安徽网 » 国际新闻

人工智能刚上岗便“翻车” 培养一名合格的AI编辑分几步?

目前阶段的编辑工作完全依赖AI是不现实的,让AI成为人类编辑的帮手似乎更切实可行。双方协同起来,将使工作更加高效有质量。

日前,微软宣布6月底拟裁撤近80名外包编辑,由AI编辑负责接下来的MSN网站的新闻抓取、排版和配图等工作。但没想到,刚到岗没多久,AI编辑就“翻车”了,而且犯了一个非常低级的错误。AI编辑在寻找配图的时候,把非裔歌手Leigh跟阿拉伯裔歌手Jade弄混了。

针对此次微软AI的配图错误事件,Jade也在社交媒体上表达了不满:“正常区分两个不同肤色的人有那么难吗?”为何一向以高识别率著称的AI,这次却“翻车”了?

解决脸盲问题需要不断扩大学习范围

人脸识别技术是目前AI领域公认的比较成熟的技术,圈内人士也热衷像刷分一样把人脸识别准确率屡屡刷出新高,最高的号称准确率可达99.9%。人脸识别技术有如此辉煌的战绩,为何此次AI编辑还会脸盲呢?

“人脸识别技术的工作原理,主要是比对五官比例以及面部特征。”天津大学智能与计算学部教授韩亚洪解释,简单说,就是基于人脸图像的大数据,先对看到的人脸图像进行预处理,提取面部各个方面的特征,并通过分层多次提取,寻找对于识别个体人脸最有效的特征表达。

人脸识别技术这些年已经发生了重大的变化,传统的人脸识别方法已经被基于卷积神经网络的深度学习方法替代。深度学习方法的主要优势是它们可通过大规模数据集进行训练,从而学习到这些数据的最佳特征。

“虽然可以使用大规模数据集进行训练,但是目前99.9%的准确率,基本上是在一些基准的数据集上测试的结果。这个数据集肯定是有范围的,如果收集的数据是在数据集分布的范围内,便可获得比较高的准确率。”韩亚洪说。

据了解,目前号称人脸识别准确率达到99%以上的,很多指的都是和全世界最权威的人脸数据库LFW(Labeled Faces in the Wild)进行比对测试的成绩。LFW可以被认作一个考查深度学习系统人脸识别能力的题库。它从互联网上提取6000张不同朝向、表情和光照环境的人脸照片作为考题,可以让任何系统在里面“跑分”。“跑分”过程是LFW给出一对照片,询问测试系统两张照片是不是同一个人,系统给出yes或no的答案。

“解决特定的脸盲问题并不难,其实就是重新针对任务,收集这项任务领域内的人脸图像,在原有算法模型上训练,或者重新设计新的算法模型进行训练,都会提高人脸识别率,以满足实际应用的需求。”韩亚洪说,但是超出了特定任务,AI的“脸盲症”就会复发。目前并没有哪个通用的模型算法可以解决所有的任务,但是AI可以通过不断地调整,大量的学习,从而提高人脸识别的准确性。

深度神经网络模型是进阶的必要条件

“目前针对新闻文档的分析和处理任务,AI编辑做起来相对得心应手。”韩亚洪介绍,具体地说,比如在一篇很长的报道中,让AI编辑把重点摘出来,这是没有问题的。现在是多媒体时代,大量的新闻报道会涉及图片和视频,AI编辑可以将图片或者视频自动提取出来,再从大篇幅的文字报道中,选取与之相匹配的文字说明,这个工作AI是可以比较准确地做到的。

“解决特定领域的问题,AI大多时候还是没问题的,但是要实现通用,就比较难了。”韩亚洪强调,实现这些功能需要用到自然语言处理、模式识别、图像视频理解等领域的技术。

要培养一名AI编辑,首先需要收集大量的新闻报道和图片视频,再根据收集到的数据设计一个针对这个任务的深度神经网络模型,网络模型里会有很多参数,然后通过数据把参数训练出来,它就具备了最初设定的各种编辑能力了。在使用过程中,随着AI编辑学习了更多的新闻,它的业务能力和性能也将不断提升。

“不过目前的新闻生产对于AI编辑来说还很困难。”韩亚洪说,要让AI学会写新闻,必须要针对某个特定新闻主题,进行大量资料搜集和模型训练。目前AI技术只能在风格相对固定、词汇量使用范围较小的领域完成文本生成,比如天气预报等内容,AI可以很好地输出相关报道和消息。但要生成人类创作的那种有创新要求、情感描述丰富的文章,AI编辑的能力仍有待进一步提升。

协作将使新闻生产更加高效

“有趣的是,AI犯的错误大多是我们意想不到的低级错误,但在某些方面又强悍到让人类望尘莫及。”韩亚洪举例说,像给文章分类这种工作,人类编辑要进行大量阅读,重复性劳动耗时耗力,速度非常慢。但这项工作AI编辑做起来就非常简单了,通过文字—文档的主题建模,AI可以比较准确地对文章按主题进行分类。另外,对于可以使用模板的短新闻,比如天气预报、证券信息等,AI编辑可以准确迅速地将各种数字或者专有名词嵌套到模板中,从而完成一定的文档生成任务。

美联社曾使用AI系统自动编发企业财报。AI系统对数据进行自动抓取,将其嵌套在美联社预先设定的新闻模板中,几秒钟就能完成一篇150—300字的短消息,该系统每季度能产出约4000篇新闻,与之相比,美联社的人工编辑们每季度只能完成400篇。

做这些特定的工作,AI编辑比人类厉害的地方不仅在于速度,准确率也可圈可点。“像分类或者是嵌套模板写短消息这类的工作,因为任务明确,AI的准确率还是非常高的,很少出现错别字或者数据错误。”韩亚洪介绍。

在运用大数据分析预测爆款方面,AI编辑可能比人类单纯从经验出发显得更“科学”。2015年,《纽约时报》使用AI机器人对社交平台中的文章进行筛选和分析,预测哪部分内容适合推广。凡是由它自动推荐的文章的点击量都大大增加,甚至达到了普通文章的38倍。

“但在AI编辑的世界中,只有知道和不知道两种状态,因此处理的内容一旦超纲,它们就会立刻犯很多低级到可笑的错误。”韩亚洪说,像这次AI编辑把非裔的Leigh跟阿拉伯裔的Jade弄混了的这样的错误,对于人类来说,即使没见过Leigh ,但根据常识,也不会把非洲裔和阿拉伯裔弄混。

“目前阶段的编辑工作完全依赖AI是不现实的,让AI成为人类编辑的帮手似乎更切实可行。”韩亚洪说。美联社预测,AI介入媒体行业能够帮助新闻工作者释放20%左右的时间,让后者可以将这部分时间更多地投入到内容创作方面,简单的事实核查与调研方面的工作交给AI,有利于提高新闻质量。

“未来,人类应该把AI编辑当作合作伙伴,双方协同起来,使工作更加高效有质量。”韩亚洪说,人类不应该觉得AI是来“抢饭碗”的,而应该为有AI这样的合作伙伴而感到幸运。


新安才汇云
返回顶部