來源：騰訊媒體研究院 ，作者：FTI

智能設(shè)備、語音助手正變得越來越無微不至，合成媒體可以針對我們的口味和喜歡提供個性化服務(wù)，我們暴露于多元化、多接口的智能生態(tài)中。然而過去一年中大規(guī)模的數(shù)據(jù)泄露、假新聞泛濫，當(dāng)機(jī)器開始復(fù)制我們的聲音、預(yù)測我們的行為時，人類該何去何從?凜冬已至，針對科技公司的監(jiān)管縮緊，契機(jī)與風(fēng)險并存的信息時代或許已悄然面臨拐點。

Future Today Institute(簡稱FTI)近期發(fā)布了《2020年娛樂、媒體和技術(shù)趨勢報告》，介紹了包括人工智能、合成媒體、區(qū)塊鏈等共計16種前沿趨勢，以及其中的157項具體革新，騰訊媒體研究院對報告進(jìn)行了精選摘編，以饗讀者。正如Neo在《黑客帝國》的結(jié)尾所說：“我并不知道未來是什么樣的。我來這兒不是告訴你一切是如何結(jié)束的，而是告訴你一切是怎樣開啟的。”

以下為報告全文，讓我們共同觸碰技術(shù)與傳媒業(yè)態(tài)的未來。

 

 

趨勢一：人工智能

AI已經(jīng)不再是一種趨勢，而是計算機(jī)時代的第三紀(jì)元。本篇報告從AI的不同方面匯總了娛樂、媒體和技術(shù)的趨勢。在新聞業(yè)中，AI成為了各大新聞機(jī)構(gòu)的寵兒。路透社的Lynx Insight程序可以幫助記者挖掘大數(shù)據(jù)�！度A盛頓郵報》的 Heliograf被用來報道選舉和體育賽事。杜克大學(xué)記者實驗室的ClaimBuster則可以幫助記者進(jìn)行事實核查。

弗蘭肯算法的擴(kuò)散(Proliferation of Franken-algorithms)

算法只是定義和自動處理數(shù)據(jù)的規(guī)則。它們使用的是計算機(jī)可以理解的“如果……那么”邏輯。舉個例子：如果網(wǎng)站瀏覽者的IP地址位于芝加哥，那么算法就允許他們直接進(jìn)入;如果IP地址位于倫敦，則算法就會按照GDPR的要求先顯示隱私和cookie政策。盡管人們可以直接按照自己想法設(shè)計某個算法，但是所有算法系統(tǒng)一起工作就有可能會帶來問題。開發(fā)人員并不總是事先知道算法之間將如何一起工作。有時，幾個開發(fā)人員團(tuán)隊都在獨立地處理不同的算法和數(shù)據(jù)集，但是只有算法被設(shè)計出來以后才能看到如何運(yùn)行。這也就是最近股市和電商網(wǎng)站出現(xiàn)崩潰的原因。對于像Facebook這樣的大型公司而言這是一個艱巨的挑戰(zhàn)，因為在任何特定時間，會有數(shù)十億的算法同時工作，根本無法預(yù)測其運(yùn)行結(jié)果。

專用、開放和自主開發(fā)的AI技術(shù)(Proprietary, Open and Homegrown AI Languages)

Python是一種具有許多預(yù)構(gòu)建庫和框架的先進(jìn)的編程語言。麻省理工學(xué)院開發(fā)了一種名為Julia的開源語言，專注于數(shù)值計算，此外還有AI的提出者John McCarthy于1958年創(chuàng)建的Lisp語言。各大公司正在開始構(gòu)建和發(fā)布自己的軟件包以及用于AI應(yīng)用程序的獨特編程語言。Uber用Python編寫了自己的概率編程語言Pyro。不同于OSX與Android或者早期Mac與PC陣營的對立，這一舉動意味著AI生態(tài)系統(tǒng)未來將走向分裂。市場會發(fā)現(xiàn)在不同的AI框架和語言之間轉(zhuǎn)化代價高昂。

問題數(shù)據(jù)集 (Problematic Data Sets)

公司自主訓(xùn)練研制的AI并不具備代表性，因此不能被廣泛采用。MIT的研究學(xué)者發(fā)布了一款名為“Norman”的AI用來捕獲識別照片。他們做了一組對比實驗，一組系統(tǒng)采用的是經(jīng)過訓(xùn)練的標(biāo)準(zhǔn)數(shù)據(jù)，另一組則沒有經(jīng)過訓(xùn)練，結(jié)果令人大跌眼鏡：采用標(biāo)準(zhǔn)數(shù)據(jù)的系統(tǒng)顯示出來是“一個棒球手套的黑白照”，而另一個系統(tǒng)則顯示出的是“一個白天在國外被槍殺的男人”。一些為了生成自然語言的新系統(tǒng)于2019年發(fā)布。雖然這些系統(tǒng)都事先經(jīng)過訓(xùn)練，但它們曾經(jīng)用來學(xué)習(xí)自然語言的Reddit和亞馬遜上的評論卻被刪除了。原因在于：Reddit和Amazon評論員都偏向白人和男性，因此這些人的話并不能代表所有人。這說明開發(fā)人員仍然面臨挑戰(zhàn)。如今已經(jīng)變得很難從真人那里獲得真實的數(shù)據(jù)來訓(xùn)練系統(tǒng)了，而且由于新的隱私政策出現(xiàn)，開發(fā)人員只能更多地依賴公共數(shù)據(jù)集和有問題的數(shù)據(jù)集。

 

 

Norman AI與標(biāo)準(zhǔn)化AI的照片捕捉對比

數(shù)據(jù)的深層鏈接(Deep Linking)

自智能手機(jī)問世以來，深層移動連接就已經(jīng)使用戶在手機(jī)所有軟件中查找和共享數(shù)據(jù)。但是現(xiàn)在深層連接卻讓用戶越來越難找到自己想要的信息。2019年，Yelp餐廳在其軟件中標(biāo)明了準(zhǔn)確的聯(lián)系信息，但是當(dāng)客戶點擊時，他們就被跳轉(zhuǎn)到Grubhub軟件里訂餐去了。即使客戶關(guān)掉了軟件并想直接打電話訂餐，該軟件仍將其轉(zhuǎn)換成Grubhub上的號碼，因為這樣Grubhub可以將其歸類為“營銷”活動并向餐館收取高額的傭金。如今深層鏈接有三種：傳統(tǒng)深層鏈接，延遲深層鏈接和語境化深層鏈接。傳統(tǒng)深層鏈接會從一個軟件或網(wǎng)站重新定向您：如果單擊某人在Twitter上發(fā)布的Baltimore Sun鏈接，那么理論上只要用戶安裝了Baltimore Sun軟件，它就自動打開Baltimore Sun。延遲深層鏈接也直接鏈接到該軟件(如果已安裝)，或直接鏈接到軟件商店讓用戶先下載該軟件。語境化深層鏈接的服務(wù)更強(qiáng)大，可以使用戶直接從站點轉(zhuǎn)到軟件、從軟件到站點或從軟件到軟件，還可以提供個性化信息，盡管故意向消費者隱瞞了整個過程。

AI云(AI in the Cloud)

過去一年，人工智能生態(tài)的領(lǐng)導(dǎo)企業(yè)一直在爭奪“人工智能云共享”，以期成為值得信賴的AI遠(yuǎn)程服務(wù)提供者。在西方，該領(lǐng)域由亞馬遜、微軟和谷歌領(lǐng)導(dǎo)，其次是蘋果、IBM、Salesforce、SAP和甲骨文。在亞洲，AI云由阿里巴巴等巨頭主導(dǎo)。這是一個價值2500億美元的行業(yè)，并且仍在迅速發(fā)展。紐約大學(xué)斯特恩商學(xué)院教授Arun Sundararajan說：“(這場競爭的)收益是成為下一個技術(shù)時代的操作系統(tǒng)。”娛樂和媒體公司將在未來幾年找到更多使用AI云的方式。

AI芯片組(AI Chipsets)

對我們來說，平常筆記本和手機(jī)上搭載的CPU性能已經(jīng)在不斷提升，卻滿足不了機(jī)器學(xué)習(xí)的要求。它們的問題在于，缺少足夠的處理單元，去完成下一個計算機(jī)時代所需的連接和計算。這時就需要一組新型處理器，華為、Apple、IBM等企業(yè)都在試水新系統(tǒng)的構(gòu)建和SoCs。簡而言之，這意味著芯片已經(jīng)可以在AI項目中發(fā)揮作用，并且有更快的速度和更精確的數(shù)據(jù)——也不難預(yù)料到，幾家企業(yè)在未來即將開展競爭。特斯拉的新型定制AI芯片雖然不如最初描述得那么引人注目，但已于2019年4月發(fā)布。Google的Tensor處理單元(或TPU)是專門為AI的深度學(xué)習(xí)而構(gòu)建的，旨在與該公司的TensorFlow系統(tǒng)配合使用。

 

 

圖表 2 Google Tensor處理單元

無處不在的數(shù)字助理(智能語音助理)(Ubiquitous Digital Assistants)

Siri、Alexa和天貓等數(shù)字助理使用語義和自然語言處理我們的數(shù)據(jù)，有時甚至在我們不知道要問什么之前提前預(yù)測我們下一步想要或需要做什么。FTI模型在2017年預(yù)測，到2020年，將有近一半的美國人擁有并使用數(shù)字助理，而FTI模型將繼續(xù)追蹤這個方向的趨勢。亞馬遜和谷歌主導(dǎo)了智能語音市場，但數(shù)字助理是無處不在的�，F(xiàn)在，有成千上萬的可跟蹤響應(yīng)的數(shù)字助理軟件和小程序。新聞機(jī)構(gòu)、娛樂公司、營銷商、信用卡公司、銀行、地方政府機(jī)構(gòu)(警察、公路管理)、政治運(yùn)動以及許多其他活動也在通過數(shù)字助理傳達(dá)重要信息。

利用短視頻生成虛擬環(huán)境(Generating Virtual Environments From Short Video)

芯片設(shè)計師Nvidia正在教AI用短視頻片段構(gòu)建逼真的3D環(huán)境，利用了此前生成對抗網(wǎng)絡(luò)(GANs)的研究成果。Nvidia系統(tǒng)從開源數(shù)據(jù)集中生成的圖形將用于自動駕駛領(lǐng)域。設(shè)計師使用了劃分成不同類別(建筑物、天空、車輛、標(biāo)志、樹木、人)的短片段對GAN進(jìn)行了訓(xùn)練，從而生成這些對象的新版本。自動生成虛擬環(huán)境的應(yīng)用前景無窮：物流(倉庫、工廠、運(yùn)輸中心)、城市規(guī)劃模擬，甚至包括測試游樂園和購物中心內(nèi)的客流量場景。

 

 

實際視頻內(nèi)容與AI生成內(nèi)容

機(jī)器識別(Machines Performing Cognitive Work)

公司不再僅僅依靠AI系統(tǒng)執(zhí)行繁瑣的重復(fù)性任務(wù)。更先進(jìn)的系統(tǒng)正在企業(yè)幫助優(yōu)化工作流程并主動生成策略。這意味著人們并沒有被機(jī)器人完全取代;相反，機(jī)器人是按照人類的工作能力而創(chuàng)造出來的。從倉庫到審計公司，人工智能系統(tǒng)開始執(zhí)行認(rèn)知任務(wù)——在此過程中，人類只需要執(zhí)行基礎(chǔ)的操作。

亞馬遜的自動化系統(tǒng)幫助提高倉庫的效率、指導(dǎo)員工完成工作。沃爾瑪使用計算機(jī)視覺來查找熟爛的農(nóng)產(chǎn)品，其AI系統(tǒng)可以對僅從堆中取出壞蘋果的人進(jìn)行檢查。在新聞編輯室中，類似的系統(tǒng)可以幫助記者篩選非常龐大的數(shù)據(jù)集以查找異�；蜃R別人員。

機(jī)器進(jìn)程自動化 (Robotic Process Automation)

機(jī)器流程自動化(RPA)使企業(yè)能夠在辦公室內(nèi)實現(xiàn)任務(wù)和流程的自動化，從而使員工可以把更多時間花在更有價值的工作上。

Google的Duplex是RPA的一種，用于向他人進(jìn)行常規(guī)電話通話。亞馬遜使用RPA篩選簡歷，然后再對最優(yōu)秀的候選人進(jìn)行排序。在銀行業(yè)務(wù)中，Blue Prism和Automation Anyware可以幫助員工處理重復(fù)性工作，提高員工們的生產(chǎn)力水平。這項技術(shù)將使媒體和娛樂公司能夠在客戶服務(wù)等許多不同領(lǐng)域中節(jié)省成本以做出更好的實時預(yù)測。

機(jī)器人 (Bots)

基本意義上的機(jī)器人是指，為自動完成某一特定任務(wù)而設(shè)計的軟件應(yīng)用。在媒體領(lǐng)域，機(jī)器人可被分為兩大類：新聞型機(jī)器人(news bots)和生產(chǎn)力型機(jī)器人(productivity bots)。前者可以協(xié)助集合新聞信息，并自動為讀者推送特定新聞事件;而生產(chǎn)力型機(jī)器人，則可以幫助新聞組織自動化他們的日常流程。

機(jī)器人的下一個重大進(jìn)步不在技術(shù)方面，而是監(jiān)管。在2018年的競選中，我們看到了“僵尸網(wǎng)絡(luò)”的復(fù)蘇，“僵尸網(wǎng)絡(luò)”是指發(fā)送誤導(dǎo)性內(nèi)容的計算機(jī)網(wǎng)絡(luò)。由于人們對越來越多的機(jī)器人詐騙感到擔(dān)憂，加利福尼亞州制定了一項新法律，該法律于2019年7月1日生效，要求機(jī)器人在在與人類的交往中必須清晰、醒目、合理地表明自己不是人類。

 

 

騰訊媒體+峰會現(xiàn)場Dreamwriter在寫作

實時機(jī)器學(xué)習(xí)(Real-Time Machine Learning)

機(jī)器學(xué)習(xí)指的是一種應(yīng)用算法來分析數(shù)據(jù)，從而可以更好地完成各種任務(wù)的系統(tǒng)，并且隨著時間推移，它會越來越擅長這些任務(wù)。但這種系統(tǒng)也面臨著效率問題：系統(tǒng)需要停下來解析數(shù)據(jù)。而最新研究表明，實時機(jī)器學(xué)習(xí)可以隨數(shù)據(jù)獲取而實時調(diào)整模型。這標(biāo)志著數(shù)據(jù)移動方式以及我們檢索信息方式的巨大變化。

比如說，即便是在多種語言混雜的情況下這種技術(shù)也能自動同聲傳譯;它也可以對內(nèi)容分發(fā)進(jìn)行隨時調(diào)整，從而為讀者提供更具個性化的內(nèi)容。比起刻板地使用歷史數(shù)據(jù)(讀者XX只喜歡體育類報道)，實時偏好則能夠?qū)��?nèi)容納入推薦機(jī)制(讀者XX在接下來的幾天里對大選新聞的需求可能會更強(qiáng)烈)。

自然語言理解(NLU)(Natural Language Understanding (NLU))

對于Siri和Alexa等對話式AI系統(tǒng)而言，讓機(jī)器準(zhǔn)確了解某人的意思難度較大。這些系統(tǒng)都經(jīng)過訓(xùn)練后最多可以理解語句中的代詞。如果消費者問“獅子王在Cinemark劇院幾點鐘上映?然后在那附近停車”，系統(tǒng)會自動推斷“那”的意思是“Cinemark劇院”。從技術(shù)上講，此過程稱為“插槽結(jié)轉(zhuǎn)”。它可以使用句法語境來理解代詞的意思，除非我們說了帶有許多不同代詞的復(fù)雜句子。事實是，在日常交流中我們的說話都很混亂隨意、濫用單詞，甚至只用語氣詞來傳達(dá)意思。

2019年，亞馬遜研究科學(xué)家在NLU方面取得了令人矚目的進(jìn)步，他們推出了新的架構(gòu)，能夠幫助Alexa在人類不說完整的句子的情況下也能很好地理解人類。

 

 

Amazon Alexa首頁

機(jī)器閱讀理解(MRC)(Machine Reading Comprehension (MRC))

MRC使得系統(tǒng)閱讀大數(shù)據(jù)、推斷含義并且立即得出答案的流程成為可能。舉個例子，當(dāng)你搜索時，你是希望系統(tǒng)直接給出一個確切答案，還是提供給你一堆“欲知后事如何請看更多超鏈”的URL合集?讓機(jī)器自己找出問題所在，這就是MRC。

在未來，MRC是實現(xiàn)強(qiáng)人工智能的關(guān)鍵性步驟之一，而近期，它則可以協(xié)助我們把技術(shù)手冊、歷史地圖和醫(yī)療記錄等各種資料轉(zhuǎn)化為易于搜索的信息集合。

自然語言生成(NLG)(Natural Language Generation (NLG))

自然語言生成技術(shù)現(xiàn)今已被不少媒體與營銷機(jī)構(gòu)所應(yīng)用，基于大規(guī)模的數(shù)據(jù)集來進(jìn)行自動內(nèi)容生產(chǎn)。NLG可實現(xiàn)的功能包括，集成關(guān)鍵詞、提升SEO(Search Engine Optimization，搜索引擎優(yōu)化，即利用搜索引擎的規(guī)則來提升網(wǎng)站的搜索排名)以及為用戶批量提供個性化的內(nèi)容。

Arria NLG、IBM Watson語音轉(zhuǎn)文字技術(shù)、Amazon Polly、谷歌云語音轉(zhuǎn)文字技術(shù)，敘事科學(xué)公司Narrative Science和自動觀察公司Automated Insights利用大型數(shù)據(jù)集構(gòu)建敘事以幫助非數(shù)據(jù)科學(xué)界人士更好地了解其組織中正在發(fā)生的事情。NLG在各個專業(yè)領(lǐng)域都有無數(shù)的用例，可為律師、政客、醫(yī)生、顧問、金融分析師、市場營銷人員及其他人士提供幫助。

機(jī)器學(xué)習(xí)中的實時語境(Real-Time Context in Machine Learning)

IBM公司研發(fā)的Project Debater可以通過消化大量文本，從語境中找出邏輯漏洞、假消息。雖然目前處于測試階段，但已經(jīng)能夠通過實時學(xué)習(xí)利用實際環(huán)境分辨真?zhèn)涡畔⒘恕?/p>

 

 

Project Debater的工作原理

多任務(wù)強(qiáng)化學(xué)習(xí)算法(General Reinforcement Learning Algorithms)

AlphaZero的團(tuán)隊開發(fā)的新算法可以學(xué)習(xí)多個任務(wù)。比如AlphaZero不僅在圍棋上無人可敵，在象棋和日本象棋中也出類拔萃。

更快的深度學(xué)習(xí)(Much Faster Deep Learning)

深度學(xué)習(xí)(Deep Learning, DL)是機(jī)器學(xué)習(xí)中相對較新的分支，也會很快無形地融入到各個組織機(jī)構(gòu)當(dāng)中。設(shè)計者會結(jié)合包括文本、圖像、視頻、演講等類似內(nèi)容在內(nèi)的各種數(shù)據(jù)庫使用較為特殊的深度學(xué)習(xí)算法。

從概念層面上來講，它不算新，最近更新的是計算處理能力和可用數(shù)據(jù)的數(shù)量。落實到實踐上，這就意味著更多的人類事務(wù)可以被計算機(jī)自動完成，比如設(shè)計軟件寫代碼。

DL受計算機(jī)網(wǎng)絡(luò)運(yùn)行速度的制約：幾年前，用ImageNet網(wǎng)站中的數(shù)據(jù)集來訓(xùn)練圖像識別功能，可能要花費一個月或者更長時間;而現(xiàn)在，F(xiàn)acebook可以在一小時內(nèi)實現(xiàn)相同的效果。隨著計算機(jī)提速和硬件技術(shù)的提升，系統(tǒng)也會以更加“超人”的速度完成任務(wù)。

 

 

ImageNet官網(wǎng)

強(qiáng)化學(xué)習(xí)與分層強(qiáng)化學(xué)習(xí)(Reinforcement Learning and Hierarchical RL)

強(qiáng)化學(xué)習(xí)(Reinforcement Learning, RL)是處理決策型問題的強(qiáng)力工具，應(yīng)用于AI系統(tǒng)訓(xùn)練，使之擁有超出常人的能力。在計算機(jī)模擬過程中，一個系統(tǒng)嘗試、失敗、學(xué)習(xí)、實驗,然后再次嘗試——這一系列步驟都能飛速完成，且每次試錯都會對它的未來嘗試有所修正。

我們所熟悉的AlphaGo就是基于RL機(jī)制學(xué)習(xí)如何決定戰(zhàn)勝人類棋手。但這項技術(shù)也存在問題：當(dāng)智能體(agents)缺乏足夠的監(jiān)督(supervisor，簡單來說監(jiān)督就是設(shè)定輸出值/目標(biāo)，在數(shù)據(jù)中發(fā)現(xiàn)潛藏模式能更容易，而無監(jiān)督式學(xué)習(xí)不設(shè)定輸出值，下文在機(jī)器學(xué)習(xí)相關(guān)技術(shù)中出現(xiàn)的“監(jiān)督”也是同一個概念)，或是需要運(yùn)行一項長時間的復(fù)雜任務(wù)時，可能會遇到困難。

這時，研究者將嘗試應(yīng)用分層強(qiáng)化學(xué)習(xí)(Hierarchical Reinforcement Learning)——能夠發(fā)現(xiàn)高水準(zhǔn)的行動，有條理地克服學(xué)習(xí)困難，最終以出乎人類意料的速度掌握新的任務(wù)。RL可以提升AI系統(tǒng)的“智能”，來使汽車能在非常規(guī)條件下自動駕駛，或者協(xié)助軍用無人機(jī)實現(xiàn)之前尚未實現(xiàn)過的復(fù)雜動作。

持續(xù)學(xué)習(xí)(Continuous Learning)

現(xiàn)在，深度學(xué)習(xí)技術(shù)已經(jīng)可以幫助系統(tǒng)學(xué)習(xí)，去以更接近人的所作所為的方式來完成復(fù)雜任務(wù)，但是這些任務(wù)仍然很具象，比如在某一項比賽中打敗人類。并且它們需要遵循一個嚴(yán)格的程式：收集數(shù)據(jù)、設(shè)定目標(biāo)、應(yīng)用某一項算法。這一過程需要人工參與，也會花費不少時間，特別是需要監(jiān)督式訓(xùn)練(supervised training)的早期階段。持續(xù)性學(xué)習(xí)(CL)將偏重于構(gòu)建提升自主學(xué)習(xí)與增量學(xué)習(xí)的技能，研究者未來還將持續(xù)擴(kuò)展其能力邊界。

多任務(wù)學(xué)習(xí)(Multitask Learning)

電影《龍威小子(The Karate Kid)》里，園丁宮地先生承諾教男孩Daniel空手道，但Daniel很快厭倦了日復(fù)一日的訓(xùn)練。對于Daniel來說，漆柵欄、汽車、無休止的“打蠟、封蠟”……這些事情看起來都毫無用處，肯定不能幫他學(xué)會空手道。當(dāng)然，最后所有的雜務(wù)都被證明與空手道有關(guān)，這樣的訓(xùn)練也幫他成為一名空手道冠軍。提起這部電影，是因為研究者最近就在訓(xùn)練智能系統(tǒng)像Daniel這樣學(xué)習(xí)。

當(dāng)開發(fā)者使用機(jī)器學(xué)習(xí)時，他們要嘗試用這種方式解決單個特定的問題。他們會監(jiān)督智能系統(tǒng)微調(diào)，且不斷修正，直到系統(tǒng)的表現(xiàn)符合預(yù)期。但是僅僅聚焦于單個任務(wù)，經(jīng)常會指向無效結(jié)果——也許有比研究者發(fā)現(xiàn)的機(jī)制更好的解決方案呢?于是，新的研究領(lǐng)域，也就是多任務(wù)學(xué)習(xí)就產(chǎn)生了，讓系統(tǒng)像Daniel這樣，在各種各樣的相關(guān)任務(wù)中尋求聯(lián)系，探尋如何更好地解決問題。

生成式對抗網(wǎng)絡(luò)(Generative Adversarial Networks (GANs))

換臉技術(shù)在2019一直熱度不斷�；�于生成式對抗網(wǎng)絡(luò)(或GANs)的換臉技術(shù)很容易實現(xiàn)。我們可以把GAN理解為無需任何人員參與的圖靈測試。GAN是無監(jiān)督的深度學(xué)習(xí)系統(tǒng)，由兩個在相同數(shù)據(jù)(例如人的圖像)上訓(xùn)練的相互對抗的神經(jīng)網(wǎng)絡(luò)組成。比如說，第一個AI創(chuàng)建看上去很真實的女人的照片，第二個AI將生成的照片與真實女人的照片進(jìn)行比較。第一個AI根據(jù)第二個AI的判斷重新對其生成過程進(jìn)行一次又一次的調(diào)整，直到自動生成看起來完全真實的女人圖像為止。

thispersondoesnotexist.com網(wǎng)站正是利用該技術(shù)不斷生成逼真的照片，而實際上這些照片并不存在。GANs也被用來實現(xiàn)舊照片或畫作的動態(tài)化。今年，斯科爾科沃科技學(xué)院和三星AI中心的研究人員利用該技術(shù)讓蒙娜麗莎搖了搖頭、讓拉斯普丁演唱了碧昂絲的《Halo》。

 

 

ThisPersonDoesNotExist.com生成的人像

自動化機(jī)器學(xué)習(xí)(Automated Machine Learning (AutoML))

自動化機(jī)器學(xué)習(xí)(AutoML)是一種新的機(jī)器學(xué)習(xí)方法，它可以將原始數(shù)據(jù)和模型匹配在一起以顯示最相關(guān)信息，從而幫助一些機(jī)構(gòu)擺脫目前耗時且困難的傳統(tǒng)的機(jī)器學(xué)習(xí)方法。現(xiàn)在，谷歌、亞馬遜和微軟都提供了許多AutoML產(chǎn)品和服務(wù)。

定制化機(jī)器學(xué)習(xí)(Customized Machine Learning)

Google的Cloud AutoML可以幫助用戶可以上傳自己的數(shù)據(jù)建構(gòu)模型，就算非專業(yè)人士也可以訓(xùn)練機(jī)器學(xué)習(xí)。

AI的持續(xù)偏見(Ongoing Bias In AI)

AI有嚴(yán)重的偏見已不是秘密。這個問題是多方面的。舉個例子，用于訓(xùn)練AI的數(shù)據(jù)集通常來自Reddit或亞馬遜的評論以及Wikipedia等本身就充滿偏見的地方。建立模型的人往往不知道自己存在偏見。隨著我們的計算機(jī)系統(tǒng)越來越多地用于決策，我們可能會發(fā)現(xiàn)自己被算法分到一個組別中，雖然對我們而言可能沒什么影響，但實際上可能產(chǎn)生巨大隱患。

AI偏見導(dǎo)致內(nèi)亂(AI Bias Causes Civil Unrest)

實際上每天你都在主動地或被動地創(chuàng)建不計其數(shù)的數(shù)據(jù)(比如在Facebook上上傳和標(biāo)記照片、開車去上班等)。這些數(shù)據(jù)通常是在你沒有發(fā)現(xiàn)的情況下被算法挖掘和使用的，并用于制作廣告、幫助潛在廣告主預(yù)測我們的行為、確定我們的抵押貸款利率，甚至幫助執(zhí)法部門預(yù)測我們是否可能犯罪。

包括馬里蘭大學(xué)、哥倫比亞大學(xué)、卡內(nèi)基·梅隆大學(xué)、麻省理工學(xué)院、普林斯頓大學(xué)、加州大學(xué)伯克利分校、國際計算機(jī)科學(xué)研究所等在內(nèi)的許多大學(xué)的研究人員正在研究自動決策的副作用。你或者你認(rèn)識的某個人可能會陷入算法錯誤的一面，比如說你會由于一些不透明或不易理解的原因不符合貸款資格，不能拿到特定藥物或不能了解房租價格。并且越來越多的數(shù)據(jù)在不知情的情況下被收集并出售給第三方。

趨勢二：計算新聞業(yè)(智能新聞業(yè))

新聞報道可以使用計算來挖掘原本不會被發(fā)現(xiàn)的故事。CS技術(shù)可以通過兩種主要方式幫助新聞業(yè)：使用計算方式的新聞業(yè)和進(jìn)行有關(guān)計算的新聞業(yè)。2019年7月，《華盛頓郵報》成立了一個專攻大選的團(tuán)隊，該團(tuán)隊建立了一個計算政治新聞研究與開發(fā)實驗室，并開展了實驗以支持2020年大選之前郵報的數(shù)據(jù)工作。斯坦福大學(xué)的計算新聞實驗室一直在為公共新聞開發(fā)新的計算方法。

 

 

The California Civic Data Coalition是一個由幾家媒體聯(lián)合成立的用于跟蹤政治資金的數(shù)據(jù)開源檔案庫

計算圖像的生成(Computational Image Completion and Generation)

現(xiàn)在，每個擁有智能手機(jī)的人都可以使用計算攝影工具。他們可以在合影中把閉上的眼鏡睜開、在運(yùn)動畫面中尋找最佳幀并清除我們自拍照中的瑕疵。所有這些都是實時的，而無需啟動其他照片編輯軟件�，F(xiàn)在，我們可以在場景中無縫添加或刪除對象、更改陰影等等。

顯然，這里對記者有倫理要求——在什么情況下對照片允許什么程度的編輯?同樣，記者在將其用于報道或故事之前，應(yīng)該開發(fā)一項技術(shù)可以自動顯示該照片已被編輯。

自動生成文章(Automated Versioning)

總部位于瑞士的Tamedia的記者在本國2018年大選期間嘗試采用了生成技術(shù)。Tamedia用一個名為“ Tobi”的決策樹算法自動生成了文章，詳細(xì)描述了由私人媒體組織的30家報紙所涵蓋的每個城市的投票結(jié)果，并同時生成了多種語言、總計39,996個不同版本的選舉報道，每篇平均250字，并將其發(fā)布到Tamedia的在線平臺上。每篇報道都標(biāo)記出了該報道是由算法編寫的。隨著更多的嘗試，新聞和娛樂媒體公司能夠開發(fā)相同內(nèi)容的多個版本，從而覆蓋更廣泛的受眾或大規(guī)模生產(chǎn)內(nèi)容。

 

 

Tobi的Twitter賬戶

生成自然語言以調(diào)節(jié)閱讀水平(Natural Language Generation to Modulate Reading Level)

自然語言生成(NLG)是一項能夠生成人類指定使用語言的處理任務(wù)。NLG可用于重寫各種不同閱讀層次的內(nèi)容，為書籍出版商和新聞媒體機(jī)構(gòu)都提供了巨大的可能。隨著圖書出版商和新聞機(jī)構(gòu)在尋找新的收入來源，NLG不僅將用于撰寫報道，而且還將為具有不同閱讀水平的讀者創(chuàng)建不同的版本。這是因為基本語料庫(構(gòu)成故事的數(shù)據(jù))不會改變，但是可以調(diào)整詞匯量和細(xì)節(jié)。

例如，關(guān)于伯克希爾·哈撒韋公司(Berkshire Hathaway)季度收入的報道可以用許多不同的方式來表達(dá)，分別面向金融專業(yè)人士、高中經(jīng)濟(jì)學(xué)課程、以英語作為第二語言的學(xué)習(xí)者以及非英語國家。同樣，NLG可用于自動創(chuàng)建書摘和摘要等工作量大的任務(wù)。使用NLG自定義編寫不同版本的報道可以幫助媒體機(jī)構(gòu)拓展全球業(yè)務(wù)規(guī)模而無需雇用其他人員。但是，NLG同樣可被用于造假，這意味著未來將要進(jìn)行監(jiān)管。

數(shù)據(jù)挖掘群體行為(Datamining Crowds)

計算新聞技術(shù)使記者能夠查詢我們的被動數(shù)據(jù)(比如我們的在線活動、健康記錄、位置等)，從而學(xué)習(xí)或了解新事物。我們的數(shù)據(jù)不僅會跟蹤我們的行為，而且任何人都可以用它進(jìn)行搜索、收集和分析。我們預(yù)計，更多的新聞機(jī)構(gòu)以及營銷商、政治活動家和其他團(tuán)體將開始創(chuàng)造性地利用數(shù)據(jù)。因為我們的思維影響行動(例如搜索“歐盟是什么?”)，我們的行動產(chǎn)生數(shù)據(jù)，而這些數(shù)據(jù)可用于了解有關(guān)我們的信息。

算法事實核查(Algorithmic Fact Checking)

誤導(dǎo)性的虛假信息污染了互聯(lián)網(wǎng)和我們的社交媒體環(huán)境，每天的消費者都不得不與虛假信息做抗?fàn)�。盡管我們在全球范圍內(nèi)進(jìn)行了大量的事實核查工作，但事實證明，用于傳播假新聞的算法比人類事實核查者的速度更快。

德克薩斯大學(xué)阿靈頓分校和谷歌的研究人員一直在研究使用框架語義的自動化技術(shù)。框架是描述了特定類型事件、情況、對象或關(guān)系及其參與者的示意圖。研究人員擴(kuò)展了一個名為FrameNet的系統(tǒng)用來專門為包括自動事實核查在內(nèi)的功能構(gòu)建新框架。

在屏事實核查(On-Screen Fact Checking)

杜克大學(xué)和得克薩斯大學(xué)阿靈頓分校的研究人員發(fā)明了ClaimBuster，它可以對任何句子中的事實評分。該系統(tǒng)使用來自直播活動的音頻或視頻并將其轉(zhuǎn)換為文本，用過濾器識別其中有關(guān)事實的語句，然后將這些語句與數(shù)據(jù)庫進(jìn)行匹配。

 

 

ClaimBuster官網(wǎng)

合成數(shù)據(jù)(Synthetic Data)

研究人員并非總能獲得完整的健康、醫(yī)療、運(yùn)輸和人口數(shù)據(jù)。因此，一些人正在開發(fā)和試驗合成數(shù)據(jù)集，用來在AI中執(zhí)行有意義的分析和訓(xùn)練模型。但是合成數(shù)據(jù)集通常會漏掉重要信息或出現(xiàn)偏差。

MIT信息與決策系統(tǒng)實驗室的Data to AI Lab的研究人員正在開發(fā)一種機(jī)器學(xué)習(xí)系統(tǒng)，用以自動創(chuàng)建合成數(shù)據(jù)，然后將其用于開發(fā)和測試數(shù)據(jù)科學(xué)算法和模型。他們提出了合成數(shù)據(jù)庫Synthetic Data Vault (SDV)，該數(shù)據(jù)庫能夠?qū)W習(xí)和開發(fā)用于多種目的的多元模型。記者需要了解何時使用合成數(shù)據(jù)，新聞機(jī)構(gòu)應(yīng)制定有關(guān)何時使用合成數(shù)據(jù)以及如何告知消費者報道使用了合成數(shù)據(jù)的道德準(zhǔn)則。

合成并生成內(nèi)容核查(Synthetic and Generated Content Authentication)

AI可以用來發(fā)現(xiàn)哪些文本是算法寫的而不是人類寫的。哈佛大學(xué)和MIT-IBM Watson AI Lab的研究人員開發(fā)了一種用于識別算法何時生成文本的工具。

Giant Language model Test Room(簡稱GLTR)使用AI來確定文本中的常用詞，并可以判斷句子是否看起來太有預(yù)測性以至于不像真人所寫。該工具預(yù)期可以被用來識別虛假或誤導(dǎo)性新聞、機(jī)器人生成的內(nèi)容及偽造品。

 

 

Giant Language model Test Room文本識別(動圖)

趨勢三：認(rèn)知系統(tǒng)

聲音識別技術(shù)(Voiceprints)

聲紋是一個人聲音的獨特特征�，F(xiàn)在新的機(jī)器學(xué)習(xí)技術(shù)與語音錄制的龐大數(shù)據(jù)集相連接可以幫助研究人員能夠通過人們說話時產(chǎn)生的聲紋進(jìn)行識別。

卡內(nèi)基·梅隆大學(xué)(Carnegie Mellon University)的研究人員開發(fā)出了一種可以使用聲紋就可以構(gòu)建3D面部的生成技術(shù)。執(zhí)法機(jī)構(gòu)正在應(yīng)用該系統(tǒng)識別惡作劇呼叫者以及欺騙當(dāng)?shù)嘏汕蔡鼐�就為了報�?fù)他人的人。

個性識別(Personality Recognition)

新興的預(yù)測分析工具會記錄用戶的數(shù)據(jù)、行為和偏好，這些數(shù)據(jù)可以反映出用戶的個性并預(yù)測用戶在任何情況下的反應(yīng)。2018年，Cambridge Analytica就使用算法分析幫助Donald Trump贏得了大選。政治候選人、律師事務(wù)所、營銷商、客戶服務(wù)代表和其他人員都在使用新型系統(tǒng)，這種系統(tǒng)可以查看用戶手機(jī)網(wǎng)上活動、電子郵件和對話，實時評估用戶的性格。最終目的就是判斷用戶的特定需求。

ElectronicArts正在開發(fā)一種可以評估多人視頻游戲玩家性格的系統(tǒng)，從而根據(jù)他們的游戲風(fēng)格、對話風(fēng)格和花錢意愿更好地匹配玩家。

在現(xiàn)實世界中，保險承銷商正試圖通過用戶訂閱的雜志和網(wǎng)站、發(fā)布到社交媒體上的照片等等來評估用戶的個性，以便確定其投保風(fēng)險。一些貸款方已經(jīng)開始使用個性算法來預(yù)測用戶未來的商業(yè)交易了。(數(shù)據(jù)顯示，如果兩個具有相同專業(yè)和個人情況的人同時借款，那么擁有較高大學(xué)文憑的人更可能還清債務(wù)。)

情緒識別(Emotional Recognition)

2018年，亞馬遜申請了一項新系統(tǒng)的專利，該系統(tǒng)可以根據(jù)用戶過去及現(xiàn)在的互動來檢測用戶的身心健康狀況。如果亞馬遜檢測到該用戶生病了，就會建議用戶一小時內(nèi)服用止咳藥。

汽車制造商Kia于2019年在CES上首次亮相了它的實時情感識別系統(tǒng)(R.E.A.D.)。該系統(tǒng)可以通過傳感器監(jiān)控乘客面部表情、心率和皮膚電活動來調(diào)節(jié)車內(nèi)環(huán)境以乘客的情緒狀態(tài)。

 

 

Kia的R.E.A.D.系統(tǒng)

情感計算(Affective Computing)

情感計算屬于跨學(xué)科領(lǐng)域，涵蓋計算機(jī)科學(xué)、心理學(xué)和認(rèn)知科學(xué)。麻省理工學(xué)院的研究人員正在研究一種機(jī)器學(xué)習(xí)算法，可以通過從我們的可穿戴設(shè)備(智能手表、健身追蹤器)收集的皮膚電活動了解我們的情緒并作出響應(yīng)。但是其他來源的數(shù)據(jù)也可能派上用場，比如我們的皮膚、臉部和與他人的對話。分析師推測，到2023年情感計算將成為一個價值250億美元的產(chǎn)業(yè)。

趨勢四：合成媒體

合成媒體已經(jīng)比比皆是了，比如虛擬的日本流行歌星初音未來(于2007年首次亮相)、由藝術(shù)家Jamie Hewlett和音樂家Damon Albarn合作創(chuàng)造的英國虛擬樂隊Gorrilaz(于1998年發(fā)行了第一首單曲)。它們都是通過算法創(chuàng)建或改動的媒體。

 

 

初音未來全息演唱會

語音合成(Speech Synthesis)

語音合成也被稱為“合成語音”或“文本轉(zhuǎn)成語音技術(shù)”，它模仿了真實的人類語音并將其應(yīng)用到各種界面中。通過借助足夠的數(shù)據(jù)和培訓(xùn)，語音合成系統(tǒng)可以了解任何人的頻譜頻率并產(chǎn)生某個人的數(shù)字聲紋。

Synthesia是一家使用此技術(shù)通過自動重制面部動畫來配音的公司，適用于國際廣泛發(fā)行的電影。演員的面部表情和嘴巴可以重制以匹配配音。

調(diào)節(jié)定制語音 (Modulating Custom Voice)

生成算法可以創(chuàng)建聽起來像原始聲音的合成聲音，并且可以將這些聲音按所需的音高和音調(diào)調(diào)制。

總部位于蒙特利爾的AI公司Lyrebird構(gòu)建了一種語音模仿算法，能夠生成難以察覺出來的合成語音。它使用的語音樣本數(shù)據(jù)庫既可以在公共存儲庫(YouTube、Vimeo、Soundcloud)中找到，也可以由用戶上傳。

隨著時間的推移，人工智能不僅學(xué)會了識別語調(diào)，而且可以識別情緒節(jié)奏。只要有足夠公開可用的音頻文件來構(gòu)建數(shù)據(jù)集，就可以偽造自己和最喜歡的明星之間的對話。它很快就可以匹配并快速生成針對每個消費者的個性化合成語音。

 

 

Lyrebird視頻編輯

語音欺詐(Voice Fraud)

合成媒體一直以來都存在一個問題：不懷好意的人可以用它來誤導(dǎo)人們，欺騙語音認(rèn)證系統(tǒng)以及偽造音頻記錄。呼叫中心軟件制造商Pindrop的一項研究顯示，僅去年一年，語音欺詐就給擁有呼叫中心的美國企業(yè)造成了140億美元的損失。作為ASVspoof 2019 Challenge的一部分，Google一直致力于合成語音數(shù)據(jù)集，這是一項開放源代碼，旨在幫助制定對抗欺騙性語音的對策。

機(jī)器生成圖像(Machine Image Completion)

如果計算機(jī)系統(tǒng)可以訪問足夠多的圖像，那么它就可以填補(bǔ)照片中的漏洞。對于專業(yè)攝影師以及每個想要拍出更好自拍照的人來說這是十分實用的應(yīng)用。如果拍出來山的前景不清晰或者皮膚有瑕疵，都可以換用另一個版本以生成完美的圖像。

但是我們?nèi)绾卧诂F(xiàn)實與改善后的場景之間劃清界限?在沒有標(biāo)簽或披露信息的情況下，應(yīng)該修改照片到什么程度?網(wǎng)上交友者、記者、營銷者和制定政策的人都應(yīng)該思考這些問題。圖像生成對于執(zhí)法人員和軍事情報人員來說也是有用的工具——計算機(jī)現(xiàn)在可以幫助他們識別視頻幀里的人或物。

考慮到機(jī)器學(xué)習(xí)算法和數(shù)據(jù)集上的偏見，圖像生成可能會成為有關(guān)隱私和設(shè)備的討論的一部分。斯科爾科沃科學(xué)技術(shù)研究院和三星AI中心的AI研究人員使用機(jī)器圖像生成技術(shù)使舊照片和著名畫作(如《蒙娜麗莎》)動了起來。

 

 

動起來的蒙娜麗莎

深層行為學(xué)習(xí)與預(yù)測(Deep Behaviors and Predictive Machine Vision)

麻省理工學(xué)院CSAIL的研究人員不僅在訓(xùn)練計算機(jī)識別視頻中的內(nèi)容，還讓計算機(jī)可以預(yù)測人類接下來會做什么。如今計算機(jī)可以通過觀看YouTube上的視頻和電視節(jié)目預(yù)測兩個人是否可能擁抱、親吻、握手或擊掌。

這項研究將使機(jī)器人能夠更輕松地進(jìn)行導(dǎo)航，并通過學(xué)習(xí)我們的肢體語言來與人類互動。它也可以用于銷售、操作機(jī)器或許學(xué)習(xí)。

語音、聲音和視頻的算法生成(Generative Algorithms For Voice, Sound and Video)

芯片制造商N(yùn)vidia的研究人員于2018年開發(fā)了一種新的生成算法，該算法使用生成式對抗網(wǎng)絡(luò)創(chuàng)建了逼真的人臉。該算法還可以在其系統(tǒng)中調(diào)整各種元素，例如年齡和雀斑密度。

加州大學(xué)伯克利分校的一個團(tuán)隊開發(fā)了一種軟件，該軟件可以將一個視頻中的人的動作自動傳輸給另一個視頻中的某個人。我們一直在訓(xùn)練計算機(jī)觀看視頻并判斷真實世界中相應(yīng)的聲音，比如一個木槌敲打沙發(fā)時會發(fā)出什么聲音。

這項研究的重點是幫助系統(tǒng)了解對象在真實世界中如何相互作用。但該技術(shù)也具有欺騙性：2017年，華盛頓大學(xué)的研究人員開發(fā)了一種模型，模型中奧巴馬在發(fā)表一段現(xiàn)實生活中從未發(fā)表過的演講，但足以以假亂真。合成視頻與旨在提供真實內(nèi)容的AI混在一起的現(xiàn)象將使問題變得更加棘手。

趨勢五：入口變革

語音搜索優(yōu)化(Optimizing For Voice Search)

對話網(wǎng)絡(luò)無處不在。通過語音控制我們可以立即從智能揚(yáng)聲器、汽車儀表板、電視遙控器和智能手機(jī)的數(shù)字助理那兒獲取信息和其他內(nèi)容。隨著語音搜索的普及，發(fā)行商等組織有了新的戰(zhàn)略思考：是否可以針對語音搜索對內(nèi)容進(jìn)行優(yōu)化?Audioburstis公司的技術(shù)可以從廣播等來源中提取并分析音頻，將其語境化并可以進(jìn)行搜索，幫助AI動力汽車提供聆聽服務(wù)。

下一代原生視頻和音頻故事形式(Next-Gen Native Video and Audio Story Formats)

通過具有響應(yīng)性視覺、觸覺和音頻界面的消費類技術(shù)的發(fā)展，人們正在開發(fā)非新的敘事方式來吸引觀眾。新聞媒體和娛樂組織已開始探索這些新穎的、個性化、交互性和具有沉浸感的敘事模式。雖然這無疑將為消費者帶來更好的體驗，但新聞和娛樂媒體公司必須提前做好規(guī)劃，以便在未來可以通過口述進(jìn)行匯總和傳遞內(nèi)容摘要。

 

 

《黑鏡：潘達(dá)斯奈基》劇情就采用了“互動視頻”概念

人與機(jī)器的接口(Human-Machine Interfaces)

諸如Siri、Alexa和Google Assistant之類的語音接口正在變得越來越復(fù)雜，但是研究人員們已經(jīng)開始展望未來了：將人類和哺乳動物直接與計算機(jī)相連。人們可以通過人機(jī)交互界面用思想進(jìn)行交流，為中風(fēng)和癱瘓患者提供了新的選擇。

趨勢六：擴(kuò)展現(xiàn)實(混合現(xiàn)實)

混合現(xiàn)實，也稱為擴(kuò)展現(xiàn)實，可以數(shù)字生成、增強(qiáng)或者操控環(huán)境，包括虛擬現(xiàn)實和增強(qiáng)現(xiàn)實。MR通常通過頭戴式顯示器(HMD)或移動設(shè)備進(jìn)行體驗。在過去的十年中，MR已經(jīng)吸引了越來越多的注意。到2020年，我們將看到MR繼續(xù)在各個行業(yè)和新的市場上逐漸普及。許多人希望在未來十年中，隨著作為MR催化劑的5G的普及，該技術(shù)將成為我們?nèi)粘Ｉ�活的一部分�?/p>

全息圖像(Holograms)

全息圖像是指看起來像是在三維空間的投影圖像。到2024年，全息圖像市場預(yù)計將超過50億美元，其中廣告占比較重。在消費品方面，專業(yè)相機(jī)品牌Red宣布推出其全息圖像生成的Hydrogen 2手機(jī)，華為和三星也在開發(fā)具有全息圖像功能的移動設(shè)備，包括全息通信。

在娛樂領(lǐng)域，像洛杉磯的BASE Hologram這樣的公司繼續(xù)推出以去世的藝術(shù)家的全息投影為特色的“現(xiàn)場”音樂會，惠特尼·休斯頓將于2020年巡回演出，但他們尚未掌握在全息影像中多角度渲染3D全息圖所必需的體積投影，因此門票銷售有限。為了避免引起人們對動物權(quán)利問題的爭議，德國馬戲團(tuán)Roncalli推出了一種可以展示動物表演的全息眼鏡，既經(jīng)濟(jì)高效，又不殘忍。

 

 

BASE Hologram還原了過世歌手Buddy Holly的演唱現(xiàn)場

360度全向視頻(360-degree Video)

360度視頻使用專門的攝像機(jī)拍攝，旨在捕獲全向素材。渲染視頻后，觀看者可以使用鼠標(biāo)、觸摸屏或運(yùn)動控制手勢來旋轉(zhuǎn)視角、瀏覽錄制的場景。

YouTube，F(xiàn)acebook和Vimeo都提供360度視頻，ABC、Fox和CNN等主要網(wǎng)絡(luò)媒體也都擁有專用的數(shù)字頻道，用于播放涵蓋新聞、體育和娛樂在內(nèi)的沉浸式內(nèi)容，并且有越來越多的媒體緊隨其后。GoPro、Insta360、Ricoh和小米的便攜式360度攝像頭很快就會增加用戶拍攝和社交共享的360度視頻的數(shù)量。

 

 

YouTube上的恐龍360度全景視頻

增強(qiáng)現(xiàn)實(AR)(Augmented Reality)

AR并不像VR那樣要模擬整個新環(huán)境，而只是在你的自然視野里放置幾個數(shù)字元素。AR可使用頭戴式顯示器或智能眼鏡體驗，谷歌和微軟等領(lǐng)先品牌以及Magic Leapand、Vuzix和Meta的產(chǎn)品都在開發(fā)中或已經(jīng)投放市場。

在各大公司爭相研發(fā)AR頭戴式耳機(jī)時，移動設(shè)備為普通消費者提供了最方便的AR體驗。一些電影院和NBA場所引入了可在移動設(shè)備上播放的AR游戲，Quartz的移動應(yīng)用將AR功能整合到了某些新聞報道中，而谷歌用AR完成了外國語的實時翻譯。

強(qiáng)化圖文功能的AR(AR as a Tool to Enhance Print)

AR將有效助力印刷業(yè)發(fā)展，媒體公司正在用AR印刷品來進(jìn)一步吸引消費者。AR可以整合內(nèi)容和廣告兩個不同的渠道。諸如blippar等服務(wù)可以添加只能使用智能手機(jī)解鎖的動畫、模型或圖像。

像Max Factor和Net-A-Porter之類的公司已經(jīng)允許用戶用AR掃描自己喜歡的商品并直接通過手機(jī)購買。AR驅(qū)動的廣告活動的成功意味著媒體公司和廣告商的雙贏，由于價格較低，品牌將繼續(xù)使用AR印刷廣告。

虛擬現(xiàn)實(VR)(Virtual Reality)

虛擬現(xiàn)實是一種計算機(jī)模擬環(huán)境。佩戴VR眼鏡或者將手機(jī)嵌入特定設(shè)備，即可獲得身臨其境的體驗。近年來VR在娛樂內(nèi)容領(lǐng)域有了重要發(fā)展，新的艾美獎項如交互式媒體等層出不窮，好萊塢導(dǎo)演達(dá)倫·阿羅諾夫斯基和羅伯特·羅德里格斯等也在使用VR設(shè)備拍攝。谷歌、索尼、三星和HTC都在出售VR頭戴設(shè)備。

2019年，F(xiàn)acebook旗下的Oculus推出了Quest頭戴設(shè)備，是Oculus Rift設(shè)備的獨立替代品，只能在與PC捆綁時使用。任天堂最近也進(jìn)入了沉浸式市場，為其流行的Switch游戲設(shè)備推出了VR套件。也可以通過將手機(jī)滑入專用面罩中來構(gòu)造耳機(jī)。“站立式” VR是從相對固定的角度觀看的，與“房間規(guī)模” VR不同，后者允許觀看者在物理空間中更自由地行走，其數(shù)字環(huán)境反映了他們的真實生活。

 

 

Oculus Quest設(shè)備

趨勢七：視頻趨勢

流媒體(Streamers)

2017年的第四季度見證了50萬名消費者拋棄了他們的有線和衛(wèi)星電視服務(wù)。而用戶持續(xù)為電視付費的兩大原因在于，電視能夠觀看直播，和價格優(yōu)惠的互聯(lián)網(wǎng)與有線服務(wù)套餐。——顯然這兩個理由都不大像傳統(tǒng)有線電視能持續(xù)的優(yōu)勢。網(wǎng)飛和亞馬遜是世界上兩大流媒體。到2020年，所有人的目光都將集中在擁有Marvel和Star Wars的新Disney+服務(wù)上，更何況它還包括了Hulu和ESPN +在內(nèi)。

未來預(yù)期我們會看到Amazon Fire Stick、Google Chromecast和Roku等更多流媒體設(shè)備的份額增長，和有線衛(wèi)星電視訂閱的穩(wěn)定消退。而流媒體服務(wù)則會侵蝕本地廣播新聞市場，也會使較長時長的電視新聞節(jié)目陷入劣勢。

OTT流媒體服務(wù)飽和(Saturation of OTT Streaming Services)

可能是因為HBO Now的成功，2019年各大網(wǎng)絡(luò)媒體都在推出其頂級流媒體服務(wù)。Disney+正在啟動自己的OTT服務(wù)，預(yù)計AT&T/DirecTV、Viacom和Discovery也將提供新的服務(wù)或更新已有服務(wù)。OTT流媒體服務(wù)市場已足夠擁擠，在不久的將來它將更加飽和。

聯(lián)網(wǎng)電視(Connected TVs)

從2019年5月開始，所有與三星聯(lián)網(wǎng)電視都置備了針對Apple設(shè)備的集成屏幕鏡像和內(nèi)容投射功能，并可以訪問本機(jī)Apple TV和iTunes應(yīng)用。它實際上繞過了單獨的Apple TV設(shè)備，但其他大多數(shù)電視都必須通過這個設(shè)備購買Apple內(nèi)容。這就使三星吸引了大部分Apple用戶。

聯(lián)網(wǎng)電視預(yù)計在普通家庭的普及率會更高，這可能與流行的流媒體服務(wù)或聚合設(shè)備，例如Amazon Prime Video、Roku、Hulu、YouTube、Showtime Anytime、iPlayer(僅限英國)、All 4(僅限英國)、 Playstation Now、HBO Now、DirecTV Now、iTunes和Netflix。

媒體機(jī)構(gòu)可以利用聯(lián)網(wǎng)電視和獨家集成作為競爭策略來提供更豐富的內(nèi)容來留住并擴(kuò)張受眾。

 

 

三星聯(lián)網(wǎng)電視

趨勢八：電子競技

電競(e-Sports)

電子競技是一個快速發(fā)展的對抗性數(shù)字游戲產(chǎn)業(yè)，能夠?qū)�業(yè)地制作游戲并通過流媒體直播或面對面等方式面向受眾。盡管這種組織化對抗性的游戲已經(jīng)發(fā)展了數(shù)十年，但近年來，游戲技術(shù)和流媒體功能的發(fā)展導(dǎo)致其受歡迎程度和合法性出現(xiàn)了巨幅增長。例如Fortnite(堡壘之夜)是去年最火的游戲之一，僅2018年就收入24億，收獲用戶超過2.5億。

混合現(xiàn)實體驗館(Mixed Reality Arcades)

就像上個世紀(jì)80年代的電子游戲一樣，游戲形式日漸流行，但大多數(shù)人并不能負(fù)擔(dān)設(shè)備費用，所以如同當(dāng)年的游戲廳，混合現(xiàn)實體驗館應(yīng)運(yùn)而生。

Nomadic是MR街機(jī)的初創(chuàng)者，在佛羅里達(dá)州奧蘭多市和加利福尼亞州圣拉斐爾市都開設(shè)了線下MR游戲體驗店，玩家可以在店內(nèi)帶著VR頭盔和背包在房間里探索。

混合現(xiàn)實體驗館無處不在，使每個人都可以參與到很多游戲中來，但這次卻不需要等待很久了。Virtual World Arcad公司提供了無限虛擬現(xiàn)實時間的會員套餐。在東京，混合現(xiàn)實體驗館提供的不僅僅是基礎(chǔ)游戲，還包括搖擺式安全帶、飛行平臺和模擬蹦極跳、飛行，甚至可以從摩天大樓上摔下來。

 

 

Virtual World Arcad混合現(xiàn)實體驗館

趨勢九：媒體分銷

被迫做出選擇的平臺(Platforms forced to pick sides)

由于假新聞、仇恨言論等滋生，在線平臺和社交媒體將越來越多地投資于平臺管理：可以使用人工審閱，也可以使用能檢測到仇恨或問題語音的算法。

Amnesty International在Twitter發(fā)布了名為“Troll Patrol”的項目，該項目發(fā)現(xiàn)將近1000名女性政客和記者收到的推文中，每30秒就會有一條是“侮辱性”言論。此外，政策明確至關(guān)重要。但是，真正的問題在于將是選擇哪些利益相關(guān)者參與定義這些規(guī)則，因為任何決策都可能被政治化。

限制批量消息(Restrictions on Bulk Messaging)

新聞機(jī)構(gòu)目前依靠第三方平臺來吸引消費者。而限制批量消息將導(dǎo)致新聞媒體與受眾的互動變得更加困難。自2019年12月起，WhatsApp將不再允許自動或批量推送消息。

在當(dāng)今媒體平臺比電子郵件更受歡迎的時代，F(xiàn)acebook擁有的WhatsApp一直是新聞機(jī)構(gòu)每日發(fā)送新聞消息的重要工具。該公司宣布，它將在12月7日新限制生效后對在平臺上批量發(fā)送消息的任何個人或公司采取法律行動。

這些限制在很大程度上與未來平臺限制法規(guī)有關(guān)。WhatsApp在印度擁有超過4億的用戶，虛假信息和謠言傳播引發(fā)了一系列暴民動亂。

美國本地新聞機(jī)構(gòu)的新增長點(New Interest in America’s Local News Outlets)

Pew研究中心的數(shù)據(jù)顯示，2008年至2017年間美國報紙新聞編輯室的雇員下降了45%，創(chuàng)下了美國本地報紙合并和關(guān)閉數(shù)量的紀(jì)錄。目前新聞機(jī)構(gòu)正在為重建本地新聞業(yè)做著大量努力。

2019年，谷歌的“新聞計劃”與美聯(lián)社合作，為新聞編輯室構(gòu)建了一個可以直接共享內(nèi)容及其報道計劃的工具。該公司還與McClatchy合作，建立了覆蓋當(dāng)?shù)氐臄?shù)字新聞?wù)军c——第一個站點將設(shè)在俄亥俄州的揚(yáng)斯敦，那里的日報《Vindicator》最近剛剛關(guān)門。2018年，F(xiàn)acebook和Lenfest新聞學(xué)院資助啟動了本地新聞訂閱加速器。據(jù)Facebook說，加速器項目在14個參與該計劃的都市報上吸引了成千上萬的數(shù)字訂閱和電子郵件訂閱讀者。

 

 

Lenfest Institute for Journalism官網(wǎng)

訂閱經(jīng)濟(jì)成熟(The Subscription Economy Matures)

無論你是訂閱、沖會員還是捐贈，我們都生活在受眾經(jīng)濟(jì)時代。對于媒體公司(尤其是新聞媒體)而言，這意味著商業(yè)動機(jī)需要與消費者的需求保持一致。但是，風(fēng)險在于訂閱內(nèi)容的傳播會淹沒觀眾的支付意愿(或能力)。如果發(fā)生這種情況，發(fā)布商將需要繼續(xù)尋找新的收入來源。

訂閱產(chǎn)品已經(jīng)變得隨處可見：Conde Nast在1月份宣布將在年底以前將其所有雜志網(wǎng)站(以前以廣告收入為主)變成付費訂閱。全國各地的報紙都在推出新的訂閱產(chǎn)品或完善現(xiàn)有的服務(wù)。迪士尼正在迅速發(fā)展訂閱視頻服務(wù)，該服務(wù)將于11月在美國推出，涵蓋了迪士尼、ESPN和Hulu的視頻。

但即使目前普遍認(rèn)為數(shù)字出版將是未來的發(fā)展出路，紙質(zhì)訂閱仍然對小型本地出版商有重要意義。阿肯色州《生活》雜志在1月份成功啟動了紙質(zhì)訂閱活動后，又延續(xù)了一年的出版時間。該雜志計劃削減出版，將更多業(yè)務(wù)轉(zhuǎn)移到網(wǎng)上，但仍需要紙質(zhì)訂戶獲得收入。

線下連接(Offline Connections)

隨著用戶轉(zhuǎn)向移動設(shè)備，開發(fā)者們也應(yīng)當(dāng)確保自家APP能夠離線使用。Netflix、Youtube和Amazon Prime現(xiàn)在都在打造離線瀏覽功能，允許用戶緩存視頻，稍后觀看。

新聞內(nèi)容聚合應(yīng)用，如Google、Smartnews和Apple，同樣想要盡可能地利用用戶時間，哪怕在wifi信號很弱的時候�！度A盛頓郵報》的漸進(jìn)式網(wǎng)絡(luò)應(yīng)用(Progressive Web App，可以理解為類似微信小程序，但它是基于Web瀏覽器運(yùn)行)就將移動網(wǎng)頁的加載時間從4秒縮短到了80毫秒，使用戶在離線狀態(tài)下也能閱讀新聞。

 

 

Progressive Web App比正常瀏覽器打開網(wǎng)頁要快得多

作為服務(wù)的新聞業(yè)(Journalism as a Service)

在傳統(tǒng)新聞產(chǎn)品之外，新聞組織現(xiàn)在也在提供新聞服務(wù)。這種轉(zhuǎn)向使得媒體能充分實現(xiàn)其內(nèi)容價值。新聞服務(wù)主要面向從事知識領(lǐng)域工作的群體，包括大學(xué)、法律初創(chuàng)公司、數(shù)據(jù)科學(xué)公司、商業(yè)、醫(yī)院甚至科技巨頭等。媒體積累的內(nèi)容實際上是能夠被結(jié)構(gòu)化、清洗，從而被多種組織運(yùn)用的數(shù)據(jù)資源。

作為服務(wù)的新聞包含多個部分：新聞報道、API、編輯部和付費第三方均可使用的數(shù)據(jù)庫;與新聞事件結(jié)合的日歷插件;使用媒體組織積累的內(nèi)容和數(shù)據(jù)庫來自動生成報告的系統(tǒng)等。服務(wù)可以脫離社交媒體平臺而提供，減少新聞組織對外的利潤分成，使其提供的服務(wù)可以充分變現(xiàn)。

彈出式新聞編輯室與限量新聞產(chǎn)品(Pop-Up Newsrooms and Limited-Edition News Products)

新聞機(jī)構(gòu)正在使用彈出式新聞編輯室和限量產(chǎn)品來吸引受眾。集成協(xié)作的新聞編輯室可以專注于單個主題或項目，從而擴(kuò)大影響范圍并發(fā)現(xiàn)更深的故事。限量播客、新聞和活動可識別出對此感興趣的讀者并測試其新想法。

2019年3月，BuzzFeed在紐約發(fā)行了單日出版印刷品，在網(wǎng)上吸引了廣泛的注意，這種限量產(chǎn)品可能是發(fā)展新受眾的機(jī)會。

媒體整合(Media Consolidation)

在美國，數(shù)字用戶日漸增加，傳統(tǒng)媒體公司利潤持續(xù)下降，基于廣告的收入模式很難維持，尤其是對于本地媒體來說，形勢更加艱難。美國聯(lián)邦通信委員會(FCC)的去管制化政策也為大型媒體集團(tuán)的收購合并與垂直整合鋪平了道路。

2019年出現(xiàn)了一批巨額并購：迪士尼和�？怂乖谌�月份完成了合并，其中包括轉(zhuǎn)移了對Hulu的控制權(quán);法院于2月份對AT&T收購Warner Media一案作出了最終批準(zhǔn)，駁回了法官關(guān)于該交易是反競爭行為的觀點。

基于聊天模式盈利的新聞業(yè)(Monetizing Chat-Based Journalism)

信息交流平臺已經(jīng)成為社交行為的新中心，這其中就包括信息分發(fā)和經(jīng)濟(jì)交易行為，且二者可以合二為一。這種渠道的中心化創(chuàng)造了到達(dá)讀者的新機(jī)會，且讀者擁有小額數(shù)字支付的功能。

騰訊微信是率先將小額支付系統(tǒng)納入其信息交流平臺的軟件之一。以前的記者、電影評論家和行業(yè)專家等關(guān)鍵意見領(lǐng)袖現(xiàn)在可以通過微信公眾號打賞獲得收入。一些專欄作家每篇文章的收入最高為4,500美元。其他主要平臺包括Facebook等也在增加相似功能。

 

 

微信公眾號的贊賞功能

注意力指標(biāo)的終結(jié)(The End of Attention Metrics)

衡量注意力經(jīng)濟(jì)的指標(biāo)不再易于測量，流量造假屢禁不止。2018年11月，美國司法部起訴8人大規(guī)模廣告欺詐，造假廣告收入共計3600萬美元。他們巧妙地使用漫游器來偽造點擊行為甚至鼠標(biāo)移動來模仿人類消費者。對于依賴廣告收入的發(fā)行商和需要滿足客戶指標(biāo)的廣告商而言，這都是一個嚴(yán)重的問題。

web3.0

去中心化與合作加速了第三代互聯(lián)網(wǎng)的發(fā)展。Web 1.0是互聯(lián)網(wǎng)時代的開始，它引入了靜態(tài)網(wǎng)頁、電子商務(wù)和電子郵件。Web 2.0通過引入社交網(wǎng)絡(luò)、共享經(jīng)濟(jì)、云計算和動態(tài)的自我維持內(nèi)容存儲庫(如Wikipedia和Github)實現(xiàn)了分散式協(xié)作。分布式分類推動了大規(guī)模協(xié)作，并帶來了Web 3.0。

在Web 3.0時代，合作和分散創(chuàng)作都能夠加速發(fā)展的原因有二：基于數(shù)據(jù)挖掘、自然語言生成(NLP)和文本解析等技術(shù)，收集、挖掘與理解非結(jié)構(gòu)化數(shù)據(jù)都變得更容易;通過AI和機(jī)器學(xué)習(xí)，機(jī)器能夠直接彼此合作。最終，機(jī)器將能夠互相訓(xùn)練。已經(jīng)有類似的項目在進(jìn)行中。

在媒體領(lǐng)域，Otoy通過創(chuàng)立一個合作者組成的去中心化分布式網(wǎng)絡(luò)，共享空閑的處理資源，降低視覺設(shè)計效果的生產(chǎn)成本。另外，在Web3.0時代，媒體也能夠建立微型支付系統(tǒng)，或者使用戶能對自己的隱私和數(shù)據(jù)擁有更多的控制力。

趨勢十：空間計算

媒介整合(Media Consolidation)

空間計算將來自真實世界的數(shù)據(jù)與個人數(shù)據(jù)、數(shù)字內(nèi)容混合在一起。增強(qiáng)現(xiàn)實將數(shù)字內(nèi)容投影疊加到真實環(huán)境中，利用空間計算導(dǎo)入環(huán)境并進(jìn)行快速計算。數(shù)字形態(tài)的墻壁、地板和沙發(fā)就這樣產(chǎn)生了，而且它們?nèi)匀蛔裱�物理定律。Magic Leap是一家著名的空間計算公司，它的護(hù)目鏡可以將真實環(huán)境變成可計算環(huán)境。在未來的10到15年中，Magic Leap希望發(fā)展城市規(guī)模大小的空間計算環(huán)境，讓人們每天可以同時與真實世界和數(shù)字世界進(jìn)行交互。

 

 

Magic Leap官網(wǎng)

數(shù)字復(fù)制品(Digital Twins)

數(shù)字復(fù)制品指的是在虛擬世界復(fù)制出一個真實世界存在的物品，并使其可以按照指令行動。視覺體積 (Volumetric Fields of Vision) 空間計算不像傳統(tǒng)只捕捉2D維度，同時還捕捉深度、體積等多維數(shù)據(jù)。

動態(tài)光場(Dynamic Light fields)

光場可以測量在各個方向上流動的光。對于傳統(tǒng)的計算機(jī)圖形，一般可以通過拍攝高清照片或根據(jù)數(shù)據(jù)構(gòu)建模型來生成光場。在空間計算中，光場必須是動態(tài)的。研究人員正在研究動態(tài)光場，該光場可以收集光數(shù)據(jù)，然后以模仿人類視線角度將數(shù)字對象投射出來。

云空間計算(Spatial Computing Clouds)

目前，空間計算系統(tǒng)仍然需要使用硬件。但是研究人員希望在云中構(gòu)建更多功能。在云中的多個用戶和設(shè)備之間存儲環(huán)境數(shù)據(jù)、過往實驗和其他程序?qū)⒂兄�于發(fā)展空間計算系統(tǒng)。

趨勢十一：智能電子產(chǎn)品

智能電子產(chǎn)品包括智能手表、智能鏡子、智能門鈴等，可以在人們獲取新聞和進(jìn)行娛樂等方面發(fā)揮重要作用。截至目前，幾乎所有可穿戴設(shè)備都需要智能手機(jī)或計算機(jī)來查看和報告數(shù)據(jù)、調(diào)整設(shè)置并存檔信息。但這將隨著智能手機(jī)逐漸淡出視野而改變。

智能攝像頭新聞網(wǎng)絡(luò)(Smart Camera News Networks)

亞馬遜的Ring智能門鈴系統(tǒng)包含一個名為Neighbors的軟件，該軟件使用戶可以發(fā)布他們錄制的視頻，并鼓勵他們發(fā)布社區(qū)內(nèi)可疑活動、犯罪和其他問題的視頻和照片。

截至2019年8月，美國各地共有225個警察部門可以向Ring Doorbell的用戶索取視頻錄像。即便不是Ring的用戶也可以免費下載該應(yīng)用并查看發(fā)布的視頻。該應(yīng)用程序允許上傳者剪輯并給視頻注釋，新聞媒體就可以用這些有關(guān)盜竊、火災(zāi)和其他事件的視頻來補(bǔ)充新聞。但是該應(yīng)用也會導(dǎo)致一些問題。例如種族歧視，故意給他人的照片貼錯標(biāo)簽，報告“可疑”活動而沒有任何真實證據(jù)。

 

 

Neighbors App

智能ER眼鏡(Smart ER Glasses)

2019年7月，Magic Leap從其獨立創(chuàng)作者計劃中挑選并發(fā)行了第一款包含世界上最知名的風(fēng)景的3D拼圖游戲�？臻g計算系統(tǒng)和ER眼鏡可以將光線直接投射到用戶的眼睛中，使數(shù)字對象看起來像存在于現(xiàn)實世界中。雖然Magic Leap的眼鏡尚未面向大眾出售，但其開發(fā)者平臺和企業(yè)合作伙伴生態(tài)系統(tǒng)都在快速發(fā)展。

微軟最近展示了一款令人印象深刻的實時應(yīng)用程序。本來以英語演講的女人被重新制作成逼真的全息圖像，用日語表述了同樣的演講。

入耳式電子設(shè)備(Hearables / Earables)

入耳式電子設(shè)備充當(dāng)了我們的私人助理，并在播放音樂的同事為我們實時翻譯對話。Apple的第二代AirPods可以與Siri兼容，而三星的Galaxy Buds可以通過其Bixby助手提供語音幫助。

Jabra的Elite Sport耳塞可提供實時健身指導(dǎo)、心率感應(yīng)和VO2 Max測試，并且兼具防汗和防水功能。Soul Electronics的Run Free Bio Pro耳塞可捕獲大量跑步節(jié)奏、步態(tài)對稱性和心率等數(shù)據(jù)。

智能手表、戒指和手鐲(Smart Watches, Rings and Bracelets)

Motiv戒指是一種健身跟蹤器，可以監(jiān)視步數(shù)、心率和其他活動，也可以響應(yīng)手勢。用戶可以對其進(jìn)行編程，使其自動登錄Amazon、Google和Facebook帳戶，無需講話即可控制Alexa。Oura戒指可以收集生物數(shù)據(jù)為使用者提供優(yōu)化睡眠和注意力的建議。PayPal的戒指只需在NFC終端上揮手即可付款。

2018年12月，F(xiàn)CC批準(zhǔn)了對雷達(dá)跟蹤微動芯片的測試。Soli芯片等可以嵌入到眼鏡、戒指、手鐲中隨時監(jiān)控用戶數(shù)據(jù)。

 

 

Motiv Ring 官網(wǎng)

神經(jīng)技術(shù)(Neurotechnologies)

諸如Siri、Alexa和Google Assistant之類的語音接口正在變得越來越復(fù)雜，但是研究人員已經(jīng)開始設(shè)想將人類和哺乳動物直接與計算機(jī)相連。人們可以通過這些人機(jī)界面用思想進(jìn)行交流，為中風(fēng)和癱瘓患者提供了新的選擇。

明尼蘇達(dá)大學(xué)和卡內(nèi)基梅隆大學(xué)的生物醫(yī)學(xué)科學(xué)家研究出了一種傳感器界面，該界面允許患者使用頭上的腦波傳感器在屏幕上移動光標(biāo)并控制機(jī)械臂。

數(shù)字成癮(Digital Addiction)

對于數(shù)字產(chǎn)品而言，培養(yǎng)人們使用數(shù)字產(chǎn)品的習(xí)慣至關(guān)重要。越來越多的研究發(fā)現(xiàn)這些習(xí)慣可能會對心理健康產(chǎn)生負(fù)面影響。

人們通過33種關(guān)于人們閱讀方式的研究發(fā)現(xiàn)，與屏幕閱讀相比，從紙上閱讀時閱讀者表現(xiàn)更加高效。一些新產(chǎn)品旨在找到一種解決數(shù)字成癮的技術(shù)解決方案，但目前如何長期緩解這種癥狀尚未明晰。

趨勢十二：區(qū)塊鏈

區(qū)塊鏈(Blockchain Technologies)

一種在分布式分類賬上儲存和共享信息的新技術(shù)，上面所有的交易以及身份信息都受到保護(hù)。

加密貨幣(Cryptocurrencies)

區(qū)塊鏈技術(shù)在2017年來到拐點。它除了從邊緣化的數(shù)字貨幣發(fā)展到了比特幣之外，還逐漸成為公眾焦點，是一種共享和存儲信息的新方式。盡管該技術(shù)仍在發(fā)展，但其廣泛的應(yīng)用可能會影響一系列行業(yè)。

Facebook在2019年夏季發(fā)布了Libra——一個由28個成員組織組成的財團(tuán)支持使用的區(qū)塊鏈數(shù)字貨幣，涵蓋支付，電信，金融科技和風(fēng)險投資行業(yè)等。目前為止區(qū)塊鏈技術(shù)尚未進(jìn)入主流，隨著2020年技術(shù)成熟，區(qū)塊鏈技術(shù)將受到持續(xù)關(guān)注。

 

 

Facebook發(fā)布了加密貨幣Libra

自我主權(quán)身份(Self-Sovereign Identity)

身份管理系統(tǒng)已經(jīng)從政府頒發(fā)身份證逐漸發(fā)展到電子郵件賬戶和社交媒體帳戶。每個人平均擁有27至130個在線帳戶。像Google、Yahoo和Facebook這樣的公司已經(jīng)建立了代表用戶管理大量數(shù)據(jù)的業(yè)務(wù)模型。但在2019年就發(fā)生了15起特大數(shù)據(jù)泄露事件，影響了政府、醫(yī)療保健、金融和技術(shù)領(lǐng)域的20億個賬戶，涉及Facebook、CapitalOne、新加坡衛(wèi)生部和保加利亞稅務(wù)局等組織。

區(qū)塊鏈和分布式分類賬技術(shù)引入了新的身份管理方法：自我主權(quán)身份。自主權(quán)身份具有跨應(yīng)用、設(shè)備和平臺的互相操作性和可移植性。自主權(quán)身份具有兩個主要優(yōu)點：安全性和控制力。

對于媒體公司而言，自我主權(quán)身份將涉及付費、身份驗證、版稅以及數(shù)字廣告等領(lǐng)域。

智能版權(quán)和自由職業(yè)者的收入(Tokens For Smart Royalties and Freelancers)

以太坊等區(qū)塊鏈網(wǎng)絡(luò)通過使用智能合約提供了跟蹤內(nèi)容所有權(quán)和許可的新方法。智能合約是一種自我執(zhí)行的協(xié)議，協(xié)議的條款直接寫入代碼中。例如每次播放歌曲時，款項會自動從聽眾處扣除并流向藝術(shù)家們。使用區(qū)塊鏈技術(shù)可以更好維護(hù)版權(quán)。

去中心化內(nèi)容平臺(centralized Content Platforms)

未來將會出現(xiàn)為創(chuàng)作者提供最大所有權(quán)和獎勵的平臺。在這個平臺中，創(chuàng)作者將獲得大部分收入，而不是將大部分收入提供給分發(fā)平臺。同時，創(chuàng)作者還將保留更多的所有權(quán)并與觀眾進(jìn)行直接互動。

區(qū)塊鏈和分布式分類帳正在改變內(nèi)容管理和消費方式的激勵結(jié)構(gòu)，用投票的方式支持內(nèi)容以換取報酬。這將影響許多行業(yè)，從在線游戲到時尚到零售，從旅游業(yè)到汽車制造商，甚至包括2020年從事政治運(yùn)動的行業(yè)。

 

 

區(qū)塊鏈去中心化與版權(quán)保護(hù)

可溯源與永久存檔(Content Provenance and Permanent Archiving)

區(qū)塊鏈技術(shù)可以創(chuàng)建共享的永久性分類帳，其中任何內(nèi)容都無法刪除。因此，將原始內(nèi)容或索引添加到區(qū)塊鏈?zhǔn)怯浾哂谰帽４嫫鋬?nèi)容并且可進(jìn)行追溯的一種方式。

趨勢十三：安全與隱私

娛樂、媒體和技術(shù)公司將在整個2020年繼續(xù)面臨新的安全和隱私挑戰(zhàn)�，F(xiàn)在比以往任何時候都更重要的是，每個組織都必須采取積極措施來保護(hù)用戶和公司數(shù)據(jù)，定期執(zhí)行滲透測試以識別漏洞，定期更新密碼。每個組織都應(yīng)該為最壞的情況做好危機(jī)計劃。

竊聽(Right To Eavesdrop/ Be Eavesdropped On)

隨著越來越多的手機(jī)、移動設(shè)備、智能軟件連接到物聯(lián)網(wǎng)，這些設(shè)備之間以及與制造它們的公司之間的互動將不斷擴(kuò)展。我們的設(shè)備不再只是互相溝通，而是試圖了解我們并談?wù)撐覀儭?/p>

新聞和娛樂公司需要確定在交換消費者數(shù)據(jù)時，這些設(shè)備是否違反了道德準(zhǔn)則。智能設(shè)備之間交流數(shù)據(jù)的時候我們無法確保它們是否在一定程度上超越道德底線、私自獲取我們的信息。

 

 

智能語音助手被曝出“竊聽”用戶

加密消息網(wǎng)絡(luò)(Encrypted Messaging Networks)

在過去的一年中，記者使用的是諸如Keybase和Signal之類的封閉式加密消息網(wǎng)絡(luò)。但是，許多新聞機(jī)構(gòu)仍然沒有關(guān)于如何使用這些網(wǎng)絡(luò)的準(zhǔn)則。為了對有關(guān)全球范圍內(nèi)社交媒體黑客入侵和政府資助的監(jiān)視程序做出回應(yīng)，專用網(wǎng)絡(luò)將在2020年繼續(xù)流行。

網(wǎng)絡(luò)霸凌者(Media Trolls)

指網(wǎng)絡(luò)空間特有的垃圾郵件、仇恨言論、蕩婦羞辱等行為。Twitter、Facebook和Instagram都更新了社區(qū)標(biāo)準(zhǔn)以限制仇恨言論。Reddit禁止r / Incels之類的團(tuán)體違反該網(wǎng)站的社區(qū)標(biāo)準(zhǔn)(盡管在該網(wǎng)站的其余部分上仍有大量可怕的內(nèi)容)。

真實性(Authenticity)

網(wǎng)絡(luò)空間何為真實已經(jīng)很難鑒定。Facebook已與Poynter Institute國際事實檢查網(wǎng)合作，以打擊其平臺上的虛假新聞。但是，這種合作關(guān)系本身很難監(jiān)控，也進(jìn)一步說明了Facebook對數(shù)字媒體的主導(dǎo)影響力。媒體的真實性已從假新聞從擴(kuò)展到假視頻。Deepfake是一種計算機(jī)生成的面部互換視頻，最早起源于Redditin，在關(guān)閉之前積累了超過80,000的訂戶。

 

 

Deepfake制作的假視頻

信息主權(quán)(Data Ownership)

信息主權(quán)不只包括IP和版權(quán)，在智能設(shè)備風(fēng)行的今天，還包括了個人行為、健康數(shù)據(jù)和網(wǎng)絡(luò)活動等。比如上傳到Facebook的照片和在YouTube上投稿的視頻。

寫在最后

我們或許會感覺到技術(shù)更新迭代的速度放慢，但無可否認(rèn)的是，我們正逐漸跨入一個以人工智能為主流的技術(shù)新時代。在這個新時代里，我們?nèi)匀幻媾R著嚴(yán)峻的考驗：驗證新聞?wù)鎮(zhèn)稳匀患�手，而各類造假�?yīng)用卻變得更加隱蔽了;在合成媒體的新世界中機(jī)器寫作雖然解放了人力，卻帶來了更嚴(yán)重的算法規(guī)范問題;數(shù)字訂閱失靈，受眾流失困擾著所有傳統(tǒng)媒體和新媒體。如何在這擁擠的市場里奪取受眾有限的注意力將在未來幾年里依然縈繞在每一個媒體人的心上。

然而，面對這不確定的未來，所有人都沒有放棄。歐盟通過的《通用數(shù)據(jù)保護(hù)條例》得到了全世界的認(rèn)可，各個國家也都在推進(jìn)與網(wǎng)絡(luò)和數(shù)據(jù)安全相關(guān)的立法規(guī)定;算法寫作曾被認(rèn)為會取代記者，如今則幫助媒體挖掘出更多更深的故事;區(qū)塊鏈技術(shù)曾遭遇發(fā)展低谷，卻依舊是保護(hù)媒體版權(quán)和可溯源永久保存數(shù)據(jù)的首要選擇。

技術(shù)向前發(fā)展是無法逆轉(zhuǎn)的趨勢。然而無論這個世界如何變化莫測，利用技術(shù)改善人類生活的初心從未曾改變。

來自：2020年媒體技術(shù)趨勢報告：13大領(lǐng)域、89項變革全輸出

標(biāo)簽： 技術(shù)趨勢 人工智能 區(qū) 榱

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。