5月25日-26日，由中国人工智能学会主办，南京市麒麟科技创新园管理委员会与京东云共同承办的2019全球人工智能技术大会（2019 GAITC）在南京紫金山庄成功举行。在第二天的人工智能与媒体融合前沿论坛上，快手科技多媒体内容理解部负责人李岩发表了主题为《媒体融合：内容与技术的融合》的精彩演讲。
李岩 快手科技多媒体内容理解部负责人
以下是李岩的演讲实录：
我的分享分为三部分。第一部分简单介绍一下快手；第二部分介绍 AI 技术如何帮助用户提升视频创作质量，降低创作门槛；第三部分介绍 AI 技术如何理解视频、理解用户，并做好分发。
一、快手是什么
快手是把自己定位成普通人记录生活和分享生活的社区型产品，通过短视频、照片以及直播的形式，帮助人们记录自己的生活，使每一个人都有机会被世界看到，也能看到更广阔的世界。
快手在 2011 年诞生，今年成立 8 周年，目前 DAU 已达到 2 亿。2011 年，GIF 快手是做动图的工具；2013 年移动互联网兴起，我们看到了短视频的重要影响和作用；2013 年 7 月，工具型产品转型为短视频社区。转型短视频社区之后，快手的数据实现了指数级增长，2015 年 1 月快手日活用户超过 1 000 万，截止到现在快手的日活用户已经到达 2 亿。在中国的互联网市场，日活用户 2 亿量级的 APP 非常少。凭借数亿用户几年的积累，现在有超过 100 亿条短视频记录在我们的社区里，并以每天新增 1 500 万条短视频的速度增加，4 年前这个数字只有几十万。
在快手里，用户记录了大千世界里的方方面面，在这里可以看到很多种真实有力量的生活，有些画面是我们在大众媒体看不到的。比如，鸭绿江的放排人在运输木材，把高山上的木材顺着水流运到山下，这种古老的水运方式已经很少被人知晓，在快手被数百万人关注到。还有城市工地上的“水鬼”，这个职业很小众，但一二线城市的每一座高楼大厦都需要他们，在建高楼大厦打地基时，需要用电钻挖几十米的深坑，电钻头掉了需要他们潜到深坑的浑浊泥水中，把电钻恢复原位。
普通用户记录的生活，涵盖的内容超越了之前记者或者专业人士记录、调研的范围。有数亿人在快手记录自己的生活，这里有当代的百工图，有全球各地的田野风俗，还有用户记录的各式各样的旅行生活，也有清华、人大等高校教授讲解知识进行知识传播，这些画面聚集起来就是一幅我们当代生活的清明上河图。
二、AI 帮助用户用更低成本创作出更高水平的视频
AI 技术如何帮助这款短视频产品做得更好。AI 技术是贯穿于快手的产品骨髓之中，应用在视频生产、视频理解、用户理解到视频推荐的整个环节。
视频创作环节，我们希望每个人都能成为自己生活的导演，用手机去记录生活，而且生成相对较高质量的视频。如何帮助每个人成为自己的导演？在视频创作环节快手广泛应用了 AI 技术，用科技赋能普通用户，使他们尽可能接近专业制作视频的水准。
我们希望让用户用更低的成本创作出更高水平的视频，这就需要让 AI 助力于内容生产。
比如，快手之前上线的一款魔法表情叫做“快手时光机”，用户可以在几十秒钟内看到自己容颜变老的过程。一个人拍自己的视频是很乏味的，我们希望用户能够体验到自己变老以后的容貌。
又比如，把 AR 技术应用在用户拍摄视频的环节，给现实生活的画面加入一些虚拟元素，这属于增强现实，使虚拟世界和现实世界更好的互动，使人们在记录自己生活时有更多的新奇体验。
再比如，我们会运用图像相关的算法，帮助用户矫正拍摄中出现问题的视频，如脏镜头导致的视频画面模糊、光线问题导致的画面昏暗及画面偏色的问题。
这些玩法和功能的背后是快手对前沿AI 技术的开发，涉及人体姿态估计、手势识别、背景分割等多个技术模块。这些都是快手努力将记录形式变得更加有趣的新尝试。
这里有一个挑战，上述技术都要在手机本地实时地进行计算与渲染。快手拥有数亿手机用户，其机型千差万别的，这要求我们的算法必须都能在所有机型上流畅运行，这对 AI 能力的要求非常高，非常消耗计算资源。为了解决这个问题，快手自研了 YCNN 深度推理学习引擎，解决了 AI技术运行受限于用户设备计算量的问题。
音频方面，我们也做了非常多的工作。比如之前专业的人在创作视频时，编辑字幕是非常痛苦的事情。现在通过语音识别技术，可以帮助视频制作者自动添加、编辑字幕，而且还可以以各种各样的形式展示字幕，借助 AI 技术极大地降低了生成字幕的成本。
在短视频场景里音乐起了非常重要的作用。据统计，快手的视频中有 60%~80%的视频用背景音乐烘托气氛。如何选择恰当的音乐表达心情，是不容易的事情。让用户尽量贴合音乐的节奏创作动作，对于用户的要求非常高，具备很强乐感的人非常少。
为了降低用户创作视频时选择音乐的门槛，我们开发了智能配乐及 AI 生成音乐的技术。智能配乐可以根据视频画面及用户画像为用户推荐适合视频画面，供用户选择喜欢的背景音乐。AI 生成音乐通过 AI 的分析算法，可以感知到视频画面中人的动作，然后让生成的音乐节奏匹配人的动作，这样极大地降低了用户创作视频时选择音乐的门槛，让大家更愿意创作自己的视频。
三、用AI 理解视频、理解用户，做好分发
上面分享的是 AI 技术如何降低人工创作短视频的门槛，使普通用户都可以创作出质量不错的短视频。用户创作并上传到社区后，我们又做了哪些事情更好地分发这些视频？
理解视频非常复杂，对人脸纬度的解析、场景类的解析、音乐类的解析等，这些都是从单个角度进行建模，其实视频需要多模态的解析。我们需要做到让机器高效地判断用户上传的视频是否符合规则的，判断视频内容是否原创，以及要做到把视频精准地匹配给对它感兴趣的用户。
让机器能够帮助我们管理好上传的海量视频，同时帮我们做好视频的推荐，且推荐给用户的视频是能激发用户兴趣的。这里还涉及用户理解，即让机器理解我们的用户，其中包括理解用户在社会学上的特征，以及用户的兴趣，包括他的短期兴趣爱好和中长期兴趣爱好，以及海量的能够代表用户特征的更小向量。
在视频的分发上，不希望头部的视频内容占据太多的曝光，我们用经济学上的基尼系数控制平台上用户之间的“贫富差距”。互联网上的注意力资源是非常宝贵的，我们希望这种宝贵的资源也能分给普通人，而不是像聚光灯一样聚集在少量的头部用户身上，所以设计了快手的推荐机制，无论是明星还是普通人在快手都是一样的。快手重视生产者的利益，重视长尾视频内容的分发。我们希望注意力资源可以向阳光一样撒给所有生产视频的用户，这样普通人就有机会被更多人关注，能够感受到被关注、被认可的幸福感。
通过短视频实现的记录，让人与人，以及人与世界连接起来。我们认为，建立这种连接是非常有意义的事情。我们每个人的内心深处都是寂寞的，都希望通过连接去获得关注、认可，并且能结交朋友。因此，快手用户之间的关系会粘性更高、更稳固。从整体来看，可以提升网民之间的信任。
（本报告根据速记整理）
CAAI原创 丨 作者李岩
未经授权严禁转载及翻译
如需转载合作请向学会或本人申请
转发请注明转自中国人工智能学会
,
