算法可以助力有线复兴

　　（本文作者：罗小布）

　　现在大家都在谈论人工智能的ChatGPT，也预示人工智能时代又跨入了一个新的阶段。无论有线是否愿意顺应的时代的发展，时代都会以自己方式、速度和规律向前发展。有线要想生存下去，就必须跟上时代；也就是，错过的必须补上，只是可惜了最好发展的时机或机会而已……

　　当有线还在启动有线电视数字化时，世界已经进入了云时代，接着就是大数据，紧跟着就是人工智能。人工智能的核心要素是数据、算力和算法。需要说明的是：有线不是没有大数据，而是根本没有收集视而不见的大数据；有线不是没有数据中心，而是没有算力云化；有线不是找不到算法，而是不太清楚算法的好处而已……

　　一、算法有利于解决有线电视排序公平问题，巩固有线电视的落地费。各卫视缴纳的落地费是有线的主要收入来源之一，一个突出的问题就是排序不公平。央视排在首位，政治要求，无容置疑；本地排在次之，地方保护，也无可厚非。其他缴费的卫视频道呢？再者，多数电视台经营困难，买不起首播剧；同时，许多观众往往不是从第一集才开始跟剧，如果七天后再跟剧，回看都没有了，本来这是二播、三播的市场，由于排序太后，百姓很难寻找……

　　假设有线开设一个基于人工智能的一级栏目，暂定名为《我的电视》，利用用户跟剧的前期线索就可以实现主动推荐，其主要推荐算法称之为广度搜索算法，如同用户一个频道接着一个频道寻找自己喜欢的节目一样。如此一来“百姓开心，电视台满意”，何乐而不为呢？……

　　广度搜索算法的参考流程如下：

　　二、让百姓更加喜欢“回看”，全面提高用户的粘性。“回看”是有侵权嫌疑的，之所以合法，是因为法律讲究平衡，主要是基于“有限损害理论”，也就是，有限损害了版权方利益，换取绝大多数电视观众错过线性播放后能够看到的公众利益或应该享受到的公共服务，为了防止对版权方损害扩大，强制限定七天。

　　广电总局法规司为有线争取下来七日的回看权非常不容易，有线要用好这个权益，不仅是对得起总局，更是对得起用户。现在用户找到一个回看至少需要三步操作的以上，人工智能完全可以简化，其算法称之为深度搜索算法；基本思想是：根据用户前期的行为线索，直接找到对应频道，进一步找到可接续线索的回看。如此以来，有线不仅兑现了“让用户不错过任何一集电视剧”的承诺，而且实现了“轻轻松松看电视”的承诺，从而全面提高用户的粘性……

　　深度搜索算法的参考流程如下：

　　三、“想用户所想，急用户所急”，才能全面提高用户满意度。每个用户都有自己的兴趣偏好，在多元化的时代，更是如此。《我的电视》栏目的目的，不是让用户找到自己兴趣，而是智能地按照用户兴趣准备好符合用户口味的“电视盛宴”，随时等着用户用餐……

　　用户的兴趣可以通过收集用户过往收视行为数据分析出来，基本思想就是马尔科夫链，即过去所有的信息都已经被保存到了现在的状态，基于现在就可以预测未来。有了用户的兴趣线索，就可以采用启发式搜索来提高搜索的效率，典型算法是A*搜索（A星搜索）。简单地，就是对用户不同的兴趣赋予不权重，通过算法，尽快找到权重最大或用户最喜欢的内容……

　　A*搜索算法的参考流程如下：

　　四、提高正能量的占有率，通过引导，牢牢把握舆论导向。首先说明的是，这里不是采用置顶方式强制推荐，而是采用人工智能的主动引导。人们往往不止一个兴趣偏好，往往有多个兴趣偏好，甚至在两个以上的偏好中难分伯仲且相互独立，如动作与言情。同时，人们只有一双眼睛，在同一时刻，只能看一部电视剧；那么两个及其以上的兴趣就产生了自我博弈或对抗。最大-最小搜索算法就可以帮助用户做出抉择，其中可以夹带一点“私货”；为了提高最大-最小算法的效率，可以采用阿尔法-贝塔剪枝算法进行优化……

　　最大-最小搜索算法的参考流程如下：

　　阿尔法-贝塔剪枝算法的参考流程如下：

　　五、与时俱进地不断地满足用户的需求。用户的兴趣不仅是多元的，而且是动态的，同时，电视消费时长非常有限，也极其珍贵。根据统计，人们日常常看的频道数是8个。因此问题转化为：如何在有限的频道范围内，给用户最佳的选择，同时满足用户动态变化的需求？人工智能的遗传算法可以满足这个需求……

　　遗传算法的参考流程如下：

　　六、让更多人看好剧，既是有线的责任，也是有线的服务。无论已经播出的《人世间》，还是刚刚热播过的《狂飙》，人们追剧的时间严重的参差不齐，如何让人们在非强制推荐的情况下，自觉或自愿地尽快追好剧；甚至进一步地实现个性化的好戏连台，完全可以作为有线的一项服务。人工智能的蚁群优化算法也许能给有线提供启示……

　　蚁群优化算法的参考流程如下：

　　七、让用户尽快找到需要的点播，全面提高点播内容的效率。现在有线的点播内容越来越丰富，但利用率不高；一个重要的原因，就是用户难以找到所需的内容。实践证明，遥控器输入法显然不适合用户或不能让用户满意；特征分类法，如类型、明星等，也让用户眼花缭乱，无从下手。这其中有一个关键问题，就是用户偏好或喜好的多维描述性，简单地讲，就是一个词说不清楚，往往需要多维度描述，如：类型+导演+明星+剧情……。人工智能中的粒子群优化算法可以助力有线实现多维度快速搜索……

　　粒子群优化算法的参考流程如下：

　　八、全面迭代收视率，全面提高有线向电视台的数据服务水平。传统的收视率已经无法满足电视台的需求，电视台需要更多或更全面、更实际的数据服务，不仅是为广告提供数据服务，还需要为制作、电视剧版权购买等提供数据服务。例如，电视台不仅要知道什么人和多少人看本台播出的电视剧，还希望知道他们从哪里来的；如果换剧，用户又会到哪里去；换什么样类型电视剧能让收视率提高或不减……这就需要有线提供机器学习的数据服务了……

　　机器学习的参考流程如下：

　　九、帮助电视台决策，巩固生态链，就是帮助有线自己。多数电视台现在经营非常困难，在提供有线血液的内容上可谓捉襟见肘、举步维艰。急需有线提供能够帮助高效节省、减少不确定性的决策数据服务。基于有线数据的决策树算法可以帮助电视台解惑，进而为经营决策提供服务……

　　决策树算法的参考流程如下：

　　十、让智能助力全国媒资一体化，全面提升有线内容服务或智能推荐的竞争力。在有线智能媒资进程中，不仅会遇到结构化的数据，更多是如何利用非结构化的数据，如图像的识别、语音的识别、文本的识别等。基于激活函数的人工神经网络算法在处理非结构化数据方面具有独特的优势，可以帮助有线实现梦想……

　　人工智能神经网络算法的参考流程如下：

　　十一、找到实现目标的路径，让有线从失败走向胜利。有线不是知道自己的目标，而是往往不知道实现目标的路径。这类问题在人工智能中属于强化学习问题，基于BOSS系统或其他系统的、利用贝尔曼方程的深度强化学习，可以帮助有线找到实现目标的路径，不仅是让有线从失败走向胜利，更是让有线从胜利走向胜利……

　　Q-learning强化学习算法的参考流程如下：

　　上述建议仅供有线参考，按照以往建议的经验，大概率事件有线不会采纳。但是时代会不以有线意志为转移地向前发展，有线跟不上，不等于IP TV跟不上，不等于OTT跟不上，不等于智能电视的供应商跟不上……跟上或跟不上都是有线的选择，只要有线快乐就行。

　　人工智能技术，包括算法，不仅发展非常迅速，而且博大精深；笔者才疏学浅，只是略知皮毛而已，难免有不对或错误之处；重在抛砖引玉，激发大家的思考，当然更希望有线同仁也思考……