電視新聞是大家的一個重要信息來源，但與數(shù)字化印刷和網(wǎng)上新聞文本相比，對于電視新聞的研究卻很少。與此同時，深度學(xué)習(xí)發(fā)展到今天我們已經(jīng)有了人工智能算法，不僅可以分析文本，還可以分析語音、圖像甚至視頻。使用谷歌現(xiàn)成的云人工智能算法來“看”一周的互聯(lián)網(wǎng)電視新聞會是什么樣子？人工智能在看新聞時能“看到”什么？最重要的是，這種新的非消耗性分析模式能否為打擊網(wǎng)絡(luò)虛假信息、錯誤信息、假新聞等提供幫助？

過去10年，互聯(lián)網(wǎng)電視新聞檔案一直在保存著這些年的廣播新聞資料。如今，通過對近200萬檔節(jié)目的字幕關(guān)鍵字進(jìn)行抓取，讓研究人員和記者得以探究每個電視臺在過去10年里是如何報道重要新聞的。

許多記者像FiveThirtyEight的Dhrumil Mehta和Oliver Roeder，《華盛頓郵報》的Philip Bump, Vox的Alvin Chang以及其他許多記者都用此來研究電視新聞在過去十年中是如何報道重大新聞的。與此同時，深度學(xué)習(xí)已經(jīng)成熟到可以通過現(xiàn)成的云人工智能API觀看電視和檢索圖像，以對其描述的對象和活動進(jìn)行精確分類編輯。好處是，這些人工智能工具不需要任何人工干預(yù)，這不僅使這些功能具有無限的可擴展性，而且最重要的是無消耗。

如今，機器學(xué)習(xí)算法經(jīng)常被用來對書籍進(jìn)行分析，這些算法可以分析書籍的主題以及敘事結(jié)構(gòu)。由于傳統(tǒng)機器學(xué)習(xí)在對除文本之外資料的局限性，視頻和圖像等視覺材料長期以來一直不適合這樣的分析。不過現(xiàn)在，隨著深度學(xué)習(xí)算法的成熟，這種分析現(xiàn)在可以擴展到視頻和圖像資料，使機器能夠觀看數(shù)百萬甚至數(shù)十億小時的電視節(jié)目，并總結(jié)出其中關(guān)鍵信息，無需自己觀看原始材料。

為了更詳細(xì)地探索這一新技術(shù)，互聯(lián)網(wǎng)檔案館的電視新聞檔案館分析了為期一周的電視新聞報道，從2019年4月15日至4月22日，新聞主體包括CNN、MSNBC和Fox News，以及舊金山KGO (ABC)、KPIX (CBS)、KNTV (NBC)和KQED (PBS)的早晚廣播，總計812小時的電視新聞。之所以選中這周是因為這周有兩個重要新聞，一個是全國性的重要新聞，4月18日的通俄門調(diào)查報告，另一個是國際性的新聞，4月15日的巴黎圣母院大火。

每段視頻都使用谷歌的Vision AI API進(jìn)行分析，并啟用了其所有功能，包括識別每一秒視頻的主題和活動、場景變化、OCR文本識別和對象跟蹤。然后，視頻被分割成每秒1幀的預(yù)覽縮略圖，并通過谷歌的Vision AI API進(jìn)行分析，以檢驗將視頻視為靜止圖像以及拉大圖像之間的距離會如何影響分析結(jié)果。

雖然Vision AI API支持自動生成文本，但在這次探究中，每個視頻都是使用谷歌的云Speech-to-Text API轉(zhuǎn)錄的，支持120種語言，也為將來其擴展到英語電視新聞之外提供了途徑。

最后，使用谷歌的Natural Language API對站點提供的字幕和自動生成的文本進(jìn)行處理，以列出提到的所有主要人員、地點、組織和其他主題。總共分析了近2TB的數(shù)據(jù)，產(chǎn)生了615GB的機器分析。這四個API代表了當(dāng)前深度學(xué)習(xí)信息分析的四種主要模式：視頻、圖像、語音和文本。

為什么要用深度學(xué)習(xí)技術(shù)來分析電視新聞？

也許比較重要的一點是，因為深度學(xué)習(xí)可以幫助打擊錯誤信息，虛假信息等誤導(dǎo)信息，還可以超越文本信息，擴展到視覺信息領(lǐng)域，我們也可以越來越多地“看到”我們周圍的世界。

電視新聞攝像機和記者通常是最先出現(xiàn)在重大事件現(xiàn)場的，對實時事件進(jìn)行可靠記錄。通過分析，對電視新聞的視覺和口頭雙重敘事進(jìn)行量化，將其與這些事件的在線新聞以及社交媒體報道聯(lián)系起來。比如，一條關(guān)于巴黎圣母院著火的推特可以鏈接到一個事件現(xiàn)場的視頻。反過來，電視對于這次火災(zāi)的報道可以與世界各地的在線報道相連接，提供一個全球化視角，進(jìn)一步了解巴黎圣母院對每個國家的人民意味著什么以及巴黎圣母院的歷史背景等。

每個視頻每隔一秒應(yīng)用谷歌的Vision AI API，可以執(zhí)行相當(dāng)于反向谷歌圖像搜索的功能，以識別來自整個網(wǎng)絡(luò)的圖像，選取那些與這些圖像在視覺上最為相似的。反過來，Vision AI API會在這些類似的圖像的標(biāo)題中選取最熱門的主題并進(jìn)行分析。

因此，雖然谷歌的Vision AI API不執(zhí)行任何類型的面部識別，但可以將人名和圖片進(jìn)行標(biāo)記，一般網(wǎng)絡(luò)上，相似的圖片會有一些最常帶有的主題的標(biāo)題。反過來，這種視覺相似性匹配甚至可以用來幫助識別虛假信息。比如說有一段據(jù)稱是突發(fā)新聞的視頻片段在推特上發(fā)布后，可以立即與實際電視臺的視頻進(jìn)行對比，以確認(rèn)該視頻實際上是否播出過，以確認(rèn)其真實性。

未來，我們或許可以設(shè)想一下組織一個由不同公眾利益相關(guān)者組成的全球聯(lián)盟，共同探索如何以創(chuàng)新的方式利用深度學(xué)習(xí)等技術(shù)，打擊虛假信息的傳播。研究人員可以應(yīng)用非消耗分析來研究和研究虛假信息的全球傳播，從識別虛假信息和偽造事實，到記錄虛假信息如何在媒體之間流動，再進(jìn)行深度分析。

這個實驗中，谷歌視頻人工智能、視覺人工智能和Natural Language API在觀看本周來自Internet Archive的電視新聞存檔中的電視新聞時生成的所有機器分析都是有價值的參考材料。這些分析信息大小總計615GB，為有研究深度學(xué)習(xí)如何識別信息提供了一個強大的測試平臺。

總之，深度學(xué)習(xí)已經(jīng)成熟到可能讓人工智能自己觀看電視新聞，并且是在沒有任何人工干預(yù)的情況下，以完全非消耗的方式對其所看到的內(nèi)容進(jìn)行分類。反過來，這些分析可以用來將電視新聞與相關(guān)的在線新聞和社交媒體連接起來，從而多方向地來理解和打擊虛假信息。最重要的是，這種非消耗性分析為全球合作打開了大門，可以把世界各地的利益相關(guān)方聚集在一起，探索數(shù)據(jù)分析的新方法，打擊虛假信息。