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、 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 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。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
