短視頻合成的算法邏輯與風(fēng)險(xiǎn)問(wèn)題

關(guān)鍵詞 短視頻；算法；生成對(duì)抗網(wǎng)絡(luò)；透明性

中圖分類號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-0360（2021）15-0054-03

社交媒體時(shí)代，短視頻因其傳播速度快、內(nèi)容輕量化等特點(diǎn)，深度切合當(dāng)前用戶碎片化的使用場(chǎng)景，已成為人們獲取新聞資訊的一種主要形態(tài)[1]125。中國(guó)網(wǎng)絡(luò)視聽(tīng)節(jié)目服務(wù)協(xié)會(huì)發(fā)布的《2020中國(guó)網(wǎng)絡(luò)視聽(tīng)發(fā)展研究報(bào)告》數(shù)據(jù)顯示，截至2020年6月，短視頻用戶規(guī)模已達(dá)8.18億，從人均使用時(shí)長(zhǎng)看，短視頻應(yīng)用人均單日達(dá)110分鐘，超過(guò)即時(shí)通信，成為第一大互聯(lián)網(wǎng)應(yīng)用[ 2 ]。

龐大的用戶群體與有限的生產(chǎn)能力之間的矛盾催生算法在短視頻合成與推薦中的應(yīng)用。路透社新聞研究院報(bào)告顯示，72%的媒體表示會(huì)應(yīng)用人工智能處理過(guò)載信息以實(shí)現(xiàn)新聞和視頻的自動(dòng)化合成與個(gè)性化推薦[3]，算法在短視頻的合成與推送的過(guò)程中扮演著越來(lái)越重要的角色。通過(guò)以算法為基礎(chǔ)將數(shù)據(jù)公式化和結(jié)構(gòu)化的研究工具使得原本在理論描述中的傳播規(guī)律和效果評(píng)價(jià)得以量化和圖示化，以實(shí)現(xiàn)短視頻的智能化合成[4]。

算法作為一種基于數(shù)據(jù)量化的自動(dòng)化工具，應(yīng)用于敘事性較強(qiáng)的短視頻的合成，尤其是以客觀真實(shí)為原則的新聞?lì)I(lǐng)域，往往伴隨著是否具備專業(yè)性的爭(zhēng)議。如何將專業(yè)知識(shí)、技能合理量化，如何真正發(fā)揮好“把關(guān)人”的作用，如何將新聞的專業(yè)性糅合進(jìn)算法代碼的自動(dòng)化流程中是算法應(yīng)用過(guò)程中面臨的關(guān)鍵問(wèn)題。本文將結(jié)合國(guó)內(nèi)外案例說(shuō)明算法應(yīng)用于短視頻合成中的算法邏輯，并分析算法應(yīng)用中可能產(chǎn)生的技術(shù)風(fēng)險(xiǎn)問(wèn)題。

1 短視頻合成的算法邏輯

算法是解題方案的準(zhǔn)確而完整的描述，是一系列解決問(wèn)題的清晰指令，能對(duì)一定規(guī)范的輸入在有限時(shí)間內(nèi)獲得所要求的輸出[5]。算法作為一種“工具”“中介”和“代理者”，能夠利用數(shù)據(jù)在較短的時(shí)間內(nèi)“獨(dú)立”完成大規(guī)模的信息處理。

短視頻合成的算法邏輯是以用戶需求為中心，由數(shù)據(jù)和算法驅(qū)動(dòng)，利用不同素材的創(chuàng)意組合，自動(dòng)合成新聞短視頻，并能根據(jù)場(chǎng)景變化實(shí)時(shí)優(yōu)化和調(diào)整，實(shí)現(xiàn)“千人千面”的快速傳播[6]。相比于藝術(shù)類影片，在新聞報(bào)道中短視頻以展現(xiàn)信息為主要目的，對(duì)情節(jié)設(shè)計(jì)要求較低。而人工智能目前也無(wú)法做到動(dòng)用蒙太奇敘事手法制作電影電視劇等長(zhǎng)視頻，但對(duì)諸如會(huì)議視頻報(bào)道等模式相對(duì)固定的新聞視頻，算法可以在短時(shí)間內(nèi)完成高質(zhì)量制作[7]。因此，算法合成短視頻在新聞?lì)I(lǐng)域有更加廣泛的發(fā)展前景。算法合成短視頻的技術(shù)邏輯從整體上來(lái)看基本可以理解為內(nèi)容識(shí)別與素材聚合兩大步。

識(shí)別檢索能力是算法最明顯的優(yōu)勢(shì)，它極大簡(jiǎn)化了搜集并理解視頻素材內(nèi)容的步驟。內(nèi)容識(shí)別依托于自然語(yǔ)言處理技術(shù)（Natural Language Processing）與內(nèi)容識(shí)別技術(shù)，包括人臉識(shí)別、語(yǔ)音識(shí)別、物體/場(chǎng)景識(shí)別等實(shí)現(xiàn)關(guān)鍵詞提取、內(nèi)容智能分析、智能拆條、智能素材檢索與聚合等。其中，關(guān)鍵詞提取與片段檢索的準(zhǔn)確度是決定合成效果的關(guān)鍵[1]127。結(jié)合不同的短視頻合成需求，內(nèi)容識(shí)別也會(huì)有不同的標(biāo)準(zhǔn)，如IBM研發(fā)的智能化剪輯系統(tǒng)AI Vision，在合成2016年驚悚電影《Morgan》預(yù)告片與2017年科技類綜藝節(jié)目《我是未來(lái)》宣傳片時(shí)就利用了對(duì)觀眾情緒的識(shí)別以尋找最“精彩”的片段。媒體大腦在進(jìn)行兩會(huì)報(bào)道時(shí)利用了“掌聲識(shí)別”與“笑聲識(shí)別”判斷所篩選句子的受歡迎程度，以挑選出最佳素材片段，實(shí)現(xiàn)對(duì)“金句”的內(nèi)容合成。在算法檢索力的智能輔助下，短視頻的合成效率大大提升，百度研究院研發(fā)的AI自動(dòng)合成視頻工具Vidpress完成從用戶輸入到成品輸出的整套流程僅需9分鐘[ 8 ]，2019年國(guó)慶節(jié)閱兵期間，央視利用AI剪輯發(fā)布方隊(duì)游行視頻，平均耗時(shí)僅90秒[9]。

算法自動(dòng)化聚合素材通常借助于算法敘事模板完成。算法本身沒(méi)有邏輯，因此無(wú)法獨(dú)立的將識(shí)別檢索到的內(nèi)容按照正常的敘事邏輯聚合，敘事模板則起到了為算法聚合素材提供敘事邏輯鏈的作用。塔奇曼在《做新聞》中表示，任何一種突發(fā)性新聞都可以被稱作“火警新聞”（fire story），因?yàn)閳?bào)道這種新聞的技巧都是相似的[10]。這些新聞技巧里的相似性就是新聞的敘事邏輯。利用算法將轉(zhuǎn)場(chǎng)、開(kāi)頭、結(jié)尾等變動(dòng)不大的部分預(yù)設(shè)好，并將模板空缺位置以關(guān)鍵詞標(biāo)簽標(biāo)記好，算法通過(guò)將內(nèi)容識(shí)別標(biāo)簽與模板預(yù)設(shè)標(biāo)簽相匹配，即可完成自動(dòng)化的短視頻合成。當(dāng)前，國(guó)內(nèi)外多家機(jī)構(gòu)已布局短視頻的模板化生產(chǎn)，新華智云媒體大腦單獨(dú)開(kāi)辟了大“?！蓖醢鍓K征集各類優(yōu)秀模板；號(hào)稱“世界上最簡(jiǎn)單的視頻制作工具”的Biteable網(wǎng)站分幾十類推出了上百種模板；Animoto，Animaker，Moovly等專業(yè)視頻模板網(wǎng)站層出不窮。

算法合成短視頻不僅局限于對(duì)已有素材的物理剪接，還可以利用生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network）學(xué)習(xí)視頻內(nèi)容進(jìn)一步合成視頻。物理剪接的視頻通常利用可見(jiàn)轉(zhuǎn)場(chǎng)（如淡入淡出）連接素材，為了使視頻更加流暢伯克利分校研發(fā)的算法還提出了一種“隱匿轉(zhuǎn)場(chǎng)”的聚合方式，其基本邏輯是利用分層聚類算法計(jì)算幀間人物形態(tài)差距抓取“過(guò)渡幀”，在兩段視頻剪接點(diǎn)之間插入過(guò)渡幀或暫停幀，從而實(shí)現(xiàn)視覺(jué)上的連貫。隱匿轉(zhuǎn)場(chǎng)的聚合方式對(duì)視頻素材的燈光、背景等要求較高，適用性相對(duì)較低[ 1 1 ]。杜克大學(xué)的Yitong Li等學(xué)者則利用生成對(duì)抗網(wǎng)絡(luò)研發(fā)出直接基于文本合成動(dòng)態(tài)視頻的算法，但由于人體姿勢(shì)與骨骼特征的復(fù)雜性，目前還不能很好的保證在生成合理運(yùn)動(dòng)的同時(shí)保持對(duì)象形狀[ 1 2 ]。

2 短視頻合成的風(fēng)險(xiǎn)問(wèn)題

算法應(yīng)用于短視頻合成中主要存在以下三方面的風(fēng)險(xiǎn)問(wèn)題：識(shí)別準(zhǔn)確度不能保證、新聞專業(yè)性無(wú)法體現(xiàn)、技術(shù)濫用變相生產(chǎn)假新聞。

2.1 識(shí)別準(zhǔn)確度不能保證

人工智能技術(shù)的發(fā)展革新了短視頻的生產(chǎn)與傳播形式。技術(shù)并不完美，也不是所有的指標(biāo)都可以“數(shù)據(jù)化”，“數(shù)據(jù)化”過(guò)程中仍然存在許多限制，算法在信息識(shí)別過(guò)程中仍有許多不足。

算法進(jìn)行面部識(shí)別時(shí)，如果面部顯示不完整就極易出現(xiàn)識(shí)別錯(cuò)誤或無(wú)法識(shí)別的問(wèn)題。尤其是在今年疫情的大環(huán)境下，公眾普遍養(yǎng)成了佩戴口罩的習(xí)慣，美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)協(xié)會(huì)（NIST）的研究顯示，戴上足夠覆蓋口鼻的口罩會(huì)導(dǎo)致一些最廣泛使用的面部識(shí)別算法的錯(cuò)誤率高達(dá)5%至50%[13]。

其實(shí)，哪怕在沒(méi)有遮擋前提下進(jìn)行識(shí)別，算法也存在足夠的偏見(jiàn)。因?yàn)槎喾N人為因素的影響內(nèi)嵌在算法之中[14]。美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室研究項(xiàng)目顯示，人工智能識(shí)別淺色皮膚男性的平均識(shí)別錯(cuò)誤率不超過(guò)1%，淺色皮膚女性的平均識(shí)別錯(cuò)誤率約為7%，深色皮膚男性的平均識(shí)別錯(cuò)誤率約為12%，深色皮膚女性的平均識(shí)別錯(cuò)誤率則高達(dá)35%[15]。2020年6月，美國(guó)密歇根州就發(fā)生了因算法識(shí)別錯(cuò)誤而錯(cuò)誤逮捕一名黑人男子的“烏龍”[16]。

除此之外，算法對(duì)語(yǔ)義的識(shí)別同樣存在準(zhǔn)確度無(wú)法保證的問(wèn)題。當(dāng)前人工智能還處于沒(méi)有獨(dú)立意識(shí)的弱人工智能階段，新聞文本內(nèi)容是復(fù)雜的，需要依靠專業(yè)知識(shí)、社會(huì)經(jīng)驗(yàn)、話題語(yǔ)境、語(yǔ)義理解等多方面的技能才能擁有極高的辨識(shí)準(zhǔn)確度[17]。盡管自“深度學(xué)習(xí)”算法應(yīng)用于語(yǔ)義識(shí)別領(lǐng)域以來(lái)，識(shí)別錯(cuò)誤率有所下降，但目前仍沒(méi)有人類級(jí)別的語(yǔ)音識(shí)別[ 1 8 ]。

2.2 新聞專業(yè)性無(wú)法體現(xiàn)

算法主要是對(duì)復(fù)雜的短視頻合成過(guò)程的簡(jiǎn)化和提煉，是一種“以簡(jiǎn)御繁”的化約主義（reductionism）[19]，追求簡(jiǎn)單化的算法邏輯必然無(wú)法深入到短視頻合成最核心的專業(yè)層次。電視新聞報(bào)道在信息傳達(dá)的過(guò)程中分為三個(gè)層次：信息層面、個(gè)性與情感層面和思辨層面[20]。當(dāng)前階段的算法多數(shù)停留在信息層面，雖然可以通過(guò)將音樂(lè)、文字、場(chǎng)景等非結(jié)構(gòu)化視頻數(shù)據(jù)提取為結(jié)構(gòu)化數(shù)據(jù)以實(shí)現(xiàn)對(duì)情緒的理解[ 2 1 ]，但僅局限于對(duì)單一情緒的淺層理解，無(wú)法很好的駕馭情緒。而算法本身就沒(méi)有獨(dú)立邏輯，思辨層面更是無(wú)法觸及。

從央視利用人工智能發(fā)布的2019年閱兵的報(bào)道到百度Vidpress平臺(tái)在推出之初發(fā)布的兩段短視頻《公開(kāi)宣戰(zhàn)？蔣大為嘲諷朱之文不配當(dāng)藝術(shù)家，網(wǎng)友怒批：真是弟弟》與《孫紅雷〈新世界〉大結(jié)局提前泄露，鐵證已出，3點(diǎn)再無(wú)反轉(zhuǎn)》可以看出，視頻內(nèi)容僅是素材的堆砌，并無(wú)故事化可言。且Vidpress平臺(tái)由于是基于圖文鏈接自動(dòng)合成短視頻，視頻內(nèi)大量的解說(shuō)詞與素材內(nèi)容的圖文不符問(wèn)題非常明顯，且算法對(duì)素材的挑選也無(wú)法從清晰度、畫(huà)面穩(wěn)定度、人物呈現(xiàn)效果等專業(yè)角度集中考量，視頻呈現(xiàn)效果并不能滿足專業(yè)性需求。

2.3 技術(shù)濫用變相生產(chǎn)假新聞

算法是一把“雙刃劍”，在利用算法便利合成短視頻的同時(shí)我們也不得不考慮到其內(nèi)容真實(shí)性誰(shuí)來(lái)保證？歸根結(jié)底，算法邏輯實(shí)際是人的思想邏輯的延伸，算法本身無(wú)法完成獨(dú)立的思考，對(duì)其所合成的短視頻內(nèi)容是否真實(shí)、是否合乎現(xiàn)實(shí)邏輯無(wú)法保證。而在互聯(lián)網(wǎng)與社交媒體時(shí)代，算法在助力短視頻自動(dòng)合成的同時(shí)也為假新聞的生產(chǎn)推波助瀾。2018年4月約談今日頭條和快手的主要負(fù)責(zé)人，暫停更新視頻，原因是它們包含低俗和不真實(shí)的內(nèi)容。

2017年，德國(guó)藝術(shù)家馬里奧·克林格曼（Mario Klingeman）發(fā)布了一段名為“另類面孔v1.1”（Alternative Face v1.1）的視頻作品，他利用數(shù)字技術(shù)創(chuàng)建了法國(guó)音樂(lè)家弗朗索瓦絲·哈迪（Fran·oise Hardy）正在說(shuō)話的影像，當(dāng)年73歲的哈迪在影片中只有20歲，而從年輕時(shí)的她口中“說(shuō)出”的確是當(dāng)時(shí)NBC采訪特朗普的顧問(wèn)凱莉安娜·康威（Kellyanne Conway）時(shí)的錄音[ 2 2 ]。而生成此段“假視頻”的技術(shù)就是短視頻自動(dòng)合成的技術(shù)——“生成對(duì)抗性網(wǎng)絡(luò)”（Generative Adversarial Network）的機(jī)器學(xué)習(xí)算法，克林格曼僅花了幾天就用算法“記錄”了一件從未發(fā)生過(guò)的事情。

此類“造假”視頻的危害有多大？從“ZAO”換臉App“一夜走紅，三天下架”事件便可見(jiàn)一斑。算法換臉發(fā)展至今，只需一幅圖片的信息即可完成整個(gè)視頻的人臉替換，且效果幾乎可以以假亂真。換臉?biāo)惴ú粌H會(huì)造成假新聞的泛濫，同時(shí)對(duì)公民的個(gè)人隱私與財(cái)產(chǎn)安全也會(huì)造成威脅。

其實(shí)假新聞的生產(chǎn)并不需要如此復(fù)雜，將不同情境下的視頻混剪在一起就可能產(chǎn)生歧義?；趦?nèi)容標(biāo)簽的算法模型利用關(guān)鍵詞等標(biāo)簽匹配搜集素材完成拼接，而缺乏對(duì)語(yǔ)境的考量，在合成短視頻的過(guò)程中生成假新聞也不鮮見(jiàn)。2017年，《洛杉磯時(shí)報(bào)》自動(dòng)化新聞系統(tǒng)Quakebot因捕捉到美國(guó)地質(zhì)調(diào)查局更新系統(tǒng)是錯(cuò)誤發(fā)布的數(shù)據(jù)，錯(cuò)誤的報(bào)道了加州維拉島（Isla Vista，Calif）發(fā)生里氏6.8級(jí)地震，引起社會(huì)動(dòng)蕩[23]。

3 結(jié)語(yǔ)

如今，我們正處于快速發(fā)展的智能媒體時(shí)代，基于算法的各項(xiàng)人工智能技術(shù)正越來(lái)越廣泛的應(yīng)用于新聞采集、生產(chǎn)、分發(fā)的各個(gè)階段，如何向用戶提供相應(yīng)的提示信息應(yīng)當(dāng)成為算法倫理的一部分，由于創(chuàng)作者坦誠(chéng)算法設(shè)計(jì)與應(yīng)用中的局限，不僅可以規(guī)避一些風(fēng)險(xiǎn)，還有助于建立與用戶的信任關(guān)系，在具體的實(shí)施方式上，可以通過(guò)超鏈接的方式兼顧用戶體驗(yàn)與透明性的實(shí)現(xiàn)[24]，這既是一種對(duì)用戶負(fù)責(zé)的方式，也是坦誠(chéng)技術(shù)局限，規(guī)避和減輕相關(guān)風(fēng)險(xiǎn)的有效措施。

參考文獻(xiàn)

[1]譚樂(lè)娟.人工智能技術(shù)在視頻編輯中的應(yīng)用實(shí)踐[J].中國(guó)傳媒科技，2020（8）：125，127.

[2]中國(guó)網(wǎng)絡(luò)視聽(tīng)節(jié)目服務(wù)協(xié)會(huì).2020中國(guó)網(wǎng)絡(luò)視聽(tīng)發(fā)展研究報(bào)告.[EB/OL].（2020-10-14）[2021-03-05].https：// www.doc88.com/p-38973161865085.html.

[3]Newman N.Journalism，media，and technology trends and predictions[EB/OL].[2021-03-04].https：// www.digitalnewsreport.org/publications/2019/ journalism-media-technology-trends-predictions-2019/#footnote-21019-50.

[4]趙辰瑋，劉韜，都海虹.算法視域下抖音短視頻平臺(tái)視頻推薦模式研究[J].出版廣角，2019（18）：76.

[5]呂國(guó)英.算法設(shè)計(jì)與分析[M].北京：清華大學(xué)出版社，2009：7.

[6]段淳林，宋成.用戶需求、算法推薦與場(chǎng)景匹配：智能廣告的理論邏輯與實(shí)踐思考[J].現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2020（8）：123.

[7]秦艷.AI新聞視頻剪輯的原理與應(yīng)用價(jià)值[J].新傳播，2021（1）：43.

[8]百度AI.百度研究院又出黑科技，AI全自動(dòng)合成短視頻，片子也能“躺著剪”[EB/OL].（2020-04-20）[2021-03-25].https：//mp.weixin.qq.com/s/ Lcamk9mxElEd3z2l1ryLrw.

[9]索貝時(shí)代.里程碑！首次AI剪輯大閱兵在央視新聞！[EB/OL].（2019-10-01）[2021-04-03].https：/-/ mp.weixin.qq.com/s/u41je6YIbXiACyQpVvo40w.

[10]蓋伊·塔奇曼.做新聞[M].麻爭(zhēng)旗，劉笑盈，徐揚(yáng)，譯.北京：華夏出版社，2008：109.

[11]FloraineBerthouzoz ，WilmotLi，ManeeshAgrawala. Tools for Placing Cuts and Transitions in Interview Video[EB/OL].（2012-08）[2021-03-16]. http：//kneecap.cs.berkeley.edu/papers/vidtrans/ vidtrans.pdf.

[12]YitongLi，MartinRenqiangMin，DinghanShen，DavidCarlson，LawrenceCarin.Video Generation from Text[EB/OL].（2017-10-01）[2021-03-29]. https：//arxiv.org/abs/1710.00421.

[13]李亞山.全民戴口罩，人臉識(shí)別算法抓了瞎：89種常見(jiàn)算法都出錯(cuò)，最高錯(cuò)誤率達(dá)50%[EB/OL].（2020-08-01）[2021-04-20].https：//mp.weixin.qq.com/s/ F16NOJyGajN6yvh2iUm2ig.

[14]張超.釋放數(shù)據(jù)的力量：數(shù)據(jù)新聞生產(chǎn)與倫理研究[M].北京：中國(guó)人民大學(xué)出版社，2020：215.

[15]謝開(kāi)飛，許曉鳳，王憶希.識(shí)別深色皮膚女性的平均錯(cuò)誤率達(dá)35%，誰(shuí)才是讓AI產(chǎn)生偏見(jiàn)的幕后推手？[EB/ OL].（2020-07-15）[2021-05-01].https：//view. inews.qq.com/a/20200715A04EWO00·startextras=0_ fffdcc99ff081&from=xw_dcyzkqw.

[16]Kashmir Hill.Wrongfully Accused by an Algorithm[EB/OL].（2020-06-24）[2021-05-03]. https：//www.nytimes.com/2020/06/24/technology/ facial-recognition-arrest.html.

[17]張超.社交平臺(tái)假新聞的算法治理：邏輯、局限與協(xié)同治理模式[J].新聞界，2019（11）：24.

[18]AwniHannun：Speech Recognition Is Not Solved[EB/ OL].（2017-10-11）[2021-05-11].https：//awni. github.io/speech-recognition/.

[19]鄧建國(guó).機(jī)器人新聞：原理、風(fēng)險(xiǎn)和影響[J].新聞?dòng)浾撸?016（9）：12.

[20]曾祥敏.電視采訪：融合報(bào)道中的人、故事與視角[M].北京：中國(guó)傳媒大學(xué)出版社，2018：29-30.

[21]IBM中國(guó).揭秘：業(yè)界首支AI剪輯的“電視節(jié)目宣傳片”，它是怎么做到的？[EB/OL].（2017-10-20）[2021-04-03].https：//mp.weixin.qq.com/s/ Im3UwyxQDYW97bSurmxMxQ.

[22]經(jīng)濟(jì)學(xué)人集團(tuán).假新聞新戰(zhàn)場(chǎng)：算法生成視頻[EB/OL].（2017-07-26）[2021-05-20].https：//mp.weixin. qq.com/s/8pTbYItIPjpO1rck2EOLMQ.

[23]Meredith Broussard，Seth Lewis.Will AI Save Journalism—or Kill It·[EB/OL].（2019-04-09）[2021-05-25].https：//knowledge.wharton.upenn. edu/article/ai-in-journalism/.

[24]張超.“后臺(tái)”前置：新聞透明性的興起、爭(zhēng)議及其“適度”標(biāo)準(zhǔn)[J].國(guó)際新聞界，2020（8）：88-109.