作者编辑彭·宗教白小利
失去凯文·斯蒂利（Kevin Steeli）的第六季“纸牌之屋”在今年年底以荒凉的状态结束了这是一个很棒的温文。当凯文·斯坦帕（Kevin Stanpai）和英国著名的政治小说的三本主要政治小说的政治惊悚片诞生时，除了其大型名称和出色的作品以及一次发行本赛季的“壮举”时，让世界观众知道它更重要。在剧集开始时到“ Netflix”品牌。
从那时起，这些信件背后的技术和艺术的完美整合为全球观众和整个娱乐业带来了深刻的变化。
“纸牌屋”已成为Netflix改变一切的关键。同时，在海洋的另一端，流媒体行业的竞争状况比美国更多。使用高损失来交换用户增长。
这可能是流媒体的最佳时代，但是“燃烧的钱”就无法停止。
随着Ready -Made版权的采购成本继续上升，Netflix领导的流媒体平台已开始将更多的能源和资金转换为自制原始内容。去年，Netflix宣布将再投资80亿美元来创建原始内容。但是，根据最近的“经济学家”报告，Netflix在今年的实际投资将达到120亿至130亿美元，在同一时期超过任何电影公司和电视台（不包括体育频道），订户每年都可以收到。相比之下，华纳兄弟今年推出了23部电影，迪士尼是10部电影。
例如，日本版权的成本是流媒体平台的负担负担来源：接口数据组中三个主要巨头的损失很大程度上是由于IQIYI代表的内容成本越来越高。根据财务报告，在第一季度，今年的第二和第三季度，Iqiyi内容的成本分别为39亿，47亿和60亿，增长了54％，47％和66％ - 年。在本季度，内容成本的比例占总成本的78％，以及内容成本的两个最重要的部分 - 审议费用和家庭制造的内容成本 - 仍显示出增长趋势。
Netflix和Iqiyi都在美国股市上市公司，他们选择发行债务以扩大“弹药图书馆”。 10月底，Netflix宣布了一项计划，今年筹集了20亿美元的新贷款。再加上这20亿美元，Netflix的长期债务超过了100亿美元。 11月30日，IQIYI发布了一份公告，以确定发行6.5亿美元的可转换优先债券。一些筹集的资金将用于支付有限时间交易的费用。其余资金将用于继续扩展和增强内容库。加强技术研究和开发以及公司的日常运营。
除了不断扩大内容库并创建自己的IP-这种娱乐公司（例如HBO和迪士尼），还证明有效的手段同时，Netflix和Ai Youteng具有技术公司的基因，还将吸引用户和改善营地。接受新技术 - 人工智能的希望（以下称为AI）。
硅谷Netflix的内容公司，使用AI更好地了解您
从2016年1月开始，DeepMind首次透露了Alphago可以击败人类国际象棋球员，然后与中国国际象棋球员，AI，Flag和Drums的“ Century Game”，甚至被公众忽略了很多年，他们突然突然进入每个人的愿景。尽管已经投资了技术行业，随着公众注意的不断提高，AI以肉眼的速度已成为新的空气插座。
媒体在AI方面的评估态度。 2016年1月是一个重要的时间节点。就像两三年前娱乐业中无处不在的“大数据”一样。近年来，AI再次成为一种新的技术背景，尤其是国内人口红利已经消失，与此同时，内容和分布显然不再是区别了。越来越多的公司将目光投向了AI技术，试图依靠技术来优化用户体验以提高用户粘度并获得收入增长。
作为一家经典的硅谷技术公司，Netflix不仅是传统的流媒体巨头，而且身体上的硅谷基因也使整个公司始终尝试使用各种新技术来驱动产品和服务。
早在Netflix的主要业务是租用DVD，他们就会开发出一种名为“ Cinematch”的智能推荐系统。新电影发行后，建议将相应的用户组介绍。
但是，基于当时的技术，该系统并不完美。 2006年，Netflix宣布，他们将建立一项竞争，以公开征求电影推荐系统的最佳计算机算法。现有推荐系统的第一个准确性可以增加10％的参赛者将获得100万美元的奖金。三年后，Netflix确实获得了一套算法，其准确率为10％，并获得了100万美元的奖励。
Netflix精心创建的“纸牌屋”推出是“技术营销”。当时，被“大数据”制作的SO称为美国戏剧被证明更多地依赖Netflix的高投资而没有成本。在两个赛季中总共两个赛季。当时，HBO独立的美国戏剧行业的1亿美元投资是“天空”。
但是与此同时，Netflix渴望将AI技术应用于其产品，并且该技术确实有助于其获得收入增长。
每个行业都将成为赢家，因为增加了人工智能，但是一些行业注定是早些时候Deloitte向国家公司AI地位发布报告并证明了这一点的大赢家。在报告中，德勤（Deloitte技术优化网站搜索，它不仅可以将用户体验带给用户，让用户更快地付款。德勤的报告表明，在短短一年内，它被迫改善AI搜索的改进。 Netflix可以赚取超过10亿美元的10亿美元。
由Netflix智能算法推荐，该算法基于AI技术。在广义上，AI中包含许多技术。目前，技术公司可以将它们转换为四类：机器学习，深度学习，自然语言处理和计算机视觉。从Netflix的技术博客中可以看出，可以看出。 Netflix使用机器学习和深度学习开发的算法。
广泛的人工智能技术包含过去最受欢迎的机器学习和深度学习。 Netflix通过收集每个用户对每部电影的评估（得分为1-5），建议用户可能对内容感兴趣。但是，使用Netflix Master更多用户行为数据（包括用户查看的内容，使用设备，观看时间，观看频率和查看位置），同时，它用于在机器的帮助下建立推荐算法学习捕获更多基于规则的算法可能会错过它对预测偏好（例如观看电影的顺序和不同因素之间的相互作用）非常有帮助。
个性化视频排名，PVR（某种类型的电影）：推荐电影类型的Type Tope-N视频排名（最佳推荐）：您喜欢的推荐视频，与PVR的区别在于现在没有限制的趋势类型（现在是正面的（现在是积极的）积极的热广播）：根据当前的热门话题，例如圣诞节，我建议电影类型观看（请继续观看）：推荐视频视频视频相似性，您可能想观看所需的类似视频页面一代观看：从最适合您的个性化主页中清除上述算法
基于算法的算法的每个用户独特的主页。以上是Netflix主页的建议条目。其背后的算法可以归因于两个类别：基于内容的过滤和协作过滤方法。内容过滤算法是查找类似的视频，并根据电影本身的特征向用户推荐它。这也是大多数视频网站可以向用户推荐类似作品的内容。如果您看过迪士尼的“大脑代理团队”，则该算法将为您提供建议，您建议您“偷爸爸”系列。
后者首先找到类似的用户，因此用户可以喜欢用户B正在观看的视频。专门针对Netflix，基于算法的内容建议是通过类似的浏览模式来提供的，代表了类似的用户口味的假设。 ，“同一口味用户组”，也就是说，就像看到相同内容相同的内容一样，Netflix现在已经确定了2,000个此类用户群。
同一口味用户组中的这些用户可能希望完全不同。目前，该算法将派上用场。 Netflix副总裁Cindy Holland提到：“ Netflix算法发现，单身喜剧演员Dave Chappelle的Dave Chappelle在粉丝群的粉丝群和鹰派传记电影“ All Things All Things的理论”之间存在意想不到的联系。
Netflix表示，根据“福布斯”的报告，对基于内容的过滤的简单概念识别说，用户粘性是通过算法增强的，算法每年可以节省超过10亿美元的成本。同时，Netflix还越来越多地使用算法创建的公式来创建内容。它的成功率高达80％，而传统电视节目的成功率为30％-40％。
对于个性化，Netflix最知名的便是是是是是是是是是是是是是是是是是是是是是是是不同不同版本版本版本的的的的的的的的的的的的的的的的的的的的的的是是是是是是是是是是是是是是是是是是是是是是是的“ Netflix计划”，我们的品牌是个性化的。
Netflix使用算法可以根据每个用户的需求（包括主页，标题，每个电影的视觉效果等）来调整整个用户体验。Netflix将此个性化过程定义为“消费者科学”。 Netflix的高级数据科学家Mohammad Sabah在2014年表示：“ 75％的用户根据公司的建议选择电影，Netflix希望这个数字会更高。”根据Netflix在2015年发表的一篇论文，观看观看时间长度的80％用户中有80％取决于该算法的建议。
同一集Netflix将创建多个海报封面以推向用户，因为Netflix依靠用户订阅作为收入的主要来源。作为Netflix产品副总裁，Yellin表示，他们几乎跪在地上，并恳求用户不要取消订阅。用户左是Netflix的唯一目标。因此，除内容外，预告片，标题和视觉呈现都由Netflix创建。
去年的IBM研究人员开发了第一个“认知电影预告片”系统。它使用机器学习技术为电影“ JP Morgan”生成可怕的电影风格的预告片，以吸引观众的注意。 Netflix还计划将这种AI技术应用于其自己作品的预告片，包括电影和电视连续剧。它的AI系统使用机器学习技术来分析可能对用户更具吸引力的电影或电视连续剧，根据场景，演员，背景音乐类型，拍摄方法等根据类别进行分类，然后基于每个用户等。将偏好置于符合用户口味的拖车中。
大多数互联网公司都接近实现个性化目标（例如个性化建议）的真实时间推荐系统，但这也是静态机器学习可以实现的极限状态。包括Facebook和Netflix在内的两个巨人都知道，对于及时的推荐内容，这仍然不够快。例如，不建议在传统状态下及时推荐一部新戏剧或真实的新戏剧。
Netflix随后转向了近乎实时推荐的推荐过程，以加快学习过程并启动测试结果。目前，Facebook开发了实时机器学习算法螺旋，该算法可以为网站上数十亿个用户提供实时推荐服务。实际 - 时间机器学习的优点是，它可以在几分钟内预测和输出新的结果，而不是在数周内依靠数据来优化和更新服务。目前，通过关注Netflix等算法推荐的媒体公司也正在遵循此技术。
正如凯文·凯利（Kevin Kelly）在《不可避免的》一书中写的那样：“ Netflix的推荐系统拥有300人，预算为1亿美元，但他们解决了价值10亿美元的问题。”
国内巨人说，他们会让AI帮助爆炸
在今年年底的第六届中国网络视听会议上发布的“ 2018年中国网络视听开发研究报告”中，一章提到了新兴技术在国内网络视频行业中的应用。内容生产，广告发行，IP预测和其他级别。
在接受Interface Entertainment的独家采访中，Jinshan Cloud的高级副总裁兼合伙人Liang Shouxing表示，AI作为技术能力，正在成为视频行业发展的新引擎。他还提到Jinshan Cloud现在正在将AI应用于视频行业。它主要针对两个技术和内容。技术水平主要是解决视频公司的传输和带宽问题。在内容级别的内容审查和标记上，前者是由于当前的国内审查环境使大型公司能够投资更多的人力来审查UCG内容。后者将有利于自动化后更好地销售视频平台的广告。
Jinshan Cloud的AI技术可以解决视频行业过度人力审计压力的问题，视频行业陷入了激烈的竞争和视频行业的利润压力，并且也将目光投向了AI技术。
2017年6月，IQIYI的创始人兼首席执行官Gong Yu在IQIYI世界会议上发布了“成为由科学和技术创新驱动的伟大娱乐公司”的公司愿景。 IQIYI Essence是由已经“所有人”的技术公司长大的，它是中国最早提议将流媒体公司应用于视频场景的最早的。
IQIYI兼首席执行官的创始人Gong Yu反复提到，AI对于流媒体平台的重要性希望依靠技术来推动公司的开发和工业升级，这几乎已成为国内视频巨头的共识。今年的Youku秋季系列将于Youku宣布了应用程序方面的正式修订，并从原始的固定渠道更改为复合信息流建议。阿里巴巴文化娱乐集团达·尤库（Da Youku Coo）和首席技术官Nantian提到：“新时代的AI技术不是神秘的，不是冷的，不会偏离用户和从业者的思想。这将是一系列实用方法。在之前的详细信息中，生产后，效率的力量得到了反映。”
根据AI技术和算法，Youku推出了两种内容生产产品：Fish Brain和Youku Original。其中，Fish Brain平台依靠Ali的大数据功能，它建立了一个工业化的标准系统，该系统已帮助制定了投资，生产，智能运营和需求采矿的决策。它可以完成诸如AI铸造，AI脚本之类的功能，从而促进内容IP流量放大和链接。
至于Tencent（被称为“ No Dream”和2018年的温室），它在调整了内部体系结构后也宣布了“ Al in All In All All In All All All All Drogn”的口号。与其他两个视频相比，上半年在上半年，腾讯视频依赖于Tencent的整体AI策略，Tencent的音频和视频AI产品解决方案，Tencent的音频和视频AI产品解决方案。在2019 V Vision会议上，关于腾讯视频的技术投资和使用技术，腾讯视频编辑 - 王王·胡安（Wang Juan）也表示“使技术和数据产品更先进，指导内容生产的内容，以达到质量内容的更多。控制。”
尽管国内流媒体巨头正在努力强调付费成员的数量，但国内视频网站一直是一个大问题。宁Zeng说：“电影和电视业的问题不是粘度。一旦流行时期，用户通常不会再返回。”对于国内巨头来说，吸引用户付款是同一件事。这是另一回事。
不断生产良好的内容始终是国内视频平台的最大障碍。锣还较早地意识到了这个问题：“需要使用连续的内容来开发用户的内容惯性，并考虑长期的用户体验和特权。”但是意识到问题并不意味着解决问题。大公司可以同时提供AI的解决方案。
IQIYI AI的应用方案重点是在今年许多情况下强调AI的重要性。在今年，Iqiyi无疑在这方面走了最远。自今年以来，IQIYI通过AI深神经网络算法不断发布HCDN技术。 ，AI ABS自适应代码流，Zoomai视频增强技术，绿色镜像，以及仅观看TA 3.0和蒙版弹幕，以增强视频用户的体验。
对于用户而言，内容通常不仅仅是使用体验本身。在使用AI来增强用户体验时，IQIYI的“ IP值评估系统”和基于AI技术的“流量预测”完全针对内容生产本身。
为了使用基础技术，负责IQIYI业务大数据的人Sun Bin说； “以上应用方案都使用主流和成熟的AI技术，例如自然语言处理（NLP），语义理解，深度学习技术和其他技术，独特的位置在于IQIYI的业务场景的结合。我们首先开始尝试一种尝试大规模并应用于行业的实际业务。”
IQIYI的AI智能匹配技术已选择Deng Ziqi作为“中国新说唱”的导师“ IP价值评估系统”。创造性质量，拍摄和商业价值的评估，并且该系统与Youku致力于建造的鱼脑的想法不同。
“ IP值评估实际上是基于IP生命周期中各个阶段的相关信息。” Sun Bin还进一步解释了该系统在实际应用中的播放方式：“例如，IP在历史上的流行中相似的IP的受欢迎程度，公众舆论的受欢迎程度，IP中涉及的相应事件的相应事件将被用作评估了模型的输入，然后评估了业务目的动态调整的重量的重量。”
同时，他还说，基于大数据和AI的评估永远无法确保一个内容必须成功，但是基于大量数据和深度学习的模型可以完全分析历史并在最大程度上预测未来，从而最大程度地预测未来为制定决策提供高度自信的数据支持。说唱音乐能够在圈子中取得成功的原因在很大程度上。基于IQIYI的大型站点和网站数据的数据，它与最领先的深度学习算法合作，以及时，准确地反映了Iqiyi站和车站外的受众的利益杏鑫注册登录地址。随着公众舆论的发展，这些与“大数据”和“大算法”的两个关键因素不可分割。这两个iqiyi都是完全可用的。
算法第一碗鞠躬，AI创作只是一个梦想
由于科幻，电影和情节的影响，公众将对AI产生过于实用的幻想，甚至埃隆·马斯克（Elon Musk）等技术领导者也会时不时出版“ AI威胁理论”，但事实是事实AI技术的当前发展远非进入工业结构发生巨大变化的程度，就像技术博客作者Zhao Seto所说，如果没有特定的应用程序，就没有真正的“人工智能行业”。
在2016年的伦敦科幻电影节上，一个名叫本杰明的人工智能写了一部科幻短片。随着电影制片人和AI研究人员的共同参与，本杰明终于在训练后完成了剧本的创作，但即使无法完成角色的名称，由于虚拟角色的名称通常是不可预测的。今年6月，本杰明的劳斯莱斯再次出现。它通过整合大量的电影材料和演员的声音来采用神经网络和面部改变技术，新的场景和对话完成了一部名为“ Zone Out”的6分钟电影。没有真正的演员参加表演。仅凭脸部改变的技术将演员的脸放置，使最终电影看起来很奇怪。
“区域”主要通过改变面部技术实现角色绩效。实际上，AI或数据对创建内容没有太大帮助。作为一名专业技术人员，Liang Shouxing认为，依靠AI进行内容创建并不成熟。创作的内容在理论上是感性的。我使用机器学习来判断我认为它不是建立的。电影或戏剧创作不是内容问题，而是导演在此过程中的问题。这个问题，包括在每个时代接受不同受众的接受，都有许多全面的因素，人们的情绪在里面。目前，这个AI时代很难预测。 “
并依靠大数据和AI技术为电影和电视行业提供电影和电视行业。它的产品还试图使用技术评估和判断电影和电视脚本。小米技术的创始人朱·金富（Zhu Jinfu）表示，他的作品是否可以成为爆炸性的模型，意识形态和艺术性。必须有30％的比例。在AI的短期内很难替代人。它只能判断这是否是合格的产品，但是不能判断艺术判断。
Netflix首席执行官LED HASTEINS从不依赖数据的重要性来依靠人们做出最终决定。这仍然是电影和电视行业不确定性的关键。尽管长期算法推荐Netflix，但它不像外界。 Netflix首席内容官Ted Salandoz说：“不要沉迷于算法，过去的信息可能会限制您对未来的想象力。”
“数据用于支持决策。制定算法越准确，数据量越大，数据结果的信心就越高，但该决定始终由人们做出。所有这些数据评估系统的结果是相关的专业人士负责，我们从未要求算法的结果为我们做出决定。
当然，Netflix越来越接近硅谷的好莱坞，实际上在算法和算法和人类感觉之间的选择中面临着“种族歧视”的问题。前面提到的提到，Netflix擅长使用算法为不同用户提供各种风格的海报。今年10月，一些黑人订阅者发现了电影“父亲 - 劳德无狗女孩”的收缩地图，该地图突出了非裔美国人演员洛雷纳·德·奥兹（Lorener de Oz）和布莱尔·布鲁克斯（Blair Brooks），但这两个黑人演员实际上只是小的小型演员辅助角色。在电影中，他们发现这实际上是由白人演员主演的作品。尽管Netflix后来否认是由用户种族推荐的，但“智能”算法引起的社会工程问题已经产生了很多风暴。
WSJ上个月第二季的“同一妻子俱乐部”海报的第二季直接指出，内部Netflix与两个派系有所不同。更偏向“关系 - 面向关系”。 “
文章中提到的示例仍然涉及推荐海报。当Netflix流行的情节“同一妻子俱乐部”在广播的第二季中播出时，Netflix基于数据发现，当时促销海报中没有Jane Fang DA，用户将更愿意订购订购并观看，观看，观看，观看，观看，观看，观看，观看，观看，尽管Jane Fangda是表演的两个女主角之一。Netflix的的发现发现发现发现发现发现发现对于这位不感感兴趣兴趣兴趣兴趣兴趣兴趣兴趣兴趣兴趣但之间产生嫌隙，更更说一有有有有有可能违反了双方签署的合同。
即使在国内电影和电视行业中，海报中不同恒星引起的争议也很普遍，Netflix直接制作出没有主角的海报。比较，是包含简·法格达（Jane Fangda）的海报，尽管一些坚信“数据”的工程师无法理解为什么他们从头到尾做出这样的决定。同时，Netflix的好莱坞人才吸收也在增加。去年，去年任职的Netflix首席产品官尼尔·亨特（Neil Hunt）在产品内容操作方面替换了经验丰富的执行人员格雷格·彼得斯（Greg Peters）。
当新部队试图进入和改变传统行业时，它将不可避免地面临新的和古老的反对派的问题，尤其是面对长期以来一直依赖人类智慧和人际关系的巨大行业，在电影和电视上。正如Liang Shouxing所说，AI的当前阶段可以解决部分释放问题，包括内容监督和标签。当人类密集型和建模时，它可以解决这个问题。 “但是不可能超越这一点，并将东西添加到感受和趋势中。很难说AI可以在短时间内达到新的高度并解决一些趋势的判断。”
但是，Netflix的中国学徒尚未脱离需要依靠广告甚至游戏收入的商业模式。实际上，访问用户和内容服务的用户和内容是很长的路要走。
报告/反馈