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。