揭秘新华网如何做到“更懂你”

传媒论道|智能传播

编者按

今年两会期间，新华网Star生物传感智能机器人以一套科学“读心术”，生产出国内首条生理传感新闻（SGC）让不少人记忆深刻。在总理作报告的100多分钟内，Star描绘出观众的“情绪曲线”， 精准分析出人们“心潮澎湃”的瞬间，直接“触碰”人们内在的真实情感。《政府工作报告》中“直击人心”的那些话，由Star生物传感机器人实时捕捉、自动计算得出，通过人机交互等技术转化为数值，同时自动生成体验报告。据介绍，这是情感交互技术在时政新闻领域的首次应用。新华网“读心术”背后有哪些秘密？“更懂你”是如何做到的？《网络传播》独家对话新华网融媒体未来研究院院长杨溟，来听他为您讲述机器是如何计算人类情感的。

传播君：可否介绍下Star生物传感智能机器人的功能和应用？

杨 溟：“Star”诞生于2015年12月， 今年两会期间参与生理传感新闻创作的已是第二代了，Star是我们基于生理传感技术和人工智能算法开发的应用型智能机器人系统。该系统利用传感技术获取用户在特定场景下的生理数据，并根据内置的人工智能算法，将获取的原始数据及映射出的用户在特定场景下的心理状态加以解读，并通过相应的写作程序自动生产相关报道。在今年两会报道期间科学“读心术”的例子中，Star生物传感智能机器人实时获取观众在观看《政府工作报告》时的感受，对不同观众对报告内容的关注点进行分析，并生成相应报道。作为一种机器人写作的应用实验，它可以实现传统报道难以企及的深度数据挖掘和情感分析，帮助记者捕捉更细微的变化、完成更精准的解读。

我们认为，新闻生产的竞争力将更多地体现在数据分析能力的竞争上。采用多元技术与工具的能力，将是复合型报道者的必备素养。传感器技术的采用，为报道者提供了新的报道视角与辅助工具。同时，它也是检验我们报道效果的参考指标之一。

其实Star生物传感智能机器人的功能与应用远不限于上述应用。根据不同的场景，适配不同的传感设备、技术和算法，它可以广泛应用于多个领域和各类生态，实现更多功能。比如：在车内生态场景中，Star可以判断出驾驶员的疲劳状态并给予实时提醒，也可根据乘客对于车内媒体内容的体验，分析用户偏好、提供个性内容、优化服务供给。无论是音乐，还是小说连播或者经典朗读，Star都可以生成，甚至还能生成个人化的健康分析报告、空气监测与应对提醒等。在紧张工作或竞争激烈的场景中，Star可以通过对职场人士、应试者等情绪的洞察，选择恰当的方式进行压力纾解和情绪调节，以减少负面精神状态对他们的影响。Star针对每个人的问题都有不同的解决方案，并通过传感技术和机器学习，提供分析和优化服务。当然，在教育场景中对于听课专注度的自评和教学效果的评估、医疗生态中的康复与预警、影院生态与生活场景中的交互体验、商业生态中的消费者感受等方面，Star都可以一展身手。

传播君：Star生物传感智能机器人在进行新闻报道背后，使用了哪些算法？

杨 溟：Star生物传感机器人进行报道时，涉及到的算法主要包括：生理信号数据实时采集算法；数据预处理算法——原始数据中的噪音将会被筛除，便于进行后期处理；对净化数据特征提取的算法——将数据中与任务需求相关的特征提取出来；模式识别算法——将这些特征进行分类，进行情绪识别；自然语言处理算法等。多种方式相结合，进行交叉印证和判断，从而自动生成新闻报道。

传播君：机器算法需要人来调教。Star生物传感智能机器人如何与人进行配合？

杨 溟：Star的基本属性就是人机交互，是随着人与机器相互了解的深入而不断学习提升机器智能化水平的过程。我们在开发算法时更强调对于人的尊重和理解。作为传媒人，这种尊重首先就体现在我们的新闻、影视作品创作出来后，是否重视受众的反馈意见。如何在导向把握与用户体验之间找到平衡点，通过技术优化使受众体验感与接受度提升，甚至让他们自己能够加深对自我的认知，是我们在不断思考的问题。

杨 溟：换句话说，价值导向不是机械的、静止的、孤立的，而是演进的、关联的、生态的。目前仅仅基于既往搜索习惯来确定人的阅读趣味的算法是片面的，易限制和窄化人的觉察视野和认知水平。而基于小样本调查的传统采访方式往往将相关性混淆为因果性，难以令公众信服。

Star在算法设计上，采用多维、多元交叉计算对人类生理数据、语义、表情等进行分析，这些数据本身就代表了它是以用户的需求和反馈为中心、基于对个体化差异的基本判断而建设的模型。同时，Star生物传感智能机器人不仅采用深度学习的算法技术，也以无监督学习的方式弥补鲁棒性差的缺陷，同时还具备帮助报道者实现更加精准挖掘与分析的能力。

在应用场景中，Star是人类的助手，帮助我们了解自我、沟通他人，理解周围生态、尊重其他生命、和谐世界关系、反思反省自我。同样，通过人类自主选择、自愿提供的感应数据，Star变得越来越聪明智慧，为我们提供更符合个人需要也更为精确的解决方案。

传播君：你们的研发方向主要基于怎样的理念？未来你们的人工智能研究将如何应用于传媒领域？

杨 溟：科研是有价值观的。尤其是传媒行业开展的人工智能研究，在伦理和价值观方面的考量会更多。人工智能研究走向深入，也意味着人类对自身的反思不断深入。就研发理念而言，方向与路径的选择首先基于我们对媒体未来趋势的判断。传统的“媒体”定义已经被改写，既有边界被打破，需要我们寻找新的能量。

新华网未来研究院的科研工作着力于两个定位，一是神经中枢，体现其对各行业与人的连接性；二是能量中心，体现其媒体科技在产业赋能中的价值。趋势判断决定科研理念，后者则决定了开发思路。“神经中枢”的定位要求我们在功能上要能够抵达末梢，采集数据，传达反馈，进行干预。因此它必定是基于人机交互的，对于用户的体验是必不可少的一环。

在物联网时代，传感技术是基础核心技术，离开它，连接万物、物联天下都无从谈起。同样，它也是人工智能研究中必不可少的重要内容。人工智能是研究类人和仿生机器智能的科学，在人-机-环境三者关系的研究中，对于各种不确定性和复杂关系的处理和计算都离不开生物传感技术。研究机器智能，缺乏对人的深刻认知，其实“类人”和“仿生”的研究也难以做好。

依托生物传感技术，从传媒的角度切入，开展情绪识别和情感计算属于认知智能的研究范畴。它实际上是让技术人性化的应用型研究，因此必须考虑它与各产业的对接。同时它具有人机工程学的某些特征，也就是说，在设计人-机-环境的系统时必须重点考虑人的特性、能力和限制。所以关于它的研究必然涉及脑科学、生物学、医学、认知心理学、神经学、计算机学、无线通讯、材料学和人机控制学等，真是非常跨学科。

其中我想重点就认知智能说两句。在人工智能的研究中，我们对于认知智能的理解还处于初级阶段。通过自然语言处理、分析学、机器学习等构建的认知计算目前还很少涉及人的情感和创造两个因素。就连人工智能的先行者——IBM虽然宣称转型做人之解决方案，但其实也未涉及到这两个因素。谷歌云首席科学家、斯坦福大学终身教授李飞飞2018年发表的文章——《“情绪”和“情感”是人工智能的下一个春天》已经很敏锐地看到这点。它必是趋势。我们在此领域的研究自2012年底起步，2014年正式创建融媒体未来研究院，并积极与国内外科研机构广泛合作，坚持生物传感核心技术的自主研发、非核心技术的合作共赢，在行业间以联合实验室模式进行定制开发，坚定地沿着这个方向推进。

除了Star生物传感智能机器人，我们还相继开发出系列“情绪流产品”，包括多场景下的智能眼镜与共享视觉、广告效果评测、城市空间危险预告与交通智能化、教育场景下的专心度评测等等，其应用领域和行业均十分广泛。我们相信，未来的“媒体”将以一种令人难以置信的方式呈现在我们面前。