作為一名技術極客，加入一家娛樂公司，對愛奇藝 CTO 劉文峰來說，是個不小的挑戰。剛加入時，劉文峰還頗為忐忑，看劇本、跑片場，這些工作都是他沒經歷過的。而愛奇藝的成員也是包容了這兩種人才，兩類人思維方式不同，但通過包容、尊重找到相處之道。
在愛奇藝自製綜藝節目的拍攝現場，由於節目類型注重演員的臨場自我發揮，為了避免遺漏一名演員可能有 10 台攝影機對準他，播出 1 小時的綜藝節目，現場拍攝可能最多有 50 台攝影機，每台攝影機大概進行 20 小時的錄製，最終產生超過 1000 個小時的原片。如何剪輯海量的錄像？用哪台、用哪段？後期工作讓導演組和製作團隊都格外頭疼。
技術人員針對現場提出了改良建議，通過 AI 語音識別和人臉識別等技術，將時間戳精準對齊，將不清晰的畫面篩掉，尋找錄像中某句台詞或某個畫面也都變得簡單快捷，之後再交給人類做後期剪輯，不僅提高了工作效率，還大大縮短了節目上線的時間。愛奇藝的 ZoomAI 超分辨技術用於老舊影片修複和動畫增強，讓老電影有了高分辨率而煥發新生，HomeAI 讓消費者可以通過語音直接控制播放影視，甚至提問「這個演員是誰？」、「我只想看 XXX」、「跳轉到 XXX 跳舞的片段去」並得到回應。這些能提升工作效率和用戶體驗的科技創造，都是藝術家們的創意做不到的，卻讓藝術家們的創意變得更加精彩。
在愛奇藝的工作經歷，讓劉文峰感慨學到了很多技術之外的知識，但他身上的技術底色依舊未變。從誕生之初，工具的進步就一直在推動文化藝術的進步，在互聯網時代，大數據、AI 等科技並未遠離科技與人文的十字路口，而是配合和賦能創意，讓創意更加有趣。
以下是 愛奇藝 CTO 劉文峰 在 2019 極客公園創新大會上的演講內容（經極客公園編輯整理）：
大家上午好！經過前面兩個論壇，可以讓張鵬休息一會兒，下面我來給大家做一些分享。
今天我分享的題目是「科技×創意，新娛樂時代的成長法則」，實際上這個題目想了很久，為什麽是這樣一個題目呢？最開始說的主題是「人和組織的成長」，我想這個主題挺契合我的。我作為一個技術男，有時候也可以成為一個極客，加入一個娛樂公司，實際上最開始想加入互聯網公司挺好的，可是進來之後發現真的是一家娛樂公司，對於我來說挑戰很大。
在這麽多年的時間中，變化也蠻大，所以我覺得這個主題很不錯。後來也看到今天最後一個演講嘉賓是皮克斯的創始人和 CEO Ed Catmull，這個特別好。因為愛奇藝本身的基因和矽谷、好萊塢的文化相結合，正好科技和創意可以把人與組織的關係關聯起來，所以非常高興能夠參加今天這個分享。
我們認識上的人工智能和科技創意之間的關係，實際是看工具的發展到底是什麽樣的。大家都很清楚這樣一個過程，從 3000 年前古埃及人類利用滑杆等一類機械的東西，做出那麽巨集偉的金字塔，中間經過了非常長的時間，機械可能有一些發展。但是工具發展的相對比較慢，一直到 18 世紀中葉時，才開始利用蒸汽，發現了新的動力，有了第一次工業革命的發生。
19 世紀中葉時又發現了電，並且電被充分利用到新的生產上來，你可以發現機械和電都帶來了工具上的變更和生產力的大量提升。
20 世紀中葉的時候就更多了，核能、生物技術、電子電腦、資訊產業發展了起來。你可以看到每個工業革命的時間周期越來越短，現在變得更短了。比如說人工智能，1956 年在達特茅斯大學會議上，人工智能的概念才被提出來，提出來之後到現在已經經歷了第三波人工智能浪潮。
資訊產業發展不那麽快的原因是因為一直不容易找到方向，很難講現在處於第三波浪潮的波峰還是開始下降的趨勢。我們很難預測未來幾年人工智能會怎麽樣，但是至少從我們的角度來看，人工智能作為一個工具、更先進的方法，它還可以持續比較長的時間。
所以，我們順勢而為，將 AI 與科技做了非常深度的結合，能夠充分利用在娛樂的場景下。
大家可以看到右邊的技術、應用場景，這個非常重要的價值在於 AI 在第三次浪潮時（深度學習、強化學習技術），我們其實不那麽容易找到非常準確的應用，可是同時發展的雲計算和互聯網帶來的是非常大量的數據，所以要找的是人工智能利用深度學習技術，如何利用大數據產生應用。而娛樂、互聯網的話，這樣的商業模式就更容易在這中間尋找到機會。
我們尋找的機會是如何在整個公司運轉流程中，從最初開始的內容創作-內容生產-內容分類和標注-理解內容-內容分發到用戶-對用戶提供播放體驗-廣告主變現的能力，最後再到客服，在這個完整的生態上都加入了人工智能各種各樣的能力。這些能力使得我們能夠提升效率，利用機器的能力和數據挖掘出來的價值，產生更低成本、更大規模效應的東西。
每個應用的細節我在後面會舉一些例子來講，但是重點還是人和組織怎麽創新和發展，以及如何能營造新的創新機制。
我們認為愛奇藝能做到前面那些點，很重要的原因是我們的基因。我加入的時候還是比較忐忑的，在一家娛樂公司中，我平時可能天天和技術打交道，是否能融入進來。加入之後，我看一下劇本，要去片場看拍攝現場大家是怎麽工作的，發現有非常非常多的傳統東西。
比如我們公司技術人員可能更擅長於代碼溝通，至少我用郵件溝通、共享工具是可以的。可是片場非常原始，甚至還有用紙記錄每天要做哪幾件事情的，非常原始。
我們的人員就是由這兩部分人組成的，一半是科技人員，工程師、算法、IT、運維等，另外一半就是文科生，內容創意、製片人、導演、演員。他們的管理方式工作方式，甚至工作時間都不一樣，有正常上班的，也有從來都是過美國時間的。
所以，我們讓科技人才和創意人才盡可能的一起工作，碰撞出火花。在成長這方面，愛奇藝做到了讓技術人員、工程師、算法人員理解娛樂的本質，理解內容是什麽，理解用戶的娛樂需求在哪裡，才能做出更好的產品，用戶喜歡的內容，這樣才能幫助內容的行銷、推廣、宣發等。
我們讓內容人員也要去理解技術，使得他們不需要靠砸人做內容、運營。因為傳統的娛樂行業、媒體基本上有一點類似於勞動力產業，非常非常多的人都做著非常細的機械性工作。其實技術人員一進去之後，我們發現這裡可以優化，那邊可以自動化，這個地方還可以做的更好等等。
所以，我們通過互相包容、互相尊重、更多的交流機會，技術人員直接在節目攝製組的現場找到非常多合作機會和創新。
比如說工程師、科學家去開會時會講到聽起來非常普遍的詞語，比如並發、吞吐量、IT、運維、做網站；而內容製作的人說的詞不一樣，我們聽起來非常虛，他們聽起來非常正常，比如大計劃、版權、熱度、娛樂等。
所以，很多時候我們會發現產品經理經常給技術提一些不靠譜的想法，這還是產品經理提的。如果你真的要和內容製作人合作，你會發現他提的想法更加天馬行空，互相之間不能理解。
比如說我們在生產的時候，這個生產指的是我們將內容從最原始製作出來的片源、素材等轉化成互聯網上可以發布、傳播、讓用戶觀看的內容。很重要的一點，就是我們要保證影片編碼非常清楚，而且用戶能夠接受。
同時，我們也通過算法能夠去識別這個介質是不是不正常，比如有沒有異常的黑場，有沒有一些花條，有沒有不正常的黑邊等等，這些他們很厲害，能夠寫出算法。可是，真的把這個編碼編完之後，放到電視上去比較效果，評判顏色、風格是不是符合我們創作人員的意圖，我問過好幾個博士生，兩個內容放在一塊兒，相差看不出區別。結果內容的人過來一看說，不對，你那個地方有很明顯的問題。
所以，我們加入了主觀檢測的流程，不在技術團隊的內容、藝術創作、色彩更敏感的文科生對這個技術評估，讓我們的博士生、科學家們更多理解創作的內容。這個清晰不只是邊界清晰，更重要是如何能夠正確表達創作者的意圖，這是一個非常簡單、非常基礎的技術和創意之間合作的例子。
第二個合作例子，我剛才講的技術人員直接到節目拍攝現場，《國風美少年》、《中國音樂公告牌》、《中國新說唱》等等，這些節目是愛奇藝的自製綜藝節目，完全由我們自己的團隊和員工，在攝影棚裡面拍出來的。新的類型綜藝和傳統電視台綜藝有很多不一樣的地方，更注重演員的現場發揮。既然要注重演員的現場發揮，我們沒有辦法給這個綜藝寫劇本，最多提供賽製、規則。演員在舞台上的表演很有可能會發生在任何時刻、任何地方，所以現場的場記很痛苦。因為場記很有可能有一些點沒有捕捉到，事後再找這個片子的時候變得很困難，這是第一。
第二，我們在現場布置最多達 50 台攝影機，50 個鏡頭對準一個舞台。這帶來一個結果，大家知道在節目錄製現場，攝影機都非常高清，每一秒鐘存儲容量很大。一個節目錄製下來，本來 1 小時的節目，可能錄製超過 1000 個小時的原片，才能剪出來。這 1000 個小時，最多的時候 50 台攝影機，每個攝影機拍 20 個小時內容。這些內容拿出來之後，我們用最先進的工作站進行處理都非常痛苦。你要找到合適的時間點，並且同一個表演，演員說的同一句話，當時有 10 個攝影機同時對準他，用哪個更好。
所以導演組和製作團隊非常痛苦，他們實際上招了很多外包、團隊，如何把後期能夠做好，怎麽趕工，晚上 6 點上線，幾乎到最後一刻，5 點的時候才把節目給出來。
技術人員到現場，說這個好像可以有別的方法解決，最簡單的解決方法是，至少我們不需要那麽清楚捕捉的點。場記去找這個台詞的時候，完全可以將語音轉成文字之後，你直接用搜索，搜到文字可以找到至少哪一個片段，這是第一。
第二，我可以用人臉識別技術，將每一個人在什麽時候說話的鏡頭精確匹配到。同時還能經過 AI 初篩選一遍，所有不合適的側臉、所有不清晰的模糊畫面，這些都不用看了。
所以，在我們人工專業剪輯之前，加入了 AI 識別和 AI 系統合成等工作，還包括多個攝影機同時拍一個場景的時候，如何將時間線能夠精準對齊，之前我們用專業軟體做的，現在直接用 AI 做。
所以，技術人員到場之後，內容創作人員、後期人員發現找到救星了。因為來了之後，立刻將系統原形做出來之後，效果非常好，所以現在這幾個節目，直接使用了 AI 能力拍片。
我們互相之間都找到自己的契合點，因為我們做人臉識別技術時，好多時候找不到應用，現在正好找到應用了。內容創作人員發現，我們用這個提高效率之後，效果會非常好。
這是我們的一個播放上的創新，剛才講的如何將播放體驗變好，如何能夠將我們內容更清晰展示給用戶。
舉個例子，我們有很多低質的影片，來源很有可能是非常古老的。大家知道在 70、80 年代的時候都是膠片存儲，膠片品質那時候是最好的了。到 80 年代末的時候，錄影帶、VCR 出現，到後來 VCD、DVD 等等。現在你看任何一部 90 年代和 90 年代之前的老片，會覺得不清楚。不清楚的主要原因不是當時拍的不夠清楚，當然可能也有這部分原因，更重要的是現在設備變好了。現在用的 1080P 內容，看 VCD 都是 540P，所以在這裡會自動拉伸。拉伸之後，每個像素點會變得很大，品質很差。
所以我們這裡面做的技術，ZoomAI，利用人工智能的算法，去學習我們現在更清晰的內容。我們在 1080P 分辨率下展示的清晰內容的特徵是什麽。當你學習到更多清晰照片、清晰影片的特徵之後，就能將這個模型應用於不清晰的、更老的內容，把它變得更清楚。
這聽起來很魔幻，內容製作人員直接說，這好像是神話吧。因為本身不清楚，如何能變得更清楚，難道還能造出一些點，把當時的拍攝現場信號還原嗎？這不太可能。但是，確實做到了。我們一方面對一些老的電視劇進行重新生產，做出新的版本。比如說像現在 540P 的《倚天屠龍記》可能只有 VCD、DVD 的版本，我們做成 1080P 的，大家可以看一下效果。我們也對一些老電視劇，像《渴望》等等都重新上線了 1080P 的新版本，效果非常好。
同時，我們也利用 AI 技術做了一些更有意思的事情，比如說體育直播。我們拿到了信號源經常都是 25 幀的，25 幀在進球的時候會不夠用的，仔細的人會看見畫面是一頓一頓的。所以，我們直接將它用 AI 加入更平滑的切換，使之能夠實現到 50 幀，50 幀的效果看著之後就非常的驚歎了，直接非常順暢的過去。當然，也是因為人的眼睛越來越刁造成的。
我們可以看一下效果，540P 和 1080P 的對比，看眼睛、頭髮上一些很細節的地方。我們利用它批量處理，會比使用第三方通過人工對每一幀進行修複的成本會低很多。還有一個利用 AI 技術改變的是播放互動場景，我們稱之為 HomeAI，這個可能包括剛才傅盛也講到了智能音箱等等。實際上，愛奇藝更多在想如何能夠利用現在出來的 ASR、語義理解這些技術利用於娛樂場景，所以 HomeAI 實際上是在娛樂場景下，解決更多的獲取資訊，讓人和內容之間進行互動的一些能力。
舉個例子，這樣的一幀畫面，看過的人都知道這是《延禧攻略》的一個畫面，這個畫面拿出來做例子，是通過內容的理解。我們可以識別出這個動作是打傘，識別出兩個演員分別是誰，演的角色是什麽，也能識別出當前的場景是在下雨，如果這個字幕是內嵌字幕的話也可以通過 OCR 識別出來。
識別出來這些精彩的片段有兩個作用，第一個作用是可以直接剪成短影片，第二個作用是讓用戶知道、問問題可以回答，包括像人物的片段、情節的提取都能做到，後面有段影片，實際上是我們新做的，在座的北京觀眾如果有歌華有線，你可以裝一個產品叫歌華小果。這個實際上是一個很創新的應用，我們將直播的內容，比如 CCTV1、芒果台、浙江衛視等等這些直播內容和奇異果 TV 的點播內容完全融合在一起。
你不需要在看有線電視或者 OTT（互聯網影片）的時候切換不同的 HDMI，你可以直接在一個設備下點播和直播互相切換。更重要的是，能夠利用 AI 的能力通過語音直接控制，跟搖控器說一聲「我要看芒果台」，電視直接切到芒果台；跟搖控器說一聲「我要看《延禧攻略》」，直接就播放《延禧攻略》，非常的流暢。
更有意思的是，我們可以在任何一個畫面下，直接問這個演員是誰，這個演員還演過什麽劇，給我推薦一部他演的最好的內容，所以這個 HomeAI 的介紹大家可以了解一下。
（播放影片）
包括我們的兒童產品奇巴布，小孩特別喜歡用語音互動，現在家裡五六歲的小孩可以在不認識字的情況下，非常流暢的利用語音使用各類 APP，包括奇巴布的 APP。
愛奇藝建立了全網最全的明星人臉庫，這個人臉識別和手機上人臉識別不一樣的地方在於：手機的人臉識別是為了識別這個人是不是你，而我們的人臉識別是為了識別每一幀畫面裡面，這個人是誰，所以它的複雜度、匹配度更高。
我的演講就到這裡，我想表達的是科技讓創意更加有趣，所以科技和創意的結合能夠讓創新成為可能，謝謝大家！
香港九龍灣馬來街興發大廈15樓D室