本世紀初，我們已經看到了Songza的第一個音樂推薦服務。這些巨型流媒體服務利用機器學習演算法，如

• 協同過濾，用於客戶和歌曲細分
• 自然語言處理（NLP）用於從網路上搜刮有關歌曲和藝術家的資訊，以加強細分。
• 遞迴神經網路，以確保他們的人工智慧系統也是用不同的引數訓練的，而不是拘泥於使用者的歷史流媒體資料。

Source: Top Business Tech

人工智慧創造或協助音樂人進行歌曲生成：如今這些工具更注重娛樂，而不是音樂家實際使用的工具，但它們的能力正在增長：

AI用於作曲：Soundraw是一個由人工智慧驅動的歌曲創作工具，使使用者能夠通過結合人工智慧創造的短語來製作他們的歌曲。

用於歌詞的人工智慧：These Lyrics Do Not Exist，是一個由人工智慧驅動的網站，在你指出你想創作的歌曲的主題、體裁和情緒後生成歌詞。

遊戲

客戶終身價值（CLV）的預測：移動遊戲的供應量增加高於需求量，公司需要在廣告中出更高的價格來獲取使用者。這導致移動遊戲公司設立了相當規模的分析業務。準確估計CLV有助於公司更有效地投標，專注於高消費的使用者，而放棄那些不會參與產品的使用者。

銷售預測：需求和銷售預測是現今大多陣列織使用的常見人工智慧應用。遊戲行業也利用人工智慧驅動的預測來最大化其收入。

虛擬現實/增強現實：

• 遊戲開發包括設計、視覺效果和圖形：利用人工智慧，動畫師可以為VR遊戲和電影創造角色。歷史上，遊戲包括機器對手，它使用基於規則的邏輯與人類玩家進行遊戲。如今，更復雜的人工智慧和ML方法被用來使機器對手更有吸引力，更難被打敗。
• 娛樂：電競行業在不斷髮展，專業比賽也越來越受到廣泛關注。事實上，如果我們說電競比賽的開幕式比奧運會吸引了更多的關注，那是沒有錯的，資料也支援我們的論點。2016年裡約奧運會開幕式的Youtube觀看人數為440萬，而2017年英雄聯盟（LoL）世界賽開幕式的觀看人數為950萬。這種炒作也是由於AR技術的使用。請隨意觀看下面的視訊，看看一家視訊遊戲公司Riot Games是如何將一條巨龍帶入中國一個可容納91,000人的體育場。

體育與博彩業

欺詐檢測：對於線上賭博平臺，機器學習可以幫助識別欺詐行為，如身份盜竊或合成身份、賬戶養殖、洗錢、賬戶接管。

CLV預測：對常客和高額賭客的折扣和款待是賭場管理者廣為人知的策略。像其他每個行業一樣，博彩業轉移到了網上。預計2024年，全球線上賭博市場的價值將超過940億美元。由人工智慧驅動的分析使賭博企業能夠更準確地預測客戶終身價值（CLV），從而使大額消費者能夠成為優惠和促銷的目標。

資料分析，在競爭中保持領先：體育資料分析法已經出現了。歐洲的許多足球隊與體育分析公司合作，如 Comparisonator，用於他們的球探和團隊建設過程。另一個來自人工智慧驅動的資料分析的例子是來自籃球。過去幾年，NBA聯盟經歷了一場大規模的革命。在2015-2019年金州勇士王朝的成功歲月和前休斯頓火箭隊總經理達里爾-莫雷對資料分析的痴迷之後，比賽從遠距離低效的2分球轉向35%左右效率的3分球。

Source: Shottracker