快手研究所

1990年，美國未來學家托夫勒提出“數(shù)字鴻溝”一詞。他指出，擁有與未擁有信息時代工具的人之間存在鴻溝。中國積極推行的“寬帶中國”、“互聯(lián)網(wǎng)+”戰(zhàn)略、數(shù)字中國，乃至接下來的5G戰(zhàn)略，都是消除數(shù)字鴻溝的重要戰(zhàn)略舉措。“注意力”是數(shù)字鴻溝的重要組成。在互聯(lián)網(wǎng)上，注意力是非常寶貴的資源，其分配狀況直接影響人們的獲得感和幸福感。

如果可以把注意力的鴻溝填平，讓更多的普通人被關(guān)注，增加人與人之間的連接，發(fā)揮更多人的想象力和創(chuàng)造力，則社會會更繁榮，人們生活的幸福感也會更強。

中國的長期投入催生視頻時代

過去幾年，因為中國在互聯(lián)網(wǎng)領(lǐng)域的長期投入，視頻領(lǐng)域的基礎(chǔ)條件快速成熟，促進了視頻時代的到來。很多條件在中國是得天獨厚的。

今天，我們可以在快手上看到很多有意思的視頻，它們鮮活地呈現(xiàn)了普通人的生活。

鴨綠江上的放排人，把高山上的木材順著水流運出來，這種古老的水運方式以前鮮有人知，如今卻被數(shù)百萬人關(guān)注。

城市建筑工地的潛水員，很小眾的職業(yè)，但一二線城市的每一座高樓大廈都需要他們。建高樓打地基時，需要用電鉆挖幾十米的深坑，電鉆頭掉了需要他們潛到幾十米深的渾濁泥水中，把電鉆恢復原位。

時光倒退五六年，大眾是沒有機會看到這些內(nèi)容，并一鍵下單購買這些商品的。短短幾年內(nèi)，至少有四個條件具備了。

一是智能手機的普及，現(xiàn)在買一部有內(nèi)置攝像頭、功能非常完備的智能手機只要1000元左右，甚至幾百元也能買到。

二是4G網(wǎng)絡(luò)的普及，普通人都可以負擔得起移動網(wǎng)絡(luò)的費用。即使在很偏遠的地區(qū)，國家都投入了大量的資金用于電信基礎(chǔ)設(shè)施建設(shè)。

三是支付的便利。有了智能手機，買東西付錢，隨時隨地就可以實現(xiàn)。

四是物流網(wǎng)絡(luò)的發(fā)達。

這四個條件同時具備，并且全民可以享受，為視頻時代的到來奠定了基礎(chǔ)。視頻作為新時代的文本，相比于文字，它有自己的特點。一是視頻比文字在表達上更真切，內(nèi)容更豐富。二是視頻的拍攝和觀看門檻更低，適合全民參與。人類對視頻信息的接受是最天然的。

正如文字改變了社會的方方面面，視頻也會改變社會的一切。這種改變不是簡簡單單的一個補充，也不是簡簡單單的一個增量，而是徹底的改變。

未來，如果我們的個人設(shè)備從手機進化到眼鏡，進化到VR、AR（增強現(xiàn)實）以后，影像化的產(chǎn)品會更大地改變這個世界。所有的應用，都要重新再設(shè)計一遍。

人工智能技術(shù)深入快手骨髓

攝像頭內(nèi)置進手機，人人都可以方便地拍視頻，視頻數(shù)量暴增。因而，視頻與人之間的精準匹配成了核心問題。

匹配機制最核心的有三件事：一是理解內(nèi)容；二是理解人；三是將內(nèi)容和人連接起來，讓它們匹配。門檻在于數(shù)據(jù)，要有人和內(nèi)容之間交互的數(shù)據(jù)去做模型。

首先是理解內(nèi)容。如果是文本化的內(nèi)容，理解文本的技術(shù)在10年前就已經(jīng)非常成熟了，可以分詞，做詞性標注、提取標題、關(guān)鍵詞、實體，以及重要性、情感等各種各樣的文本分析。

最近10年，學術(shù)界又發(fā)展出一整套用于分析圖像、分析文本、分析語音內(nèi)容的工具。給出一張圖像，可以分析出場景。這是在學校還是酒吧？里面有沒有人或動物？他們高嗎？不管這是對文本還是影像，都可以讓計算機建立對內(nèi)容的理解。

第二是理解人。首先需要理解一個人長期的靜態(tài)屬性，這叫用戶畫像，包括年齡、性別、身高、出生地等。其次是理解這個人的興趣偏好，比如喜歡什么口味，愛打球還是愛跑步，最近是想旅行還是宅在家里。最后是理解人的意圖。一個人使用你的APP，他當時腦子里在想什么？是在想要用蘋果手機還是三星手機？是在想自己餓不餓嗎？

如果能夠很豐富地在這三個層面建立起對一個用戶的理解，就能在人和內(nèi)容之間建立很好的匹配關(guān)系。

把AR技術(shù)應用在用戶拍攝視頻的環(huán)節(jié)，給現(xiàn)實生活的畫面加入一些虛擬的元素，這屬于增強現(xiàn)實，使虛擬世界和現(xiàn)實世界更好地互動，使人們在記錄自己生活的時候有更多的新奇體驗?？焓种吧暇€的一款魔法表情叫“快手時光機”，用戶可以在幾十秒內(nèi)看到自己變老的過程。一個人拍自己的視頻久了會感到乏味，我們希望用戶能夠看到自己變老以后的樣子，從而更加感受到時間的可貴。

在音頻方面，我們也做了非常多的工作。比如之前專業(yè)人士在創(chuàng)作視頻時，編輯字幕是非常痛苦的事情?，F(xiàn)在我們通過語音識別技術(shù)，可以幫視頻制作者自動添加、編輯字幕，還可以以各種各樣的形式展示字幕，借助AI技術(shù)極大地降低了生成字幕的成本。

音樂在短視頻場景里起了非常重要的作用。據(jù)統(tǒng)計，快手的視頻中，有60%～80%的視頻用背景音樂烘托氣氛。如何選擇恰當?shù)囊魳繁磉_心情，其實不容易。讓用戶盡量貼合音樂的節(jié)奏創(chuàng)作動作，對于用戶的要求也是非常高的，而具備很強樂感的人其實非常少。

為了降低用戶創(chuàng)作視頻時選擇音樂的門檻，我們開發(fā)了智能配樂及AI生成音樂技術(shù)。智能配樂可以根據(jù)視頻畫面及用戶畫像為用戶推薦合適的且被用戶喜歡的背景音樂，供用戶選擇。AI生成音樂技術(shù)通過AI的分析算法，可以感知視頻畫面中人的動作，然后讓生成的音樂節(jié)奏匹配人的動作，這樣極大地降低了用戶創(chuàng)作視頻時選擇音樂的門檻，讓大家更愿意創(chuàng)作自己的視頻。

算法之上的普惠價值觀

快手服務于普通人的記錄與分享，平等普惠是快手的核心價值觀。我們認為每個人都值得被記錄，無論是明星還是大V，不管在城市還是鄉(xiāng)村，每個人都擁有平等分享和被關(guān)注的權(quán)利，快手不會特殊對待，不捧明星紅人，不進行流量傾斜。

我們保護每一個普通的視頻生產(chǎn)者，帶來了拍攝內(nèi)容的多樣性，因為拍的人多了，內(nèi)容自然就越來越豐富了。

我們在觀看需求的多樣性和拍攝內(nèi)容的多樣性之間做匹配。由于拍攝者拍了很多新鮮的內(nèi)容被別人看到了，由于觀看者看到了很多他平時看不到的內(nèi)容，所以最終回到了公平普惠最基本的點上。

如今快手上的視頻總數(shù)超過100億，幾乎都是不重復的生活記錄，這在歷史上是前所未有的。如何讓這100億個視頻與觀看視頻的用戶進行匹配是一個巨大的挑戰(zhàn)。

過去，業(yè)內(nèi)常見的做法是運營好長尾曲線中頭部的“爆款”視頻即可，但快手希望尾部視頻同樣能被感興趣的人看到，真正能夠讓每一個人都得到一些關(guān)注。

被看見的世界精彩紛呈

快手讓每一個生活都可以自我表達，被看見，被欣賞。每一個存在都是獨特的，生活再無高低之分。這是更加真實的世界的鏡像，是一花一世界的境界。在這個基礎(chǔ)上，因為可以相互看見，所以一些社群形成了。

中國有3000萬名開大卡車的司機，他們?yōu)樯嬮L年在外奔波，還可能會遇到車匪路霸，與家人聚少離多，他們有自己的快樂與痛苦，很少被關(guān)注，也很難與外人溝通。全世界的海洋上漂著無數(shù)的常年不能回家的海員。

而在快手，當一位大卡車司機在駕駛室里不經(jīng)意間拍下自己工作和生活的場景，被另一位大卡車司機看到時，他們看到了自己的快樂、痛苦和壓力，彼此找到了共鳴，也更加自信了。這是一個社群的形成過程和它的力量。

也許，對外人而言，很多視頻毫無價值，但對拍攝者自己而言，它卻是生活中不可剝離的一部分。這種社會功能，部分可以經(jīng)由藝術(shù)家的創(chuàng)作來實現(xiàn)，但藝術(shù)家的創(chuàng)作能力畢竟有限，社群讓很多人獲得新的知識，得到認同，相互支持，提升了幸福感。

當我們把不同的變量輸入“被看見”這個公式時，還可以得到不同的答案。

（摘自中信出版集團《被看見的力量》）