每个月都有超过19亿的用户登录YouTube，他们每天观看超过10亿小时的视频。每分钟，创作者上传300小时的视频到这个平台。鉴于如此惊人的用户数量、活跃度和内容数量，YouTube利用人工智能的力量来帮助运营可谓意义重大。
以下是YouTube借助人工智能来助力运营的几种方式。
自动删除不良内容
今年第一季度，多达830万条视频从YouTube上被删除，其中76%是由人工智能分类器自动识别和标记出来的。当中超过70%还没被用户观看过就被识别出来了。虽然这些算法不是万无一失的，但它们在清理内容方面要比人工单独监控平台快速得多。
事实上，据YouTube的EMEA区负责人塞西尔·弗洛特-库塔兹(Cecile Frot-Coutaz)称，YouTube的“首要任务”是保护用户免受有害内容的侵害。为了实现这一目标，该公司不仅投资于人力专家，还投资于机器学习技术。人工智能极大地提高了YouTube快速识别不良内容的能力。在使用人工智能之前，只有8%的不良视频在观看量达10次之前被标记并删除；但在使用机器学习之后，删除的视频中有一半以上的观看量不到10次。
该公司还使用“垃圾视频分类器”来扫描YouTube主页和“接着播放”展板。它会关注来自观众的反馈，他们可能会举报误导性的标题、不宜或其他不良的内容。
视频特效
谷歌的人工智能研究人员训练了一个神经网络，使其能够在不需要借助专门设备的情况下更换视频背景。虽然这一点几十年来都是能够做到的——想想绿色背景被数字效果所替代——但这是一个复杂而耗时的过程。研究人员用经过仔细标记的图像训练了一种算法，使得它能够学习模式，由此创造出一个能够跟上视频进度的快速系统。
“接着播放”（Up Next）功能
由于YouTube上的数据集因为每分钟都有用户不断上传视频而不断变化，驱动其内容推荐引擎的人工智能需要不同于Netflix或Spotify的推荐引擎。它必须能够在用户不断添加新数据的同时处理实时推荐。YouTube得出的解决方案是一个由两部分构成的系统。第一部分是生成候选内容，让算法评估用户的YouTube观看历史。第二部分是给每个视频打分的排名系统。
前谷歌员工吉拉姆·查斯洛特(Guillaume Chaslot)说，这对平台和广告商来说都是好事，但对用户来说就不那么好了。这种推荐机制可能会“强化”那些稀奇古怪的视频，人们观看的时间越多，那种内容就被推荐的越多。
深度预测训练
由于数据如此之多，YouTube视频为人工智能算法提供了肥沃的训练土壤。谷歌人工智能研究人员利用平台上发布的2000多个“人体模型挑战”视频，创建了一个能够识别视频景深的人工智能模型。在“人体模型挑战”中，一群人在视频中站着一动不动，就像被冻住了一样，让一个人给它们拍摄视频。最终，这种深度预测技术将有助于推动增强现实体验的发展。（乐邦）
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
