导言

在去年，Google的Deepmind团队开发的人工智能AlphaGo（阿尔法围棋）击败围棋世界冠军李世石后，“人工智能”这个词开始在网络刷屏。人工智能也是目前科技界最火的领域，IT业的巨头们都在人工智能领域重兵布阵。现在学术界和产业界都普遍认为，这次人工智能技术的进步将带来一场生产力革命，不亚于曾经的工业革命；甚至还有人认为人工智能可能毁灭人类。

毁灭人类的事儿咱们先不谈，说点实际的。

在每一次生产力革命之后都会有大量原本存在的工种消失（或工种内从业人员大幅减少），就像工业革命有了机器大生产后手工工场的工人便大量失业一样，在这次“智能革命”中也会有大量的人退出原本所在的行业。

机器大生产主要是消灭了大量体力劳动的岗位，与之不同的是，人工智能将取代的主要是脑力劳动者的岗位。牛津大学一项研究指出：美国2010年存在的所有岗位中将有50%在未来10到20年内被人工智能或机器人取代，其中主要是白领工作。

会计、医生、律师现在被认为是智能革命中的高危行业，那么播音员、主持人会被取代吗？在这篇文章中，我将主要从技术层面出发来探讨这个问题。

http://5b0988e595225.cdn.sohucs.com/images/20171031/f01eb842d67148e9bf78a4b986398e78.jpeg

2016年3月，AlphaGo击败围棋世界冠军李世石

1.认识人工智能

人工智能的历史与工作原理

人工智能历史悠久，最早可以追述到十三世纪的西班牙人拉曼鲁尔和十七世纪的著名数学家莱布尼茨。

而这一轮人工智能革命的关键技术模型是“深度学习”，它的开创者是多伦多大学的Geoffrey Hinton教授，他是一位计算机科学家+认知科学家。

Hinton教授从上世纪80年代开始研究用计算机系统来模拟人的大脑架构，就是我们现在所说的深度学习的原型。在这三十多年间，Hinton教授做了大量研究，优化了深度学习系统的算法。2007年他在《认知科学趋势》杂志上发表文章，宣告深度学习模型中的关键的分层输入和输出优化的问题，深度学习的算法被初步完善了，这成了这一轮人工智能革命的开始的标志。

所谓深度学习的模型就是模仿人脑的机制来解释数据，对数据进行表征学习的方法。人只需要为只能设定好学习目标，然后喂给它大量的数据，它就可以自动学习。例如我们想让人工智能知道“猫”是什么样的，我们不需要给他设定识识别猫的特征的算法，只需要给他1万张带有猫的照片，告诉它这里面有猫，它就能自动学习到猫是什么样的。

再后来，斯坦福大学的两位华人教授又为深度学习的演进做出了重要贡献。“谷歌大脑”的创始人吴恩达教授发现深度学习需要更强的计算能力，于是他找到了英伟达的GPU（图形处理单元），使计算能力提升了上百倍。而李飞飞教授建立的图像识别资料库，通过深度学习训练出了视觉能力超过人的人工智能系统，在2012年斯坦福举办的ImageNet比赛上拔得头筹。深度学习秒杀了其它所有的人工智能算法，从此开始受到学界的高度重视。

http://5b0988e595225.cdn.sohucs.com/images/20171031/1f7520bf59cf4461882ea2c4cbe0675d.jpeg

深度学习模型

人工智能究竟能做什么

人工智能的研究有两个大方向，一是主攻单一领域的人工智能即“弱人工智能”，二是像人一样可以干各种事情的人工智能即“强人工智能”。

我们所熟知的AlphaGo这样的人工智能虽然它真的很“强”，可以战胜围棋世界冠军，但是他仍旧属于“弱人工智能”，因为它只能专攻围棋这一单一领域，如果你让它给你画幅画，它就只会一脸懵逼。

我们在“弱人工智能”领域的发展已经取得了长足进步，现在普遍认为，在绝大多数单一领域人都会被人工智能秒杀。开发出AlphaGo的Deepmind现在就正在努力开发能够自主学习的通用性人工智能，同一套算法，只要简单训练就能适应各个领域的智能需求。但这和能同时会很多事情“强人工智能”还是有本质差别的。打个比方，这相当于Deepmind克隆出了一堆素质优秀的孩子，你训练他短跑，他就能跑过博尔特，训练他打篮球，他就能超过乔丹；但是要训练出一个又会短跑又会打篮球的孩子就没可能了。但只要把几个成熟的“弱人工智能”系统整合起来针对某一较为综合的领域还是可以实现的。

而真正的“强人工智能”这个领域的研究基本上还是一片混沌，可以说是遥不可及。

http://5b0988e595225.cdn.sohucs.com/images/20171031/43d3d39b430440768e74022bf8c4108a.jpeg

Deepmind的创始人Demis Hassabis

2.人工智能与播音主持

人工智能在有声语言领域的运用

我们已经简单了解了深度学习型人工智能的工作原理，现在我们应该可以推测到，对于智能语音系统而言，只要有足够的语音数据交给人工智能，他就能学习到一套系统的语言表达的方式。比如让人工智能听康辉历来所有的播音，只要数据量够，他就可以完全掌握康辉的语言表达的特征，以后随便交给它一份新闻稿件，它都能以康辉的声音和语流表达出来。

这不是天马行空的想象，类似产品早就已经开发出来了。例如高德地图的导航功能——很多人都用过，里面可以选择林志玲（其实还有郭德纲等等很多其他很多明星）的声音做导航语音，这些语音的内容其实就是科大讯飞（国内智能语音技术公司）利用志玲姐姐语音的大数据制作的。

在真正的播音主持领域中，人工智能的运用并不局限于智能语音系统。早在2015年东方卫视在《看东方》节目当中就启用了“微软小冰”作为天气播报员。微软小冰整合了三套智能系统，一是智能语音系统，其语音自然度达到4.32分，是当时业内最接近人声（人声为4.76分，满分5分）的人工智能语音产品；二是基于智能云和大数据的人工智能技术对天气状况预测及结构化天气大数据进行深度学习，并与直播现场互动完成播报；三是通过微软“情感计算”框架，实现对天气数据的即时点评。

http://5b0988e595225.cdn.sohucs.com/images/20171031/0b1441a6e6e5455db5da124e204997f8.jpeg

微软小冰在东方卫视《看东方》节目当中进行播报

人工智能与播音员、主持人的替代关系

如果你已经理解了上面全部的内容，我们应该可以达成一个共识，人工智能可以代替部分播音员、主持人的工作：单纯对文稿进行播读的简单劳动最容易被取代，稍有一些难度的播音主持工作在数据量收集积累足够其实也不难代替。

我们现在说播音员、主持人要“采编播”一体，但其实我们的核心竞争力其实还是在“播”，因为采编本是编导、新闻这些专业的专长。如果以后播音员、主持人也要靠采编作为重点，而“播”的却没什么亮点，也是要采编完了之后交给智能系统播报，那还叫播音员主持人吗？那不如一早就去学编导、新闻专业来得直接有效。

况且人工智能其实连采编工作都能做：现在的新闻机器人已经可以独立生产大量基础性的新闻了，而且效率远超人工。例如今年8月8日九寨沟地震发生后仅25秒，全国人民就收到了由“地震信息播报机器人”自动编发的540字详细新闻文稿并配合了4张图片。《纽约时报》曾经还拿机器人写的新闻报道和记者写的新闻报道放在一起让大家辨认，结果有超过90%的人都辨认不出来哪个才是机器人的作品。把这样的系统和智能语音系统一对接，又可以消灭很多工作岗位。

你可能发现了，我们一直在强调“语音”，但在现实当中的播音员、主持人还需要出镜，这会不会是播音主持专业的壁垒？其实这个问题也不是问题，因为有智能视频的技术，同样只需要足量数据，它便能以完美形象示人。辅之以全息投影技术，这样的“智能主持人”甚至可以进行现场的主持。

类似的运用早在2010年就已经开始：日本VOCALOID的虚拟歌手“初音未来”举办了全息投影演唱会，这场演唱会使得初音未来成为第一个使用全息投影技术举办演唱会的虚拟偶像。当时，2500张演唱会门票在瞬间被抢购一空，演唱日当晚更有超过3万名忠实粉丝通过付费网络直播观看了整场演唱会。这同时还解决了另一个我们的疑问——虚拟人物同样可以具有像真人一样的品牌效应。

在人工智能技术日新月异的今天，开发出一个深受广大观众喜爱的“智能主持人”“智能主播”的可行性已经很高。

http://5b0988e595225.cdn.sohucs.com/images/20171031/06773248c342410fa9e5347c70f5ae5a.jpeg

初音未来利用全息投影技术出现在演唱会现场

3.人的不可替代性

哪些播音员主持人不容易被淘汰

看到这里可能很多人开始担心饭碗不保了，但其实并不是所有播音员、主持人都会被淘汰。

首先最顶尖的播音员、主持人不能人工智能代替，因为他们的语音、视频的数据是人工智能学习的来源，如果没有他们人工智能就会停止学习，无法进步。

PS：这样的说法只针对于“深度学习”型的人工智能，Deepmind现在已经开发出了不用人类数据便可以进行自主学习的“增强学习”型智能系统——AlphaGo Zero（阿尔法元）。Deepmind的David Silver博士认为采用“增强学习”的AlphaGo Zero可以被训练成更厉害的围棋对弈系统，其原因在于机器自主学习可以避免人类并不是特别高明的棋“教坏”系统。如果这个结论是正确（目前仅Google一家公司得出此结论，并没有其他机构重复该实验）且该算法可以推广至更大范围领域的话，可能会颠覆人们的认知。

还有一类，也是涵盖面更加广泛的一类，就是在工作中需要充分调动人类意识系统智能的播音员、主持人。人类意识系统的智能逻辑与弱人工智能完全不同，具有不可替代性。机器做不到的，也许正是我们能守住的阵地。

人类智能与人工智能的差异

人类的意识系统非常复杂，而且复杂程度远超人工智能。目前认知科学领域对人类意识的研究还不够透彻，距离发现意识产生的本质还有相当长的距离，但我们已经可以确认，人类的意识系统所产生的智能是名副其实的“强智能”，与弱人工智能的算法有本质的差别。

美国威斯康辛大学的神经学教授Giulio Tononi提出的关于意识的“整体信息论”（Intergrated Information Theory）可以为我们提供参考。

整体信息论是一个高度数学化的理论，我们可以简单说说其基本思想。Tononi认为，如果把一个系统分成几个模块，而几个模块之间没有相互交流，那这个系统肯定是没有意识的；如果系统各处有高度一体化的信息交流，这个系统才可能是有意识的。

http://5b0988e595225.cdn.sohucs.com/images/20171031/cfcc154cef1046c9a1e9bf6f50106bcd.jpeg

比如这张图上的三个系统，第一个系统中的各部分各自为政，显然没有意识；第二个系统各个部分有一定的的链接，可能有部分意识；第三个系统各部分充分链接，是具有意识的。

Tononi这个整体信息理论已经有了实际应用。使用他的计算指标，让一个人躺着，用仪器一扫描大脑就知道他有没有意识。比如这个人如果是清醒的，甚至哪怕是在做梦，他的大脑各个区域也在不断发生交流，那我们就知道他现在有意识。而这个人是处于深度睡眠时，大脑各个部分就不怎么交流，我们就能判断出他现在处于无意识状态。哪怕是一个全身瘫痪的植物人，他没有任何办法和外界进行交流，我们也可以用这个仪器测量他的大脑是否还有意识。

而不论是“深度学习”，还是“增强学习”，或者尚未突破的“记忆预测”这些模型的人工智能都是典型的“弱智人工智能”模型，系统内各要素都是“输入-输出”的关系，并不存在“交流”的关系。哪怕是我们之前介绍过的“微软小冰”也只不过是整合了几个弱人工智能系统，几个系统之间的关系也只是“输入-输出”关系而不是“交流”。

更进一步说，当前的计算机架构并没有多少全局之间的连接，所以永远都无法产生意识。这也正是“强人工智能”一直无法突破的原因。

弱人工智能系统有一个致命伤。就是必须设定好一个既定的明确目标（比如下赢一盘棋、画出一只猫），遇到没有明确目标的事情，他就会无所适从。

而在相当多的播音主持工作当中，例如一次访谈、一段综艺节目中的互动等等，这些事情的目标极难抽象成概念，而且情况极其复杂多变，很难通过数据学习，弱智能系统在这样的工作当中就会显得僵硬笨拙。这正是意识智能可以的大展拳脚地方，也许这就是未来的人类播音员、主持人的所必备的核心竞争力。

http://5b0988e595225.cdn.sohucs.com/images/20171031/5c83f9edb2e44311b9161115b8981cb5.jpeg

“整体信息论”的提出者Giulio Tononi教授

无需过度担心

其实早就有很多学者和机构都对人工智能取代人的工作这件事情进行了研究，播音员、主持人由于其工作性质在所有行业当中还算是比较“安全”的。在在这里我例举两项调查研究。

第一个是2015年日本野村综合研究所计算了日本国内各项职业能够被机器人或者人工智能代替的可能性，并公开了“可能性比较大的100个职业”和“可能性比较小的100个职业”。播音员主持人就名列“可能性比较小的100个职业”当中。

野村综合研究所表示：“那些要求整理和创造一些抽象的概念的职业，像艺术学、历史学·考古学、哲学、神学”和“需要他人的合作、理解、说服、谈判和服务的职业”等职业是很难被人工智能和机器人代替的。但是，“不需要任何特殊的知识和技能的职业”以及“分析数据和系统化的职业”很可能在将来被人工智能和机器人代替。

第二个是那位很著名的希伯来大学历史系教授尤瓦尔·赫拉利（《人类简史》《未来简史》的作者）在他的一篇论文中提出了“2033年美国各职业被人工智能替代概率一览表”。在他所统计的七百多个职业当中，播音员主持人的被替代的概率是0.1，排在所有职业中的171位（概率由低到高排序），与物理学家、化学家持平。

http://5b0988e595225.cdn.sohucs.com/images/20171031/e836eef624bf44e9ac07962e090d80d6.jpeg

超级畅销书《人类简史》《未来简史》的作者尤瓦尔·赫拉利

用好人工智能

在更多时候，人工智能与人并不是相互替代，而是相互协同、相互补充的关系。人工智能也许没有办法消灭播音主持这个行业，但是它一定是我们可以掌握的一件先进武器。

人工智能系统现在可能还是风口，在未来将成为标配。现在全球的IT巨头们，都把纷纷把自己的GPU计算能力放到网上作为开放资源，把人工智能的算法也做成了开源的，以后对人工智能的利用将越来越便捷。比如Google还开源了自己的开发系统“Tensorflow”处理硬件，这样很多不懂人工智能算法的人，也可以调用人工智能的复杂处理方法做人工智能的开发。这些内容在未来还会简便得多。

就像互联网的发展一样，最早需要大量专业技能才能实现的开发，到现在普通人只要下个软件就能使用，门槛越来越低。

今天可能已经没有哪个主持人敢说，我从来不看互联网也能当一个好主持人。人工智能也是同样的道理，我们应该尽早利用起来，配合我们的专业技能，发挥出新的优势。这甚至不是为了赶超别人，而是别被别人落下。

编辑排版：蒋亦飞（实习）

文字编辑：蒋亦飞（实习）