用人工智能和机器学习改造广播

　　约翰·瓦斯特寇特

　　与现代经济的各个行业一样，广播媒体行业目前也正在自己的人工智能（AI）和机器学习（ML）征程，机构处于评估和实施的各个阶段。但实际上，AI和ML是如何改变广播公司的工作方式？随着这些技术的不断加速发展，它们可能的发展方向是什么？在广播电视行业采用AI和ML的各种关键驱动因素中，其中之一是要求多快好省。面对通货膨胀、不断上升的资本成本和企业对盈利能力的追求，广播电视公司需要用更少的人员管理日益复杂的网络工作流程，同时降低成本。

　　在这种情况下，AI和ML技术可以应用于跨工作流程监测和配置管理，可以跨多个系统观察模式。这项技术有助于穿过无意义的喧嚣，引导操作员将注意力集中在最重要的地方，从而最大限度地提高效率并减少浪费的时间。相反，员工可以专注于其它重要的任务——一种有助于把重点放在提高生产力上的方法。

　　这也适用于许多正在迁移或已经迁移到软件定义基础设施的广播机构。这些技术提供更灵活的工作流程，包括由广播公司及其内容和附属合作伙伴控制的本地和云资产。展望未来，AI和ML将通过提供对这些复杂系统性能的深入了解，在最大限度地发挥这种方法产生的影响方面发挥关键作用。它们使广播公司能够在实时播出过程中发现问题并识别出现的不稳定因素，最终提高操作员的信心。此外，AI和ML可以根据网络和内容分析自动调整工作流程，确保最佳性能。

　　利用AI和ML的能力

　　虽然目前的各种解决方案利用AI和ML来帮助广播公司降低复杂性，增强工作流程并提高运营效率，但考虑这些技术的更广泛应用是必须的。例如，最先进、最有效的AI和ML平台旨在可预见复杂工作流程中出现的不规则现象和问题，使操作员和工程师更容易识别需要注意的频道，同时还提供对信号质量下降及其可能原因的详尽了解，促进跨组织孤岛的协作，以有效解决问题。在最前沿，实时ML还用于在问题发生之前主动提醒操作人员，确保最小的中断并提高操作可靠性。

　　展望未来，正在进行的向混合工作流程的转变将不断为广播公司提供新的机会，使其更具活力，快速增加内容和分发合作伙伴，并适应网络挑战。然而，伴随着这种活力的增加，工作流程管理变得更加复杂，这将推动对提供早期问题检测和快速响应机制的分析解决方案的需求。由于广播公司努力用有限的资源保持运营效率和适应性，AI和ML解决方案将继续成为他们成功的组成部分。因此，这些创新将在长期持续重塑行业格局，使广播公司能够在数字时代蓬勃发展。

关注读览天下微信， 100万篇深度好文， 等你来看……