第(2/3)页

    冯见雄说到这里的时候，稍微停顿了一下。也观察了杰克马的接受度，又通俗解释了几个点。

    他的这番理论，如果都用术语表述，可能比较晦涩。

    但是，举个小学生都懂的例子，横向对比一下，就通俗了——谷歌科学家们，在调教“深度学习”型人工智能、理解人类语言文字/图像信息的时候，其实有点儿像老师给小学生上语文课。

    相信小学生都记得，当年语文课的时候，老师会不厌其烦问你：这篇课文的主要内容是什么？中心思想是什么？线索是什么？

    很多小学生当初肯定是内心有一万头羊驼奔腾而过：尼玛！老子知道这个课文说了啥，看懂不就好了？你问个屁的“主要内容”、“中心思想”啊！考试答错了还扣分！

    但你别说，调教机器人学语文的时候，还真得严格按照“主要内容”、“中心思想”这么一步步总结下来。很多人类觉得可以靠本能绕过去、或者省略掉的步骤，机器是绕不过去的。

    杰克马很快就懂了，示意他继续：“那么，然后呢？”

    冯见雄继续解说：“既然知道谷歌的技术路线了，那么我们就可以推断：在实现最终极的目标之前，谷歌需要先解决‘读懂一张图里发生的故事’的问题，然后再考虑‘如何选出一个视频中最能体现中心思想的那几帧’。

    那么，距离‘读懂一张图里的故事’这一步，谷歌目前差多远呢？我认为大致是三年——目前谷歌已经可以做到识别图片里是不是有一张人脸，但还没法识别这个人到底是谁、和另一张照片里的人是不是同一个。

    谷歌还能识别出‘图里有没有一只猫’，但识别不出‘这只猫和刚才那只猫是否是同一只’。而大约三年之后，这些都不是问题。谷歌能做到‘从识别出图里有只猫’，到‘识别这一帧在讲什么故事’。

    我们如果紧跟谷歌的步伐，结合阿狸系的图像识别研发，就算留一年余量好了。那么2016年也能搞出‘让机器读懂一帧’的商用技术。当然，这里面肯定需要与阿狸系图像识别团队的深度合作，也需要后续的投资。

    而对我来说，只要做到了‘识别出一帧’，我就能‘大致读懂整个故事’，从而把谷歌需要用纯技术手段解决的问题，用运营手段给暂时绕过去。”

    技术不够，运营补。

    这一招，冯见雄用得屡试不爽了。

    “怎么补？”杰克马的语气已经有些急切，他觉得自己完全被冯见雄天才的脑洞给折服了。

    “杰克，你看过N站的视频么？看过优酷或者youtube的么？”冯见雄不公布答案，而是先反问了一句。

    “都看过吧，不多。”杰克马不明所以，回答得比较谨慎。

    冯见雄终于到了揭开谜底的一刻，他傲然笑道：“那不知道你有没有发现一个细节——优酷和youtube上的视频，其实都是没有‘封面’的，而我们N站的UP主，在上传视频时，已经养成了另外传一张图片作为封面的习惯了——当然，说实话，这个习惯不是UP主们自发养成的，是我让天音硬逼着UP主们养成的。

    或许将来有人看到这一招有效之后，会跟风我。但是一个网站的内容提供者水平，是不可能一朝一夕提高的，用户习惯也不是一朝一夕可以改变的。优酷未来即使学了，他们的UP主在选封面方面的水平，也是远远弱于N站的……”

    后世看过B站视频的人，如果同时也是优酷用户，恐怕不难发现一个现象：

    在B站上，有一批恶劣的人，经常拿封面来实现“标题党”的目的。

    比如，凡是MMD配布模型的初音/巡音/弱音/爱酱舞蹈动画，都会上一张暴露度特别羞耻的图片作为封面，先骗用户点进来。

    然后实际上，这张图的尺度，是明显超过视频过审尺度的，属于“视频里如果真出现这样的镜头，肯定会被404”.因此用户看完全视频，都发现压根儿就没有出现封面图的镜头。

    这时候，用户们就会怒吼“交封不杀！”、“可耻的播放量！”、“下作的播放量！”

    唱到了甜头的B站UP主们，为了骗点击，就从此在“交封不杀”标题党的路上越走越远。

    但是，这其实是B站的一个运营阴谋……嗯，或者说得好听点，策略。

    因为它成功地逼着自己的UP主们，精挑细选一张最能凸显视频主题思想的图，来当封面。

    相比之下，若干年后的优酷视频，虽然也开始有“封面”这个选项，而不是直接拿“非黑屏的第一帧图像直接作为默认封面”。但优酷上的封面，并没有那么精挑细选、标题党。

    B站的这种差异化策略，其实就是在赌，当人工智能读图技术发展到“能看懂某一张图的主题故事”这一道门槛之上、但还没到“识别出一个视频里哪几帧最重要”程度时，这中间这段窗口期里，B站就能在“精确猜测用户对视频内容的喜好”这个领域，实现偷跑。

    偷跑的原理是什么呢？
    第(2/3)页