孫 謙
單縣電視臺融媒體中心
人工智能作為一種技術手段先進性明顯,能夠實現對大數據、互聯網、傳感網等多種技術的應用,并且和腦科學理論、計算機科學等融合在了一起,同時獲得了進一步擴展與延伸,效果上能夠實現模擬人腦,在此情況下,計算機的實際應用層次得到了較大程度提高。當前人工智能在多個領域中得到了廣泛應用,促進了生產效率與工作效率的提高,將其運用于廣播電視監管監測中,其作用十分明顯,推動了廣播電視向著智能化與網絡化方向發展。[1]
人工智能屬于多學科之間的交叉,并能夠發揮集成作用,對行為集成、符號集成進行有機融合,資源與資源之間相互作用、相互傳遞以及相互傳導,進而促進資源共享、資源新生以及資源融合的實現,人工智能將促進智能產業的發展,并逐漸成為社會當中的重要組成,并且智件也會從軟件當中分離,逐漸成為重要計算機系統。人工智能能夠實現社會科學與自然科學之間的交叉,核心為智能與思維,也會涉及到模糊數學、離散數學、邏輯思維和認知心理等多個學科,并基于認知科學、腦科學以及控制論等實現共同發展,人工智能在推動科技創新與科技進步方面發揮著十分重要的作用[2]。運用人工智能能夠實現對監測監管信息數據的有效分析與處理,從數據當中將信息價值比較高的資料篩選、識別出來,并且運用CNN、HMM 模型對圖像、語音、視頻等進行識別,體現了識別時的智能性。同時也可以利用其進行推理。在此情況下,能夠實現對未來實際發展態勢的有效預測。運用人工智能,也能促進智能決策的實現,實現對智能硬件與軟件的運用,促進智能系統的形成,進而發揮其制造、控制和檢索的多種功能,具體實施時,可以將監測中獲取的信息數據作為依據,并對專家經驗進行參考,實現對知識庫的不重。通過大規模數據分析與數據處理推動智能決策的實現,保證音頻、視頻的有效處理。
將智能識別運用于廣播電視監測監管中,主要是針對信號監測以及節目監管進行,應用場景主要為語種識別、語音識別、音頻識別、語義判斷等,發揮效果與機器實際學習能力、模型構建、音頻視頻海量監測緊密相關,并對案例研究、數據分析等方面的內容進行不斷積累,將知識庫、案例庫視為進行深度學習參考數據,進而為深度學習的實現提供模型儲備。對于音頻效果檢測監管來講,能夠將訓練數據集視為信道模型,在參考信號與混合信號中進行音頻指紋分離的對比特征提取,運用音頻指紋匹配相似程度對音頻指紋進行搜素,并和語音識別、語音識別等結合在一起。在監測監管音頻內容時,需將語音識別、語種識別、文字識別、圖像對比、人臉識別等作用依據,運用機器進行深度學習,同時運用對比黑白名單、識別光學字符對目標物體進行定位,運用模型提取、聲學習模型、模型匹配等進行圖片、語音、輿情況、視頻等多個方面的判斷,進而保證監測監管實際效果。
態勢感知屬于將大數據作為基礎的動態性感知方式,能夠細致了解整體環境,洞悉可能會出現的安全風險、威脅,運用全局視角對安全威脅以及處置能力進行確定,促進決策和行動的形成。在此過程,中需在關鍵處網絡節點以及網絡終端進行的智能探測器的安裝,查看風險情況以及網路環境實際情況,針對安全數據進行行為建模、關聯分析等等,進而有效感知威脅、漏洞、攻擊、風險等多種問題,并針對終端安全以及網絡安全進行預警,以及出現的問題進行修復與阻斷,推動自動決策與自動處理的有效實現,保證全鏈條止損。同時運用提前預設的方式,能夠針對對抗樣本進行對抗訓練,對模型的安全性與穩定性進行測試。
智能編目是針對指數增長進行監測監管最為有效的方式,這種方式運用時體現了智能化管理。具體實施時會通過語義判斷、智能識別、機器學習等多種方式進行,并且對獲得的數據信息內容、形式進行記錄、分析、選擇等,對其進行檢索標識的賦予,并將這些信息根據規則進行組織。就智能編目來講,主要由知識圖譜、音頻視頻結構化以及大數據檢索構成,音頻視頻結構化能夠實現對基礎元素、基礎內容的整理與提取,并且將其解構為碎片化組件。知識圖譜主要是運用在人、事件、場景、物體等相關信息梳理中,這樣能夠為關聯形式與檢索形式的呈現與存儲創造良好條件。大數據檢索的實施需建立在二者基礎上,運用提供海量數據信息的形式進行高效檢索,在此過程中可以運用字幕、人臉、結構化、臺標等開展智能編目工作,進而產生與之相對應的編目結果,并對大數據的算法與數據能力進行運用,實現對監測、監管行為的有效管理。
廣播電視中人工智能的運用,能夠促進監測質量與監測效率的提高,使信息時代的廣播電視實際發展需求得到滿足。同時能夠使監測監管在功能上得到持續性改進,對繁雜、龐大的信息實施智能識別與智能處理,保證決策的合理性,其在智能編目、智能識別、安全管理等多個方面作用明顯。