不知道从什么时候开始，各大视频平台引以为豪的推荐算法开始失效。
目前人们打开一些视频app，反复刷了近半个小时，还是看不到想看的视频。而是看到很多不相关的内容忍不住点“X”。
但即使你在这类视频上点了个“X”，下次还是会顽固地出现。
在内容多元化的今天，传统的推荐算法似乎越来越不“懂”用户了。
为了解决这个问题，有人选择把猜测用户的任务交给AI。
比如10月初，全球最大的免费视频平台之一Tubi发布的《兔子AI》就是这样一个代表。
Tubi是福克斯公司收购的免费视频专题片平台。其主要业务是提供免费但有广告支持的电视剧(FAST)，类似于优爱腾的“免费区”。截至9月，Tubi月活跃用户突破7000万。
如果用一句话来总结兔子AI和传统推荐机制的区别，那就是采用ChatGPT内核的Tubi，用聊天代替原来的被动推荐算法。
用户打开兔子AI后，只需要在聊天界面输入想要观看的电影类型，AI就会自动调出电影库中的类似内容供用户选择。
加载了GPT-4的Tubi将从包括20万部电影和电视剧在内的电影库中挖掘独特的片头，并根据语义上下文提供个性化推荐。
然而，这个“AI视频助手”和传统的搜索引擎有本质区别吗？真的代表了视频平台的新方向，还是哗众取宠的噱头？为此，我们专门评测使用了Tubi、爱奇艺、哔哩哔哩的AI功能...
第一卷
如何猜测用户？
为了回答刚才的问题，我们不妨做一个简单的测试，看看最新的生成式人工智能与传统的搜索引擎有什么本质的不同。
上图中，我们对兔子AI说:“有没有关于鲨鱼搞笑的电影？”你能帮我找几部关于鲨鱼的搞笑电影吗？
经过一番调查，艾提出了以下结果:
可以看出，部分结果还是符合我们对“鲨鱼”“搞笑”等元素的要求。
比如Sharknado(壁球风)就是一部关于鲨鱼的喜剧电影，虽然评分有点低。
那么，如果用传统的搜索引擎来查询呢？
嗯...如此复杂冗长的文字要求，对于传统搜索引擎来说，似乎有点勉强。
不过这其实也不完全是搜索引擎的锅，也和平台本身有关。这个后面会提到。
当我们精简了关键词，只输入“鲨鱼”和“搞笑”进行搜索的时候。情况仍然不太令人满意。
虽然结果多了一点，但是相关性很差。在结果中，有三部年轻的动画片和两部音乐喜剧，只有Sharknado2在边缘。
其实这个结果并不意外。
因为平台本身的搜索普遍较差，因为对于平台来说，在成本上不值得转用谷歌、搜狗等专业引擎。
当我们将同样的文本输入到谷歌等传统搜索引擎中，我们发现结果显然更加准确和丰富。
尽管如此，使用生成式人工智能进行搜索仍然是该平台的一个优势策略。
搜索AI在平台上的另一大收获，除了免去用户去外部搜索引擎，增加平台粘性之外，就是可以针对平台独有的“特色资源”进行优化。从而更好的服务目标用户。
例如，哔哩哔哩和爱奇艺就是这样一个例子。
以哔哩哔哩的AI助手为例，它的优势更多地在于对一些漫画剧的搜索。当用户想看的漫画剧有一些抽象的特点，很难被标准化和分类的时候，AI助手就会发挥很大的作用。
比如下图，搜索“催泪喜剧”就是一个明显的例子。
可以看到，在搜索结果中，AI助手非常准确、直接地展示了各种催泪剧的具体名称。
如果用传统的搜索方式代替AI assistant，用户必须在不同时长的视频中逐一观看，在观看过程中可能还得时不时拖动进度条才能找到自己喜欢的哑剧。
或许正是因为洞察到用户“通过UP主视频学习戏曲”的行为，哔哩哔哩在设计AI助手时也做了针对性的优化。
搜索结果中的介绍其实来自于Up主们在普通搜索中已经做好的评论文案——因为哔哩哔哩现在可以自动为视频生成隐藏字幕，所以在搜索视频内容时，只需搜索字幕的内容即可。
即便如此，这样的搜索AI也不是很“聪明”。
比如它给的一些剧(比如音乐盒，闻所未闻等。)的版权归哔哩哔哩所有，但AI甚至没有跳转链接，这表明它不“知道”它生成的内容是什么。
相比之下，爱奇艺今年推出的AI搜索功能，非常精准地实现了这样的“跳跃”。
与哔哩哔哩类似，爱奇艺AI助手的优势是对平台自有剧进行“特色搜索”。
例如，基于人物角色进行搜索时，用户只需输入剧中人物的姓名，搜索AI就会自动检索相关剧集，从而一键查询相关剧情和人物信息，让用户直观了解整个剧情的大致情况。
这样的“跳转”功能，可以准确定位剧集和分钟，这是传统推荐算法和搜索引擎确实很难做到的。
但是，它的原理其实并不复杂。这是因为电视剧会写“这一集”，并在宣布期间设置章节跳转。
我们把齐一的AI搜索给出的故事丢进百度，也能找到完全一样的文字。所以不是AI生成的，可以规避“瞪眼撒谎”的风险。
不难看出，爱奇艺之前对视频的结构化拆解越多，就越能深入影片，现在这个AI助手就更有用了。
看了这么多视频网站的AI助手，风格各异，各有特长。那么，现阶段的视频AI助手在传统推荐算法上能有多大优势呢？
说到这里，首先要说说传统算法的局限性。
第二卷
流域
一般来说，传统算法的缺陷/弱点主要集中在推荐结果不准确，内容重复，或者冷启动时一些小众内容不能很好的匹配。
这种情况是由传统推荐算法的技术特点决定的。
具体来说，这些功能包括:
1.数据稀疏性
在某些情况下，传统推荐算法捕捉到的“用户画像”往往是一个广泛的、标签化的群体。很难捕捉到个人的微妙偏好。
例如，如果某人是男性用户，他们更有可能被推荐一些军事和政治相关的内容，即使用户并不真的想看这类视频。
这种现象很大程度上是由数据的稀疏性造成的。
在推荐系统中，数据稀疏性主要体现在用户-项目评分矩阵中。理想情况下，这个矩阵应该是密集的，也就是每个用户都给很多项目打分或者互动过。
然而，在实际应用中，用户产生的数据通常是非常稀疏的。换句话说，在众多用户中，可能只有少数人对项目进行过评分或互动。
想想看，哔哩哔哩有多少人会在看完视频后“一键连三次”？
2.协同过滤
除了过于“粗放”的问题，传统推荐算法的另一大症结在于推荐内容的同质化和重复。
例如，算法经常根据用户的观看历史推断用户的兴趣偏好，并推荐视频。
这样的推荐机制背后其实是一种叫做协同过滤的技术。
即根据用户的历史行为数据，找到用户与项目的相似之处，从而为用户提供个性化推荐。
这种技术的优势很明显，就是容易“为用户投票”。
然而，它的局限性也同样明显。
协同过滤倾向于推荐热门项目，因为热门项目的交互数据更多，更容易计算相似度。这可能导致一些小而优质的项目被忽略，也就是所谓的“热长尾问题”。
3、冷启动
所谓冷启动，是指在没有足够的用户行为数据或内容信息的情况下，为新用户或新内容提供精准推荐的过程。
当一个新的项目(比如视频)加入推荐系统时，由于缺乏用户评价和行为数据，系统很难评估其质量和受欢迎程度。
冷启动的问题在一些冷门作品中比较突出。
传统的算法推荐，其实一直在苦苦寻找解决这些问题的方法。
例如，哔哩哔哩为冷门视频制定了一套推荐算法。在用户以感兴趣的方向看了一个UP所有者之后，可以通过沿着视频找人来向他推荐更多相似的UP所有者。
此时大模型的广泛应用，极大地帮助了用户精准找到自己喜欢的内容。
这是因为，要利用好搜索，对普通人来说可能也是一门学问。有些人可能需要问几次才知道自己真正想搜索的是什么。
再看这个“提问”过程——这不正是大模特擅长的吗？
所以把大模型引入搜索的贡献在于，它可以理解用户的非标准输入，按需结构化，变成机器更容易理解的查询词。
通过这种更具互动性的AI搜索，平台也可以获得更多的用户反馈，进而进一步优化算法和内容。
第三卷
新的增长点
目前基于大模型的AI视频助手还处于发展初期，很难取代传统的推荐算法机制。然而，这无疑是一件很“酷”的事情。
如今，视频行业已经成为一片红海，这类新技术的出现为各大平台期待新一轮增长提供了理由。
目前，广告仍然是视频行业的主要收入来源，但其增长率将在2020年降至67%，这表明视频行业迎来了增长危机。
这样的危机是市场逐渐饱和，用户增长瓶颈，视频行业发展放缓造成的。
2021年9月，中国短视频月度用户和渗透率逐渐见顶，行业新增用户降至3.23亿，降幅20.1%。
增长放缓和行业日益内卷化的背后，是内容日益重复和主题过时的困境。
随着视频行业的发展，各个平台的内容已经非常丰富，几乎每个垂直领域和方向都有成熟的内容生态。
在这种情况下，如何通过精细化运营让用户在密集的信息中高效找到自己喜欢的内容，成为了拉辛留存的关键。
正如我们上面提到的，全新的生成式人工智能技术在帮助个性化推荐方面表现出了良好的技能。
今年2月，国外知名音乐流媒体平台Spotify也利用生成式人工智能技术为用户带来个性化音乐和播客推荐。
这项新功能Spotify DJ结合了生成式人工智能和动态语音技术。播放时，虚拟“DJ”的声音会解释它为什么选择这首歌，用户最后一次听这首歌的时间等信息。
现在在音乐网站听歌，更像是打开收音机，听着音乐广播的“熟悉味道”。
自Spotify DJ于今年2月在北美推出以来，得益于其更加个性化的音乐体验，其用户数量和收入均有所增长。
根据Spotify发布的2023年第一季度财报，其月活跃用户(MAU)首次突破5亿，达到5.03亿，同比增长19%。付费用户也达到1.82亿，同比增长15%。
不仅是精细化的内容推荐，AI技术的个性化广告也成为AI在视频领域的又一大收获。因为更好的了解用户的广告还是可以减少用户的厌恶和抵触。
早在2015年，爱奇艺就开发了两项前沿的AI播放技术:
一种是Video in，即在已拍摄的视频中，将某一画面上的广告牌动态替换为全新的广告素材，从而达到无缝、自然的传播效果。
中楼的广告其实是AI植入的。
另一种是Video Out，可以快速识别视频中放置展示的某个商品，没有一秒钟的延迟，直接“链接”。
这样的技术，如果结合AI的分析能力，可以准确知道哪些用户喜欢看什么视频，哪些广告更适合这类视频。
这种创新的可能性现在已经成为各种音频和视频平台增长的主要推动力。
根据大观研究的报告，2023年全球视频内容管理市场规模将达到56.7亿美元，预计2030年将达到143.9亿美元，年复合增长率为11.6%。
其中，AI技术在视频内容管理、分析和推荐方面的创新应用是推动市场增长的关键因素。
如果说传统的推荐算法是“信息找人”，那么更具互动性的生成式人工智能则为用户提供了“与信息共舞”的体验。
在这种体验中，用户将不再是抽象僵化的标签和数据集，而是成为真正能表达自我、追求自我的独特个体。
在所有内容都可以批量生产的当下，这样的独特性才是最有价值的。"