方世彤

1月9日—12日，2024年國際消費類電子產(chǎn)品展覽會（CES）在美國拉斯維加斯舉行，放眼望去，幾乎都是AI（人工智能）。ChatGPT掀起的人工智能浪潮讓全球激動不已，AI正在創(chuàng)造新的、非凡的經(jīng)濟價值，人工智能時代已經(jīng)悄然來臨。

我接觸人工智能算是比較早的，在英國學習的時候，我的舍友就是研究人工智能的博士后，經(jīng)常會給我普及一些高科技知識。他的研究方向是通過算法讓攝像頭在低照度、低分辨率，甚至畫面扭曲的情況下識別人臉。這在刑偵領域是個突破性技術，因此在20年前他就獲得了美國警方和英國警方的學術資助。人臉識別技術并非生成式人工智能，但也是人工智能的重要基礎項目，它關乎看的體驗（視覺）。

十年前，我參加浙江衛(wèi)視一位知名主持人的專家研討會，他是一位以犀利評論出名的主持人，盡管普通話不標準，但深得浙江本土觀眾乃至全國觀眾喜愛。研討會上一位來自浙江大學的老師說，他們是研究自然語言的，可以將這位主持人作為樣本，深入研究其語言藝術。事實上，正是這種自然語言研究促使了GPT（生成式預訓練Transformer模型）技術的出現(xiàn)。這是關乎說或者聽的體驗（聽覺）。

當下，傳統(tǒng)電視要做的事情無非為觀眾提供高質量的視聽享受，人工智能助力傳統(tǒng)電視發(fā)展是自然而然的事情。雖然觀眾尚未有直觀感受，但AI已經(jīng)在廣播電視領域默默地發(fā)揮著作用。

人臉識別技術經(jīng)過數(shù)十年發(fā)展，在廣電行業(yè)中有著不少應用案例。我曾經(jīng)和某國際公司共同參與此類技術在電視臺的落地工作。畫面識別是一項高科技技術，特別是算法。但是聰明的人會在應用中簡化或者用其他技術代之。早期的畫面識別技術不是通過看實現(xiàn)的，而是通過聽，因為音頻文件遠小于視頻文件。后來，人們發(fā)現(xiàn)聽不如直接在源文件中放入水印，這個水印人看不到，也聽不到，但是機器能夠識別，文件也非常小，所以反應速度相當快。后來還出現(xiàn)不少利用這一技術來實現(xiàn)手機與電視交互的公司，直到今天，仍有許多公司應用著這些非AI卻能達到AI效果的技術。人工智能或許并非唯一答案，但首先人類要把它視為一種技術，并駕馭它。

2023年12月27日，《紐約時報》正式起訴OpenAI和微軟，指控這兩家公司未經(jīng)許可使用其數(shù)百萬篇文章用于訓練GPT模型，創(chuàng)建包括ChatGPT和Copilot在內(nèi)的AI產(chǎn)品，要求他們對“非法復制和使用獨特價值的作品承擔數(shù)十億美元的法定和實際損害賠償”，還要銷毀所有包含《紐約時報》版權材料的模型和訓練數(shù)據(jù)。

這起訴訟案將深遠地影響生成式AI的未來。目前來看，被控方律師以“合理使用范疇”應對。生成式AI技術需要對大模型進行大數(shù)據(jù)的訓練，也就是會喂給計算機大量的已經(jīng)存在的內(nèi)容。計算機可能修改后使用，也可能直接引用，這是機器深度學習的結果，人無法強迫它不引用原來的數(shù)據(jù)，因此就有可能會造成“侵權”。在影音方面，生成式AI同樣面臨侵權問題，雖然人工智能廠家大量采購音視頻文件建立自己的數(shù)據(jù)庫，但并不代表大模型不會引用某些未經(jīng)授權的影視內(nèi)容。

這種錯綜復雜的問題需要耐心地抽絲剝繭，在沒有案例參考的情況下，《紐約時報》的訴訟短期內(nèi)未必會有結果。但是，這也是人工智能發(fā)展道路上必須要解決的問題。2024年，希望更多業(yè)內(nèi)人士在這方面多做討論，建立合理應用的規(guī)范。

回顧過去一年，許多電視臺都開始起用數(shù)字主持人，還有大量人工智能加持的二次元虛擬主播，但截至目前，尚未出現(xiàn)一位能夠深入人心的數(shù)字主持人或虛擬主播，這方面仍有待業(yè)界持續(xù)探索。就當下而言，用人工智能輔助主持人做好節(jié)目評論，可能會更實際些，國際上的主流電視臺也已經(jīng)開始了這方面的實踐。

目前，業(yè)界對人工智能普遍持樂觀態(tài)度。人們相信，就像互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的誕生帶來的現(xiàn)在的數(shù)字生活，人工智能也將為人類的生活帶來巨大變革。正如在CES 2024上，英特爾CEO帕特·基辛格所說，我們可以把AI塑造成不可思議的、向善的力量。在AI領域，我們應該推動讓AI技術開放、易獲取、可解釋和負責任。2024年，期待電視臺能夠在臺前幕后發(fā)掘更多人工智能的用武之地。