【摘要】在广播电视监测监中，人工智能发挥着越来越重要的作用，本文对人工智能的运用展开讨论，对人工智能的概念进行简要介绍，并对其关键技术以及运用进行了分析，以期为相关研究提供参考。
【关键词】人工智能，应用分析，广播电视
1人工智能的基本概念
1.1人工智能的定义
人工智能是一个以人工智能为核心，以自然智能、人工智能、集成智能为一体的智能科学技术学科。它的定义首先从定义智能开始。人类的智能简称智能，是指人类在认识客观世界中，由思维过程和脑力活动所表现出的综合能力。人类的大脑如何实现智能是世界两大难题之一。智能有感知能力、记忆和思维能力、学习和自适应能力、行为能力等四方面主要能力。
在对人工智能进行讨论时，可以从两个角度来看，即学科和能力。学科方面来看，人工智能主要是对智能系统展开研究的学科；从能力方面来看，人工智能主要是通过先进手段，让机器自动执行任务。
1.2人工智能的基本特征
人工智能理论基础研究，是多学科的交叉研究，同时具有集成智能。例如，对符号、行为的集成智能和有机融合，各种资源的相互作用、传导和传递，实现资源的共享、融合和新生。互联网走向未来互联网，智能机器人发展为未来智能机器人，进一步与主流信息技术融合，并将应用于人类社会的各个领域和人类生活的各个方面智能技术促生的智能产业，将会成为第四产业，智件也将逐步从软件中分离出来，成为智能计算机系统之一。人工智能作为自然科学和社会科学的交叉学科，其核心是思维和智能，涉及的离散数学、模糊数学、认知心理、逻辑思维学、形象思维学以及计算机科学等基础学科，并依赖脑科学、认知科学、系统科学、控制论等多种学科的共同发展。尽管目前人工智能不同研究学派在理论基础、研究方法方面还存在差异，但不影响它在科技进步和创新中占据着重要地位。
1.3我国人工智能的战略发展要点
在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，我国的人工智能快速发展。世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，我国也把人工智能的发展放在国家战略高度，出台了一系列有关政策标准和产业推进计划。2017年7月8日印发并实施的《新一代人工智能发展规划》中明确了我国人工智能战略目标，并对人工智能的发展战略进行了整体部署，就是要构建一个开放协同的人工智能科技创新新体系，坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进，并强化科技、经济、社会发展和国家安全四大支撑。
2广播电视监测监管应用人工智能关键技术
就现阶段来看，将人工智能运用于广播电视监测中，其技术主要涉及到机器学习，智能识别，智能系统等方面。
2.1机器学习
机器学习是机器自动地获取新知识并具有智能的根本途径，通过知识结构的不断完善与学习更新来提升机器自身的性能，是人工智能的核心技术。研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。阿尔法Go就这项技术一个很成功的体现。机器学习有多种不同的分类方法，如果按照对人类学习的模拟方式，机器学习可分为符号学习和神经学习等。
2.2智能识别
智能识别是指利用人工智能的方法从大量信息中识别并判断出所需的信息或知识，尤其是海量的信息或知识，主要包括基于深度学习的图像内容和语音内容的智能识别。基于深度学习内容识别技术，是当前研究和应用的热点，广泛应用于语音、图像、视频等识别的各种模型的变形体或结合体模型，可应用于智能编目、广告检测、智能检索、智能审核等领域，需着重解决的主要问题还有具有一定自然语言理解能力、具有一定的推理能力和具有一定的常识知识。
2.3智能系统
智能系统指各种具有智能特征和功能的软硬件系统。从这种意义上讲，人工智能的许多研究内容都应以智能系统的形式来表现，例如智能控制系统、智能制造系统、智能检索系统等。其典型应用系统有专家系统和智能决策支持系统。专家系统是一种基于知识的智能系统，它将领域专家的经验用知识表示方法表示出来，并放入知识库中，供推理机使用。有模糊专家系统、神经网络专家系统、基于Web的专家系统、协同式专家系统和分布式专家系统等。智能决策支持系统是在传统决策支持系统中增加了相应的智能部件的决策支持系统，把人工智能技术，尤其是专家系统技术与决策支持系统相结合的产物。
3人工智能在广播电视监测监管中的应用分析
有理解能力的机器进行大规模信息处理、分析和决策，将有力推动音视频智能处理技术的进步，应用人工智能为广播电视监测监管“赋能”，迎接新的技术带来的挑战。
3.1音视频内容的智能识别监测
智能识别监测在广播电视监测监管中的应用，围绕广播电视信号的技术监测和节目内容的监管两方面开展，主要应用场景涉及语种识别、语义判断、图像识别、音视频可视化数据信息转换以及智能分析研判等，其能力主要取决于模型构建、机器学习能力以及对海量音视频数据的智能识别监测和智能分析处理能力。把监管数据分析、案例研究等不断积累案例库、知识库，作为深度学习的样本数据，为应用基于深度学习的人工智能技术提供数据模型储备。
3.2监测监管数据信息的智能编目
智能编目是指数增长的监测监管数据信息智能化管理的最有效方式。通过智能识别、语义判断、机器学习等，对监测监管数据信息资源的形式、内容特征进行分析、选择、记录，并赋予某种检索标识，并将这些描述信息按照一定的规则有序化的组织起来。
3.3网络安全智能态势感知
态势感知是一种以安全大数据为基础，动态的、基于整体环境的洞悉安全威胁和安全风险的一种方式，并从全局视角确定安全威胁、相应处置能力，并最终形成决策与行动。智能态势感知需要对广播电视网络终端、关键网络节点安放智能探测器，接受网络环境和风险情况，并对海量安全数据进行关联分析和行为建模，实现对漏洞、威胁、风险、攻击等的全面态势感知，并对网络安全和终端安全给出预警，并进行阻断、修复等自适应自动决策处理，来止损全链条的自动化智能响应，同时通过提前预设对抗样本对模型做专项对抗训练，测试模型的稳定性和安全性。
3.4监测监管的智能系统应用架构
监测监管的智能系统的应用架构，从逻辑上由平台层、服务层、应用层和业务层组成，从流程上有数据集设计、算法选型、训练优化、测试评估、集成部署等环节。平台层是智能应用训练、测试评估与集成部署的基础支撑层。服务层以平台层提供的支撑为基础，运行智能识别处理、可视化数据转换、大数据分析推理、综合分析研判等基础服务。应用层完成语音识别、语种识别、音视频拷贝检测等。业务层面向广播电视监测监管的技术监测、安全播出监管、节目内容监管、广告监管、机构监管，以及资源的分配、控制、分发、终端管理等业务环节，提供监测监管人工智能应用。
4结束语
近几年来，科学技术发展迅速，人工智能技术获得重大进步，在广播电视监测中大放异彩，智能系统、智能识别、机器学习等方面特有的能力，让其能更好的执行广播电视监测任务，在广播电视监测监管技术创新中应用人工智能的最新成果，激发监测监管新动能，为新时代智慧广电发展提供有效的监测监管保障。
参考文献:
[1]胡永祥.人工智能技术发展现状及未来[J].中外企业家,2018(28):147-148.
[2]朱永海,刘慧,李云文,王丽.智能教育时代下人机协同智能层级结构及教师职业形态新图景[J].电化教育研究,2019,40(01):104-112+120.
[3]谭建荣.制造业与互联网融合的趋势和实践[J].物联网学报,2018,2(04):1-4.
[4]李德毅.细说人工智能[J].金融电子化,2017(09):23-27.`