短視頻之路，有AI才有方向

4月3日，在清華大學-快手未來媒體數據研究院的發布會上，快手宣布了其與清華的最新合作戰略，並對其產品功能進行了介紹。

那麼，這些功能主要有哪些？又將對用戶產生什麼樣的使用體驗？在這裡我們從兩個方面去分析：傳輸技術和用戶理解。

一個都不能少：

機型和網路不能成為限制

當下短視頻受眾分布廣泛，為了保證視頻的正常上傳，必須要解決用戶機型不一和網路各異的限制。

基於此，快手自研了一個能夠具備處理視頻、音頻、2D、3D動畫能力的多媒體處理框架，根據機型動態地選擇解析度、碼率和幀率，最大可能發揮用戶具體設備的能力，以保證其拍出清晰流暢的視頻。同時，快手研發的VCN深度學習引擎可以自適應手機的硬體架構，其使用CPU、GPU、NPU、DSP等多種運行模式，運行速度比已知的引擎提升了50%，達到了業界的頂尖水平。這就保證了用戶在拍攝視頻的時候能夠實時地使用各種新奇的特效。

在應對不同的網路速度方面，快手能夠智能地根據用戶實時的網路情況動態調整網路內核的參數、數據分辨的大小和同時並發的網路鏈路等。因此，即便是在弱網條件下，也能夠最大限度地提升用戶視頻上傳下載的成功率。目前，快手已經實現了在網路丟包80%的情況下，用戶依然可以成功地上傳下載視頻。

這樣對優化用戶的使用體驗是顯而易見的。在地鐵、地下停車場等場景下，用戶依然可以實現短視頻消費，更便利地記錄自己的生活，平台也可以實現對更廣泛場景的覆蓋。

AI助力：從對兩方的理解開始

要實現用戶跟視頻、用戶跟用戶之間產生連接，就需要利用AI技術對視頻和用戶進行理解，然後通過先進的演算法模型進行精準分發。通過深度學習，從人臉、圖像、音樂和語言四個維度對視頻進行分析和理解，可以對其做出基本的分類。

然而這些基礎信息並不是視頻的全部內容。通過跟清華的合作，快手在未來將能夠實現在底層語義理解的基礎上，結合知識圖譜，實現對視頻高層語義的理解和情感識別。通過一個龐大的數據標註系統，視頻的分類將更加精準。

對視頻的理解完畢之後，還需要做出對用戶的理解。快手通過搜集用戶的年齡、性別、地域以及歷史行為如點擊、點贊的視頻等信息，可以實現對用戶感興趣的視頻內容進行推理。最後，通過一系列的智能演算法為用戶打上標籤，如體育愛好者或教育者，由此可進一步打造用戶之間的網路關係結構。

值得一提的是，快手的推薦演算法已經從傳統邏輯的維度模型全部切換到全系統的深度學習模型。邏輯型推薦存在著分類簡單、個性化程度弱的問題，深度學習則可以實現對用戶和視頻的更豐富分類，通過對用戶點擊內容的實時反饋，產出推薦的內容也將更加精準。

技術之外，價值觀導嚮應為內核

技術向來都是一把雙刃劍。快手針對用戶的視頻上傳和心理趨向而做的技術性探索是值得肯定的。但在這個過程中，很容易產生一定的問題。

利用AI的數據分析和計算，快手可以迅速地為視頻進行分類，同時為用戶打上相應的興趣標籤。但僅僅分類是不夠的，在分類之前還必須要加強對視頻內容的分級處理，對不良視頻內容則直接移除。這就需要利用AI的語音識別和圖像識別技術。

當然，機器學習是一個不斷否定和肯定的過程，可以預見在這其中將會出現錯誤。就如最初微博的九宮格圖片，其智能屏蔽系統因只能識別圖片局部而無法對其進行整體讀取，從而造成了錯誤判斷。但在數據積累足夠多、學習程度足夠深的情況下，利用AI實現對視頻內容的分級應該只是個時間問題。

為用戶提供優質且健康的服務體驗，把技術、理解和價值觀導向結合，用AI將其串聯在一起，或許將是短視頻平台生長的必由之路。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！