个性化电视——人工智能娱乐的未来还是太过了?

20年前，一个当时刚刚起步的DVD租赁服务采用了一项新兴技术:一种相对基本的算法，根据用户的其他成员喜欢什么，向用户提供简单的推荐。它的服务就是Netflix，它的软件是Cinematch，它代表了我们所知的娱乐史上的一个转折点。

作为现今流媒体推荐系统的前身，Cinematch的算法是基于协同过滤的。它收集了数百万会员的电影评分，并用这些评分来预测其他会员对同一部电影的喜爱程度。它有它的局限性。这些推荐的准确性取决于会员的评分。它很难向尚未评分的用户推荐电影。它没有考虑到多人可能在使用同一个人资料。然而通过Cinematch, Netflix看到了个性化用户体验对用户粘性的好处。与亚马逊、YouTube等公司一样，它很早就意识到，为了在日益数字化的世界中提高品牌忠诚度和转化率，有必要提供高度定制的内容体验。

这些早期算法在现代人工智能和机器学习标准下是原始的。然而，它们只是未来的开始。它们所基于的概念后来变得如此普遍，以至于今天它支撑着我们在网上进行的大多数互动——这种互动越来越受到我们对定制化娱乐需求的驱动，在未来几年里，这种互动将变得更加个性化。

据ABI Research估计，2022年将见证人工智能和机器学习在媒体和娱乐领域的繁荣。

ABI research首席研究官斯图尔特•卡劳解释说:“由于来自直接面向消费者服务的竞争压力，现有的公司(如付费电视运营商和广播公司)必须降低成本，限制流失，(尽可能地)从现有客户那里获取更多价值。”为了实现这一目标，Carlaw认为人工智能和机器学习的作用将会增强，以至于人们将看到高度个性化的促销和广告从手机和笔记本电脑转移到电视上。但这在现实中意味着什么呢?

如今，我们中的许多人(麦肯锡(McKinsey)最近的一份报告显示，多达70%的人)期望我们所有的数字服务都能实现个性化。与此同时，尽管流媒体平台的内容多样化，但电视仍然是家庭的核心。在英国，63%的人在电视机上观看视频的时间超过了其他任何设备，超过一半的欧洲人(55%)在过去两年购买了联网电视。

英国主要的付费电视和有线电视提供商——Sky, Virgin, TalkTalk, BT Sport——都找到了个性化内容管理屏幕的方法，通常是使用Netflix等公司流行的推荐引擎。为了提供这些建议，在幕后进行了大量的数据挖掘和算法训练，但即使这样，它们也可能达不到要求。这在很大程度上是因为他们试图迎合整个家庭或多人的口味，每个人的观看口味都有潜在的冲突，但也因为运营商有自己的利益要服务，以促销的形式，尤其是对自己的内容。

现有公司也已开始采取行动，弥合内容差距。你现在可以在连接的电视或机顶盒上访问流媒体内容和常规电视内容。这些推荐在很大程度上仍然是相对孤立的，您仍然必须与这些提供者进行单独的订阅。但Netflix、Amazon Prime、Disney+、ITV、YouTube等网站上的节目、电影、电视剧和追赶电视节目现在都得到了有效呈现，可以作为一个单一的库进行搜索。

然而，Carlaw和其他像他一样的人预测，这种个性化将变得更加广泛和深入。

考虑到相关的金钱激励因素，深度电视个性化的最大推动力可能是广告商。这项技术已经投入使用。

Sky公司的AdSmart允许企业为有针对性的、所谓的可寻址广告付费，这些广告可以根据观看的人和观看的地点进行个性化设置和切换。它远远超出了广播公司与广告商分享人口统计数据，或当地电视频道宣传某一地区的业务。相反，AdSmart从数千个来源获取数十亿个数据点，将观众划分为小而高度定义的目标群体。这样，企业就能够根据观众的需求，为这些紧密特定的观众提供最有效和最有用的广告，从而增加他们的转换机会。

为了实现这种个性化，Sky有效地将机顶盒变成了本地广告服务器。当观看一个启用adsmart的频道时，储存的广告会在广告时间自动播放。举个小市场的例子，一个素食猫的主人，可以在他们通常去购物的那天看到一个无肉宠物食品的广告，而另一个最近在搜索旅游小贴士的观众，可以在同一广告时段看到一个度假广告。

如果没有AdSmart广告，则会显示一个常规的、非个性化的广告。这既是个性化电视的一个主要好处，也是一个潜在的危险——人们不太可能知道两者之间的区别;他们所看到的并不是其他地方所看到的。

Sky自2014年起在其服务中使用AdSmart，并将其外包给其他提供商，包括Channel 4和Virgin。这项技术带来的好处是显而易见的:可寻址广告的购买意愿比一般的线性电视广告高出20%，但数据也表明，它也有利于观众。研究发现，当人们看到有针对性的广告时，他们不太可能切换频道，降幅高达48%。

康卡斯特技术解决方案的一位发言人表示:“与观看体验相辅相成的上下文广告对所有人都更好。”“将消费者与志同道合的广告联系起来的内容，更容易引发购买行为。它创造了一种互惠互利的关系:活动的投资回报率提高了，这提高了特定平台或目的地的广告价值，最终的结果是让观众更快乐，更愿意继续观看。”

在一个消费者和企业越来越多地选择无广告订阅、避开第三方cookie或转向广告拦截器的市场中——在最近的一项调查中，81%的参与者表示，他们积极屏蔽整个网络上的广告——这可能对广告和依赖它的企业具有重大意义。

如果广播公司能在广告上做到这一点，又有什么能阻止他们使用人工智能来提供更个性化的内容呢?不仅仅是更深入的内容推荐，还包括专门为你个人制作的独特内容。

Sky的机器学习主管李健(Jian Li)博士最近介绍了一个使用机器学习根据人们的情绪推荐内容的案例。“人类有情绪。推荐机以体裁‘说话’，”李解释道。“机器很难将情绪转化为类型，所以推广最相关内容的机会会被错过。”作为这个概念的一部分，李的团队建立了一个模型来学习情绪和关键词之间的相关性。从这里，关键词被映射到整个目录的标题。使用这样的模型，从理论上讲，人们可以告诉内容提供商，他们感到悲伤，但想看振奋人心的电影，或者压力很大，想看放松的、有趣的节目。

Sky正在申请专利的技术在很大程度上仍是概念性的，但它提供了对个性化电视推荐和娱乐的发展方向的洞察，以及使用人工智能来规划和制作独特内容的想法。

到目前为止，娱乐在很大程度上是由所谓的“热门文化”推动的——这是一种最低公共性的媒体，却吸引了最多的粉丝。随着内容提供商提供看似无限的选择，如今的受众更加多样化。这一点，再加上每个平台的人工智能对其用户的了解，使得内容创造者——或者更准确地说，是他们的算法——可以选择下一步委托什么内容，或者为规模较小但参与度更高的群体创建个性化内容。

实时数据专家DataStax的EMEA副总裁Jude Sheeran说:“从历史上看，如果一个电影制作人做了一些不同的事情，他们必须获得很多关注才能成功。”“因此，新题材很难发展起来。今天，这样的项目不需要那么多的关注。制作人可以通过少量样本快速判断某款游戏是否有受欢迎的潜力，这不仅能够创造出更个性化的内容，还能够帮助创造者找到他们感兴趣的新领域并释放创造力。”

更进一步说，未来的内容创作可能会超越个性化，变得个性化。基于人工智能助手已经可以通过语音识别个人，以及Alexa等助手越来越多地嵌入到连接的电视中，下一代电视机可能以一系列传感器为特色，使它们能够立即识别谁在观看。内容和建议将高度具体和独特的个人。

国家电影电视学院创意商业硕士系主任、《媒体管理和人工智能:理解数字时代的媒体商业模式》一书的作者亚历克斯·康诺克博士说:“在设想的未来世界里，通过创造和分配特定于消费者的合成面孔，节目可以适应每个观众的个人品味。”他继续表示，这可能包括向观众展示以自己的数字版本为特色的内容，或最有可能产生特定积极回应的化身。

不过，随着个性化程度的提高，个人数据的吸引力也越来越大。毕竟，推荐只和它们所基于的算法一样好，和它们所训练的数据一样好。

Sky的AdSmart技术从自己和第三方来源提取信息，以便了解我们拥有的技术、汽车或财产，以及我们最近的购买历史，甚至我们的Experian信用评分。然而，今年6月的一份报告发现，尽管大多数消费者(63%)愿意提供信息以换取个性化体验，但前提是品牌必须使用“自己的第一方数据，而不是从第三方购买或租用的数据”。

2017年，英国第四频道(Channel 4)和英国独立电视台(ITV)推出了一项试点计划，向一小部分人介绍了个性化广告的想法。虽然这一概念受到普遍欢迎，但当个性化变得过于具体，比如在广告中使用个人姓名或其他高度个人数据时，该组织称这是令人毛骨悚然和侵入性的。

当谈到电视时，广播公司如何才能在不疏远客户或不尊重隐私的情况下提供深度个性化服务呢?苹果是“差异隐私”的主要支持者，这是一门统计科学，研究的是尽可能多地了解一个群体，而对其中的个人了解较少。如果他们能够获得个人数据，这就没有那么有洞察力了，但就寻找行为模式和路径而言，这与目前的推荐方式并没有千差万别。它还能在不牺牲隐私的情况下，将有用的数据高精度地结合起来。

个性化与两极分化之间也存在持续的担忧。有一种观点认为，内容(尤其是新闻)的个性化程度越深，出现所谓过滤泡沫的风险就越大。据推测，个性化电视可能从根本上导致广告商的增加，他们利用这种个性化的、可信赖的联系来传播政治或其他两极分化的观点。加强对广播的监管可能会阻止这种情况发生，但这是该领域的提供商需要考虑的另一个障碍。

然而，人工智能云公司H2O战略与产品副总裁普拉桑特•纳塔拉扬(Prashant Natarajan)认为，尽管存在所有这些担忧和反乌托邦观点，个性化电视还是提供了很多希望。他在《为企业揭开ai的神秘面纱》一书中总结道。

“从根本上说，这可以归结为——在一个日益数字化的世界里，数据是我们今天对人们的情感和行为的最佳代理，而人工智能只是这些数据的一种表示。一种放置数据的方法以及它所代表的用途。会有挑战，但我相信，我们围绕人工智能和个性化展开的对话最终将创建一个新的数字生态系统，一个对我们人类来说更有成就感的生态系统。”