本文目录一览：
tiktok是什么意思，TikTok为何风靡全球？
Tik Tok是抖音短视频国际版。TikTok的视频一般不会超过15秒，一些优质的创作者可以制作时长59秒的视频。这些视频属于不同主题，比如音乐、烹饪、舞蹈、时尚等。
TikTok于2017年夏季在全球范围内上线，并迅速受到全球用户的喜爱。目前TikTok覆盖全球150多个国家和地区。TikTok在日本、美国、泰国、印轮乱做尼、印度、德国、法国和俄罗斯等地，多次登上当地App Store或Google Play总榜的首位。
TikTok为何风靡全球
1、TikTok的全球用户数超过15亿，仅次于Facebook；
2、全球最受欢迎的5个APP当中，只有TikTok不属于Facebook；
3、2019年，TikTok有3个季度排在APP Store全球下载量第一；
4、TikTok每个用户的使用时长高达52分钟/天；
TikTok用“短视频+AI”创造的这种互动方式。TikTok是通过AI，把所有你喜欢的短视频一股腊衡脑地推陪判送给你，让你沉溺其中不能自拔。当用户上了TikTok之后，不需要思考，因为手机屏幕已经被视频充满了，TA只需要不停地往下刷，关注、点赞、评论、转发，AI记录下这一切，然后继续推荐喜欢的视频。
抖音和tiktok有什么区别
其实抖音和tiktok是一样的，只是运行国家不同，另外它们之间的数据不互通。抖音在国内的火热程度就不用说了，和国内的用户一样，海外用户也非常喜欢这种短视频应用。
盘点一些好玩的AI互动形式
人像动漫化/图片趣味处理
将自拍图像1:1生成动漫二次元人像效果，可用于开展趣味H5活动或者集成到相册，美图应用等，用户只需要上传人脸图片，即可立刻获得千人千面的动漫人像。
情绪识别
实时识别多个对象的面部表情，可分析检测到的人脸的情绪，并返回置信度分数，目前可识别愤怒、厌恶、恐惧、高兴、伤心、惊讶、嘟嘴、鬼脸、无情绪等9种情绪
适用场景：H5互动，线下互动，场景硬件结合等
人脸检测分析
基于人脸检测和属性分析，精准识别图片中人脸150个关键点信息，实现多种线上互动娱乐营销模式，如脸缘测试、名人换脸、颜值比拼等，提升用户体验趣味性，有助于娱乐产品的市场推广
准确识别多种人脸属性信息，包括年龄、性别、颜值、表情、情绪、脸型、头部姿态、是否闭眼、是否配戴眼镜、人脸质量信槐丛蚂息及类型等
人脸相似度对比
人脸对比更多用于远程开户以及身份监管等使用途径比较多，如用于互动上，可偏向于一些亲人，爱人之间相似度对比，从而达到趣味性。
颜值评分
计算检测到的人脸的颜值分数，分别返回男性和女性视角下该人脸的颜值分数。也可多个视角测试，多半用于各类医美行业或者线上互动场景。这个形式比较受众于女性群体，很多上线下的互动场景都有使用。
人脸搜索
给定一张照片，对比人脸库中N张人脸，进行1：N检索，找出最相似的一张或多张人脸，并返回相似度分数。支持百万级人脸库管理，可满足身份核验、人脸考勤、刷脸通行等应用场景，在更多的互动场景中可作为寻找与自己相似的人，来引起用户好奇心。
手势识别/手势关键识别
手势是识别基于指尖点检测和指骨关键点检测，可实现手部特效，指定手势识别创意玩法，丰富交互体验。如自定义手势：根据手部骨关节坐标信息，可灵活定义业务场景中需要用到的手势，例如面向智能家电，可穿戴硬件设备等操控手势，面向互动类的形式，可根据指定内容审核场景的特殊手势。
识别24种常见手势，支持单手手势和双手手势，包括拳头、OK、比心、作揖、作别、祈祷、我爱你、点赞、Diss、铅埋Rock、竖中指、数字等。
适用场景：指定场景识别，H5应用，AR特效、人机交互等场景
参考案例：七喜
人体关键点/人体属性识别
检测图像中的所有人体，标记出每个人体的坐标位置；不限人体数量，适应人体轻度遮挡、截断的情况精准定位人体的21个主要关键点，包含头顶、五官、颈部、四肢主要关节部位；支持人体背面、侧面、中低空斜拍、大动作等复杂场景，适用于视频直播平台、线下互动屏幕等场景，多人互动等，可基于人体检测和关键点分析，增加身体郑让道具、体感游戏等互动形式，创意娱乐体验。
图像识别
根据用户拍摄照片，识别图片中物体名称及百科信息，提高用户交互体验，广泛应用于智能手机厂商、拍照识图及科普类app中，支持识别动物、植物、商品、建筑、风景、动漫、食材、公众人物等10万个常见物体及场景，大类及细分类的名称结果。如做成互动形式，适用于拍照闯关或设计线上营销活动，根据用户拍摄图片，自动识别图片中物体是否符合活动要求，提升用户交互体验，减少人工审核成本。
适用场景：教育行业，饮食企业，科普类平台，营销互动等
物体识别/AR动效场景
物体识别为可为H5/小程序设计的混合现实应用轻量级AI模型，前端识别支持物体追踪和实物产品，逼真的渲染效果，自然的人机互动。
可改变传统包装的单一展示属性，赋予产品更多的娱乐和情感附加值，打造展示、互动、分享于一体的创新营销路径，提升用户参与度与分享意愿，强化用户与品牌之间的关联度。
适用场景：H5/小程序应用，品牌产品营销互动，品牌内容输出
案例参考：百事AR
语音识别
语音识别更多用于将音频流实时识别为文字，并返回每句话的开始和结束时间，适用于长句语音输入、音视频字幕、会议等场景，对于互动场景一般为语音输入类型，比如语音留言，
语音识别类游戏，京东18年的语音读新年话/祝福类，语音口令红包等
参考案例：语音口令红包
对于多样性的互动形式，主要重点是整体的策划结合相关活动主题类和运营环节，只有持续给用户带来惊喜才能实现活动目标和有效的宣导。对于做活动来说，“有趣”可以是一种调性，但不要刻意追求，要根据你的用户群体和活动目标而定。以上普及AI的互形式动仅供各位作为参考灵感，我司主要提供创意互动技术供应，大家随时可以找小物唠嗑唠嗑~~
国外可以直播互动的平台
国外可以直播互动的平台如下AI智能应用于tiktok评论分析，打造最强互动：
1、Facebook's Lasso
Lasso是由Facebook在2018年底发布的一款短视频AppAI智能应用于tiktok评论分析，打造最强互动，可以看作是TikTok的直接复制品AI智能应用于tiktok评论分析，打造最强互动，在算法和模式上并没有很大差别。
2、Instagram Reels
Instagram中的Reels功能也能提供15秒以内的视频制作，并且由于Instagram拥有强大的用户基数，数以亿计的用户在上面分享制作短视频，让大家随渣陆时随地的分享。
3、Dubsmash
Dubsmash拥有5年的历史，全球下载用户超过1亿。您可以观看和制作10秒短视频，可以进行自定义配音录制，其中，热度最高的功能是「口型同步」。
4、Byte
Byte由Vine的创始团队创建，它可以让AI智能应用于tiktok评论分析，打造最强互动你自由编辑和共享循环播放的视频，可以编辑从应用程序录制的素材或者用内置相机拍摄16秒钟短视频。
5、Triller
Triller由母公司Proxima Media在2015年发布，目前全球下载量达到了2.5亿，该软件提供了100多种滤镜和编辑工具，并且通过AI编辑技术，可以针对不同长度的音乐立即制作多个视辩旅频。
6、Funimate
Funimate 在海外是年轻人偏爱的编辑和共享音乐视频的一种方式。
7、TikTok
TikTok即抖音国际版是一个非常不错的短视频app、目前在国内可以说是一个最火爆的短视频平台、而抖音国际版是一个专门为国外的用户打造的国际版版本。
8、YouTube Shorts
YouTube Shorts是YouTube将其长视频平台转变为包含短视频内容的平台的最新尝试。
9、Magisto by Vimeo
Vimeo最携梁凳近收购了Magisto，一款视频编辑软件，可通过人工智能（AI）简化视频营销。
10、Lately.ai
Lately也是一个人工智能为基础的短视频制作平台，方便品牌营销人员在时间和资源都相对较少的情况向制作发布短视频。
AI应用在哪些领域？
人工智能（Artificial Intelligence, AI）是一个广泛的领域，包括了多种技术和方法。以下是一些主要的人工智能技术：
机器学习（Machine Learning）：是一种让计算机自动从数据中学习和提取规律的方法。典型的机器学习算法包括线性回归、逻辑回归、支持向量机、决策树、随机森林、K-近邻算法等庆槐。
深度学习（Deep Learning）：是一种基于神经网络的机器学习方法，能够在大量数据中自动学习抽象特征中或表示。常见的深度学习网络结构包括卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）、生成对抗网络（GAN）等。
计算机视觉（Computer Vision）：是一种让计算机理解和处理数字图像或视频的技术。计算机视觉的任务包括图像分类、物体检测、语义分割、人脸识别、光学字符识别等。
自然语言处理（Natural Language Processing, NLP）：是一种让卖差伍计算机理解、生成和处理自然语言文本的技术。NLP的应用包括机器翻译、情感分析、文本摘要、问答系统、语音识别、语音合成等。
强化学习（Reinforcement Learning）：是一种让计算机通过与环境互动来学习最优策略的方法。强化学习已被成功应用于游戏智能、机器人控制、自动驾驶等领域。
专家系统（Expert Systems）：是一种基于知识和推理的人工智能技术，能够模拟人类专家解决问题的过程。专家系统主要包括知识库、推理机和用户界面三个部分。
机器人技术（Robotics）：是一种涉及计算机、机械、电子等多学科的技术，用于设计、制造和控制机器人。机器人技术在制造业、物流、医疗、家庭等领域得到了广泛应用。
艾耕科技CEO韦啸：可信AI助力内容创作实现智能化
作者 | 维克多
编辑 | 琰琰
7月9日，在2021年世界人工智能大会的可信AI论坛上，艾耕 科技 CEO韦啸进行了题为 《可信AI助力内容创作实现智能化》 的报告。他在报告中指出了AI内容生产在“可信”方面遇到的挑战，并给出了三条提高AI内容生产可信性的技术建议：
1.知识图谱沉淀行业专家经验提升可控性；
2.专家系统与局部模型提升可解释性和可调性；
3.强调人+机器协同的工作模式。
此外，在报告结束，AI 科技 评论和韦啸进行了一场关于“AI发展路径”的交流，他认为当前人工智能想要取得突破性进展，必须等待其他领域，例如生物学领域，有突破性的发现。
今天的演讲题目是《可信AI助力内容创作实现智能化》，分享一下AI在内容生产方面遇到的可信挑战。回顾互联网的前世今生，从门户网站到搜索引擎、到社交网络、再到超级APP，互联网发挥的核心作用是：分发内容。而内容生产属于互联网的上游，每年制作物联网流通的内容成本超过千亿。
人工智能（AI）作为技术发展的桥头堡，未来十年的技术热点，其一定会在行业里发挥巨大的作用。
目前，AI已经能够生产各种各渗春样的内容，例如强大的GPT-3模型，其内容生成能力一度让人类惊呼。但实际上，GPT-3生成的大量内容都是胡说八道的，没有办法直接使用。这对应的是AI稳定性问题，即生成算法不可控。
可解释性，可调性，是AI生产内容过程中碰到的另一个问题。举个例子，当我们用AI进行视频生产时，无论是半自动还是全自动的方式，采用同一模板生成的视频，在社交平台上获得的点赞数和流量却不一样。至于为什么？用户希望能够有一个解释，即是算法出了问题还是其他方面的问题？这就是内容生产遇到的AI可解释性挑战。
其实，内容生产和内容生成不同，今天AI技术大多仅支持内容生成，内容生产意味着要为产业赋能。内容生成里的专家主要有主编、编辑和运营。而内容生产需要将AI技术有机整合成一个专家系统，包含上述一系列的角色，对于不同角色进行不同程度的赋能，从而提高内容生产的能力。这也是我们一直丛简耐打造的品牌“AIZAO, AI造”。
它的逻辑是先依靠电商或者品牌的营销专家，然后基于他们对行业的理解，用知识图谱支撑智能素材库，生产出合适的图、文内容，最后加上运营数据的回流，就可以构成生产力的大幅度提升。
为了让这一AI系统生成的内容更为可信，我们做了如下的尝试：1.知识图谱承载专家经验提升可控性；2.专家系统与局部模型提升可解释性和可调性；3.强调人+机器协同的工作模式。AI一定会犯错，人机协同是提高AI可信性的举措之一。
总结一下，如果想搭建一个更为可信的内容生产平台，需要遵守三条原则，第一，坚守向善价值观，不做恶；第二，建立评估体系，保证系统生产的内容可信；第三，明确算法系统的责任。我们可以感受到，互联网充满了不可信的内容，已经对 社会 产生极大负面的价值，我们希望算法设计出之后，其所承担的责任能有清晰的界定和边界。
AI 科技 评论：请问您如何看待可信AI？
韦啸：可信AI 包括几个方面：稳定性、可解释性、可调性、公平性等等。这意味咐并着可信AI不是一个概念，更多的衡量如何把一个技术更好的赋能各个场景。
关于构建可信AI需要四方面的发力：
1.技术和学术上的突破。机器学习模型中的黑盒性是AI可信问题的源头之一，很多AI技术如自动驾驶，AI医疗影像的应用，背后其实有可解释性，可控制性的缺陷，邢波老师的Petuum，就考虑了如何提升黑盒模型的debuggability。杨强老师主推的联邦学习，又在一定程度上能解决数据隐私问题，所以技术的发展，肯定能够带来更多可信的解决方案。
2.政策、法律衡量责任。一个算法存在开发者和使用者，但算法出错，如何衡量双方的责任，是需要政策制定者考虑的事情。
3.遵守商业道德准则。算法即技术，技术中立，向善的人使用，会产生好的结果，心怀不轨的人使用，会产生恶果。
4.明确可信的目标。所有的算法都针对一个目标进行优化，我们在设立这个目标的时候，能否将可信作为一个目标衡量？
AI 科技 评论：相比深度学习，传统AI模型的可解释性比较好，您如何看待两者的关系？
韦啸：我举个例子，美国人工特别昂贵，很多车主自己动手修车。衡量一个修车匠是否能“打”的一个标准是：修车工具箱里工具种类是否丰富。这个工具箱可能有一些17世纪就有的改锥，也可能有新开发的智能电钻。其实，老改锥还是新电钻都存在于工具箱里，使用哪种锯子修车取决于具体的场景。
类比到AI内容生产领域，GPT-3这一模型确定能够提高基底模型表现，在从语料库提取特征方面，非常高效。但是，有些场景要求生成的内容丝毫不能出错，例如宝马X5的排量是2.4，如果AI生成的是2.5，显然就不符合要求。因此，这时候如果采用经典的PCFG，效果反而会更好。
因此，深度学习也好，传统模型也好，它们都在工具箱里，如何使用，关键要看具体的场景。所以，我们创业者也要摒弃一个观点：新工具不一定比传统工具产生更大的商业价值，毕竟一些比较老的模型研发成本比较低，新模型（深度学习）研发成本比较高。
AI 科技 评论：AI内容生成领域，遇到哪些可信方面的挑战？
韦啸：正如我演讲中提到的，第一是稳定性，我们在用工具创造标题的时候，有些生成的内容质量高，有些却不通顺；第二是可解释性，同一组算法生成的视频，却获得了不同的流量反馈，人工干预也无法总结优化的路径；第三是AI系统一定会犯错，不管什么模型，只要场景足够复杂系统就一定会犯错。这时候需要人机配合，往往可以大幅提高工具使用的可信度。
AI 科技 评论：在实际操作过程中，AI还无法取代人类？
韦啸：在某些特定领域，AI可以取代人工，但也不能取代人。工具取代人工一直在发生，例如超市售货，很多时候顾客选品扫码支付不需要和售货员互动，即便如此，无人超市也没有普及，这就侧面说明了售货员还有他存在的价值。但也不得不承认，超市管理中，现在所用到的人力成本比原来要少很多。
AI内容生产也是如此，某些情况下，AI剪辑视频的质量和操作精度已经超过人类了，但是仍然需要人类进行审核、把关。
AI 科技 评论：目前人工智能的发展，呈现出“大”的特点，例如大数据集、大模型，您如何看待？
韦啸：技术发展的路径非常复杂，存在很多不同的道路，大模型只是一条 探索 路径，但肯定不是唯一的路径。之前在和学者进行交流的时候，他们表达的一个观点是：其实人工智能领域也在期待其他学科，例如脑科学的突破，例如直到今天，我们清楚的知道人脑对于一些观察和决策的工作机理，例如颜色是如何被探测和判断的，但是高级的认知例如红色这个概念，大脑如何存储和计算，却没有很好解释。而这些解释上的突破，很有可能为算法的设计提供全新的思路，在大模型之外，为AI的应用打开新的场景。
由于微信公众号试行乱序推送，您可能不再能准时收到AI 科技 评论的推送。为了第一时间收到AI 科技 评论的报道， 请将“AI 科技 评论”设为星标账号在看”。
