許津子

摘 要：人工智能的快速發(fā)展將改變各行業(yè)的發(fā)展格局，將其應(yīng)用于廣播電視監(jiān)測監(jiān)管平臺的開發(fā)和建設(shè)，能夠有效地推動廣播電視行業(yè)的發(fā)展。文章結(jié)合目前人工智能在廣播電視行業(yè)的應(yīng)用情況，討論了監(jiān)測監(jiān)管系統(tǒng)中人工智能的應(yīng)用前景，分析了應(yīng)用人工智能需要注意的關(guān)鍵技術(shù)問題。

關(guān)鍵詞：人工智能;監(jiān)測;監(jiān)管;AI

0 引言

作為新一輪產(chǎn)業(yè)變革、科學技術(shù)革命的重要驅(qū)動力量，人工智能的快速發(fā)展將改變各行業(yè)的發(fā)展格局，人類的生活也將發(fā)生顛覆性的變化。目前，人工智能在全球范圍內(nèi)的競爭發(fā)展態(tài)勢日趨激烈，歐盟各國家和地區(qū)陸續(xù)出臺相關(guān)指導政策，加快推進人工智能的發(fā)展。近幾年，我國也十分重視發(fā)展人工智能領(lǐng)域，《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020年）》《新一代人工智能發(fā)展規(guī)劃》等政策規(guī)劃的頒布與實施，圍繞新一代人工智能技術(shù)的產(chǎn)業(yè)化和集成應(yīng)用，聚焦新一代人工智能關(guān)鍵技術(shù)，并把它應(yīng)用到廣播電視監(jiān)測監(jiān)管平臺中，將賦能廣播電視行業(yè)的持續(xù)健康發(fā)展。

1 ? 人工智能在監(jiān)測監(jiān)管中的應(yīng)用分析

1.1 監(jiān)測監(jiān)管系統(tǒng)中人工智能（AI）特征分析

人工智能起源于1956年，達特茅斯人工智能夏季研究計劃（The Dartmouth Artificial Intelligence Summer Research Project）開啟了人工智能領(lǐng)域的研究，自此以后新一代的科學家開始了探尋與人類媲美的智慧信息技術(shù)。

人工智能包羅萬象，包括自然語言處理、知識表達、智能搜索、規(guī)劃、機器學習、人工神經(jīng)網(wǎng)絡(luò)復雜系統(tǒng)、數(shù)據(jù)挖掘、遺傳算法、模糊控制等。人工智能的目標是創(chuàng)建可以與人類思維相媲美的計算機軟件系統(tǒng)和（或）硬件系統(tǒng)。適用于人工智能來求解的問題主要有3個特征：（1）人工智能問題往往是大型的問題。（2）在計算上非常復雜，并且不能通過簡單的計算解答。（3）人工智能問題及其領(lǐng)域傾向于收錄大量的人類專門知識，特別是通過模擬人類智能行為，使用與人類相同的方法解決問題。

1.2 人工智能（AI）有利于提高內(nèi)容智能分析效率

計算機視覺、深度學習和自然語言處理等人工智能技術(shù)提高了監(jiān)測監(jiān)管的效率，主要表現(xiàn)在新媒體監(jiān)測監(jiān)管領(lǐng)域內(nèi)容智能分析的效率。

1.2.1 計算機視覺

計算機的一雙眼睛稱為計算機視覺，主要應(yīng)用包括視頻分割、光流、目標追蹤、圖像識別、目標監(jiān)測、圖像分割、圖像生成等。目前常見的計算機視覺工具包有：OpenCV， MATLAB Computer Vision System Toolbox，SimpleCV， CCV，VLfeat，VXL。

1.2.2 深度學習

深度學習是機器學習的一個分支，根植于計算機科學、數(shù)學和神經(jīng)科學。60年前，數(shù)字計算機在人工智能的萌芽期問世，深度學習革命的種子也在那時被播種。深度學習與傳統(tǒng)的學習方法相比，深度學習方法預設(shè)了更多的模型參數(shù)，因此模型訓練難度更大，根據(jù)統(tǒng)計學習的一般規(guī)律，模型參數(shù)越多，需要參與訓練的數(shù)據(jù)量也越大。深度學習與深度神經(jīng)網(wǎng)絡(luò)密切關(guān)聯(lián)。通過多元神經(jīng)網(wǎng)絡(luò)，DNN（深度神經(jīng)網(wǎng)絡(luò)）分為多層，可以“自動”產(chǎn)生自適應(yīng)的特征，最后提供一個人們預期值。尋找“特征工程”的過程非常煩瑣，深度神經(jīng)網(wǎng)絡(luò)也分解成許多不同的網(wǎng)絡(luò)拓撲結(jié)構(gòu)，所以有了CNN（卷積神經(jīng)網(wǎng)絡(luò)）、RNN（遞歸神經(jīng)網(wǎng)絡(luò)）、LSTM（長期短期記憶）、GAN（生成敵對網(wǎng)絡(luò)）、轉(zhuǎn)移學習、注意模型（Attention Model）等，所有的這些被統(tǒng)稱為深度學習（Deep Learning）[1]。

1.2.3 自然語言處理（NLP）

自然語言處理是人工智能中一個核心的部分。自然語言處理（NLP）涉及人工智能、計算機科學、語言學等學科，研究的領(lǐng)域是計算機和人類（自然）語言之間的相互作用。

2 監(jiān)測監(jiān)管平臺中應(yīng)用的人工智能技術(shù)

人工智能主要應(yīng)用詳情如表1所示。

2.1 監(jiān)測監(jiān)管平臺中的人工智能

廣播電視監(jiān)測監(jiān)管事業(yè)的跨越式發(fā)展，以全媒體綜合監(jiān)測監(jiān)管平臺為依托。近幾年，河南廣播電視臺以“河南廣播電視全媒體融合監(jiān)管平臺”建設(shè)為抓手，以實現(xiàn)監(jiān)測監(jiān)管平臺內(nèi)各業(yè)務(wù)系統(tǒng)的無縫對接，為廣播電視監(jiān)管部門提供有力的技術(shù)支撐和保障。全媒體融合監(jiān)測監(jiān)管平臺總體架構(gòu)設(shè)計遵循“五個層次”的邏輯關(guān)系，即基礎(chǔ)層、數(shù)據(jù)采集層、業(yè)務(wù)層、應(yīng)用層和展現(xiàn)層。

2.1.1 基礎(chǔ)層

基礎(chǔ)層包括3部分：物理資源、監(jiān)測設(shè)備和虛擬資源。基礎(chǔ)層采用虛擬化技術(shù)、池化技術(shù)搭建平臺的底層服務(wù)。通過虛擬化技術(shù)實現(xiàn)對整個軟硬件環(huán)境的調(diào)度、部署和管理，從而降低服務(wù)器數(shù)量，提高硬件服務(wù)器利用率，加強網(wǎng)絡(luò)資源的綜合管理建設(shè)。通過池化技術(shù)，打通原有不同類型節(jié)目信號監(jiān)測板卡不同造成的通信和管理壁壘，提高通道冗余、故障應(yīng)急處理能力。根據(jù)處理內(nèi)容量、計算量、吞吐量的不同，自動為各業(yè)務(wù)、各監(jiān)測前端分配資源?？赏ㄟ^統(tǒng)一配置服務(wù)對全局資源進行配置、查看、變更，平臺內(nèi)的所有物理設(shè)備、虛擬化設(shè)備均具有網(wǎng)管監(jiān)控功能，平臺自動記錄設(shè)備的運行信息。

2.1.2 數(shù)據(jù)采集層

數(shù)據(jù)采集層是根據(jù)基礎(chǔ)層提供的硬件和軟件資源，獲取監(jiān)測監(jiān)管業(yè)務(wù)所需的初始數(shù)據(jù)。

2.1.3 業(yè)務(wù)處理層

業(yè)務(wù)處理層主要從傳統(tǒng)的廣播電視傳輸信號的質(zhì)量監(jiān)測、視聽節(jié)目內(nèi)容監(jiān)測以及網(wǎng)絡(luò)安全監(jiān)測3個方面。

2.1.4 應(yīng)用層

應(yīng)用層實現(xiàn)廣播電視和新媒體監(jiān)測監(jiān)管業(yè)務(wù)，為監(jiān)測管理、值班運維、匯報展示業(yè)務(wù)提供支撐。通過業(yè)務(wù)系統(tǒng)可以實現(xiàn)對自身負責業(yè)務(wù)的監(jiān)管、研判和處理。同時，平臺具備了業(yè)務(wù)報告定制和工作流定制的功能，負責人可以根據(jù)自身需求，設(shè)置平臺內(nèi)的業(yè)務(wù)處理和工作分發(fā)。

2.1.5 展現(xiàn)層

該層主要是綜合展示，可根據(jù)需要，將不同業(yè)務(wù)、不同模塊進行配置展示，支持多類業(yè)務(wù)在大屏上進行統(tǒng)一展示。

2.2? AI深度學習研判庫方案

AI深度學習研判庫將上報的基礎(chǔ)報警進行綜合研判，推導出報警可能的故障節(jié)點以及故障原因，結(jié)合節(jié)目播出鏈路信息準確定位故障單位以及故障設(shè)備。目前，新媒體監(jiān)測監(jiān)管業(yè)務(wù)需要抓取海量的數(shù)據(jù)，數(shù)據(jù)經(jīng)過數(shù)據(jù)清洗，數(shù)據(jù)排重、一致性判斷等步驟，集成在大數(shù)據(jù)平臺中，最終達到高效利用。監(jiān)測監(jiān)管數(shù)據(jù)種類繁雜，一方面包含傳統(tǒng)的廣播、電視、報紙，另一方面包括互聯(lián)網(wǎng)新媒體內(nèi)容如：網(wǎng)絡(luò)新聞、視頻、音頻、圖片等，可用價值密度低，可以把人工智能技術(shù)與大數(shù)據(jù)技術(shù)二者優(yōu)勢結(jié)合緊密起來。

通過大數(shù)據(jù)分析對各個監(jiān)測前端上報的報警數(shù)據(jù)、信道指標數(shù)據(jù)、碼流分析數(shù)據(jù)、頻譜分析數(shù)據(jù)、碼流錄制數(shù)據(jù)進行數(shù)據(jù)分析，結(jié)合AI深度學習研判功能將上報的基礎(chǔ)報警進行綜合研判，推導出報警可能的故障節(jié)點以及故障原因，結(jié)合節(jié)目播出鏈路信息準確定位故障單位以及故障設(shè)備[2]。

2.3 AI深度學習推理機

AI深度學習推理機主要用于根據(jù)監(jiān)測監(jiān)管知識庫的相關(guān)數(shù)據(jù)將基礎(chǔ)報警推導出綜合報警結(jié)果。AI深度學習推理機具備將多層面的監(jiān)測監(jiān)管報警包括信道層面、碼流層面、音視頻層面的報警，將這些報警相互關(guān)聯(lián)，并對這些關(guān)系數(shù)據(jù)進行匯總分析，推斷出產(chǎn)生報警的根本原因，縮短值班人員的處理時間。

依據(jù)監(jiān)測監(jiān)管平臺產(chǎn)生的基本報警信息包括：信道失鎖、誤碼率過高、功率過低、信號中斷、解碼異常、同步丟失、同步字節(jié)錯、連續(xù)計數(shù)錯誤、靜幀、黑場、無伴音報警。利用廣播電視監(jiān)測監(jiān)管平臺中實時的報警數(shù)據(jù)、信道指標數(shù)據(jù)、頻譜數(shù)據(jù)、碼流分析數(shù)據(jù)、錄像數(shù)據(jù)、節(jié)目運行圖數(shù)據(jù)，第三方系統(tǒng)提供的運行維護數(shù)據(jù)、日凌信息以及知識庫中的規(guī)則數(shù)據(jù)、歷史報警數(shù)據(jù)等。從信道層面、碼流層面和節(jié)目層面進行綜合分析，推斷出引起系統(tǒng)報警可能的故障環(huán)節(jié)和發(fā)生概率。

3 結(jié)語

廣播電視監(jiān)測監(jiān)管平臺發(fā)展迅速，面對無形而又龐大的視頻、文字、圖片等各類型資料的快速發(fā)展，依靠肉眼監(jiān)測監(jiān)管已經(jīng)不能滿足于業(yè)務(wù)發(fā)展的需要，相信在不久的將來，人工智能的技術(shù)優(yōu)勢將在廣播電視監(jiān)測監(jiān)管領(lǐng)域中得以充分發(fā)揮，提高廣播電視的監(jiān)測監(jiān)管效率，為廣播電視監(jiān)測監(jiān)管技術(shù)系統(tǒng)提供有力的技術(shù)支撐，為新時代智慧廣電的全面發(fā)展提供強有力的保障。

[參考文獻]

[1]特倫斯·塞諾斯基.深度學習革命[M].姜悅兵，譯.北京：中信出版社，2019.

[2]周志華.機器學習[M].北京：清華大學出版社，2015.

（編輯 王雪芬）