深度学习技术如何赋能新媒体？

深度学习技术目前在媒体范围的应用主要集中在内容生产和内容分发两大块，其中内容分发已经实现并发展出较成熟的技术架构和商业体系。作为第四范式资深科学家，王嘉磊在主题分享《如何通过AutoML实现智能推荐系统的自动上线和运维》中介绍了AutoML技术如何使AI具备自我完善和演化的能力。

目前通过NLP技术感知文本内容（word2vec, doc2vec, BERT, etc.)，通过CV技术感知图像、视频，使用机器学习分析用户画像并预测点击率和内容阅读时长，和使用机器学习评估内容质量并促进优质内容的传播是AI技术在推荐系统中的主要应用方向。而目前在技术上其实面临着两大挑战：一是在机器学习模型的构建流程中，每个环节都需要建模专家根据经验做出选择和优化；二是系统上线后为保证效果，还存在一定数量的系统参数需要人来持续监控和优化。如果需要解决这两大难题，则需要将AutoML运用与推荐系统的搭建，即用AI来训练AI模型，通过进化算法、贪心法、贝叶斯优化、强化学习四大AutoML搜索策略，实现自动特征工程、模型超参数优化、神经网络结构搜索以及在线调优。

“训练神经网络本身是一件比较困难的事情，往往生成出的网络结构数据在具体场景不一定适用。”王嘉磊表示，“我们希望能够做自主的神经网络结构搜索，希望效果会比一些从学界直接拿来的现成网络有所提升。”

随着人工智能技术的升级发展，AI将不断从媒体的内容生产、分发与消费模式等环节实现智能突破，从而帮助媒体进行内容升级和用户体验升级。作为一家技术与服务提供商，第四范式很早就看到了人工智能给媒体带来的“智能化”意义，其推出的AI产品“先荐”以智能推荐为核心切入点，集内容上传、内容管理、内容分发、推荐干预、前端渲染于一体，可以帮助媒体从0到1搭建推荐系统。据悉，目前先荐已与人民日报、环球网、CSDN、花瓣网、段友、36氪、简书等三百余家内容平台展开合作，多次成功助力媒体实现智能转型。