摘要：广告创作是从创作概念生成到表现落地的整个系列过程。传统广告的创作模式体现在基于小规模数据的消费者洞察所产生的创作概念、全面式覆盖单一表现形式的创作表现和缺乏优化调整的一次性创意制作的创作反馈。在创新技术的冲击下，广告产业的传统创作模式在创作理念、制作模式方面存在困境，在智能化浪潮下传统广告创作的地位日益“边缘化”。自然语言处理与情感分析是广告文案智能创作的基础，计算机视觉是广告图像智能创作的基础，计算机视觉、自然语言与语音识别技术是广告视频智能创作的基础，这些智能技术在广告产业的运作推动了广告创作的智能化变革。
关键词：人工智能；广告创作；创作概念；创作表现；创作反馈
余明阳、陈先红教授在《广告策划创作学》中将广告创意定义为“为了达到广告目的，对未来广告的主题、内容和表现形式所提出的创造性的主意”。张金海、姚曦教授将广告创意进一步进行了狭义和广义之分： 狭义上的广告创作是能够表现广告主题、有效和消费者进行沟通的艺术构想，而广义上的广告创作则包括了对整个广告运作流程中每个环节的创作构想。由上述定义归纳可得：广告创意指的是一种创造性的想法、构思或者概念。在传统广告运作流程中，广告制作是广告创作之后的执行环节， 是把概念落地成为创作表现和广告成品的具体实施阶段。智能化广告时代的开启，将广告对于速度、规模以及个性化的追求迅速放大，传统广告创意和广告制作之间的时间间隔被不断缩小，实时的数据反馈和优化调整意味着在想法产生的同时完成制作并快速进入投放渠道。广告创作指的是从创作概念生成到表现落地的整个系列过程。在技术创新与产业运用的视角下，研究者从传统广告创作的模式、传统广告创作的困境和广告创作的智能化变革三个方面，分析从传统到智能的广告创作变革。
一、传统广告创作的模式
全面型广告代理公司的典型组织结构包括以下几个部分：客户部、调研部、创作部、制作部、媒介部、营销部和公共职能部。在严格的部门职能规划下，传统广告的内容创作遵照标准化的线性操作模式：客户部对接广告主，初步收集客户信息与需求；调研部通过市场调研和消费者洞察掌握市场动态和消费者特征；创作部整合分析确定广告主题，进行创作思考发散并完成广告创作成品。传统广告的创作模式可以概括为三大板块—— 创作概念、创作表现与创作反馈，并呈现出千人一面的单向性特点。
（一）创作概念：基于小规模数据的消费者洞察
创作概念是广告策略的凝练， 是对广告活动总的特征的看法。作为广告创作的重要内核，创作概念连接着创作表现，为广告提供具体而明确的创作方向，而它的形成和提炼则离不开消费者洞察。消费者洞察是广告创作流程的第一步，也是广告创作与制作的出发点和原点，详尽科学的市场调研和消费者心理要素把控是确立广告创作概念、发散创作思维的核心基础。消费者洞察的结果直接影响着创作的方向与成果。
传统广告运作流程下消费者洞察的方式与手段主要有两种，一是定量研究，二是定性研究。不论是定量还是定性或者是两者相结合，传统消费者洞察的方式都有一个非常显著的特点：建立在抽样的基础上。由于成本、技术、场地等方面的限制，传统消费者洞察所抽象出的消费者画像， 或者说用户特征模型只能代表小部分人，而且这部分人很可能并非是理想状态下“具有代表性”的能够代表整体目标消费人群的样本。此外，根据研究方法和调研技巧的不同，抽样所存在的误差也不一样，例如问卷设置的合理性，问题是否具有引导性或者倾向性，被访者的个人表达能力等， 都可能会影响最终的结果。因而传统消费者洞察从本质上来看就不够全面准确，是对“生活者”的一种模糊变形的描摹。
这种平面化模糊化的洞察会进而导致广告创作概念的偏差，使得创作的构思与发想陷入误区。在这种基础上所建立的广告创作概念虽说不能完全否定其价值和意义，但能否精准把握消费者心理，打动真实的个体受众是存在疑问的。
（二）创作表现：全面式覆盖的单一表现形式
广告的创作表现指的是在广告创作中，以形象思维和视觉想象为基本思维方式，用语言文字、视觉图像、音响等具体元素来表现创作主题的过程。广告的创作表现是广告创作概念的具象化，其最终所产生的广告作品会投放于市场与受众见面，并向其传递产品和品牌信息。在传统广告创作流程中，创作表现的确立需要经过几个步骤：创作思维与发散，内部论证， 创作制作以及审核提交。在创作发散阶段，创作人员会根据其自身经验、直觉与想象，通过小组讨论、头脑风暴等方式产生出几版甚至几十版创作表现草案。
由于传统广告在媒介资源的获取上需要投入大量成本，并且媒介排期无法实现即时性，大多数广告主只能选择在固定时期内用单一平面广告或电视广告作品在市场上进行投放， 力求可以最大化地覆盖目标消费人群。然而即便是细分市场，目标消费者的个体差异依然十分明显，试图用单一广告表现形式完成针对所有人的信息传达、劝服以及消费行为转化等目标是非常困难的。
（三）创作反馈：缺乏优化调整的一次性创意制作
好的广告创作往往需要兼顾艺术性和市场特性，广告创作的评估与反馈一直是传统广告效果研究中的一大痛点。广告创作反馈包括两大方面，一是集中于创作本身的反馈，包括创作概念的独特性、创作表现的艺术性等，二是基于整体营销活动效果的反馈，包括短期对产品销售的促进作用，也包括长期对品牌的认知和态度等。传统的广告效果评估主要基于事后评价的模式，通常在整体广告活动结束之后，广告主或代理公司会对活动进行一个全面的复盘，通过查看销售数据，调研等方式对广告效果做出评价和判断。① 这种评估反馈模式虽然可以发现广告活动各个环节中所存在的一些问题，但由于效果影响因素众多、评估周期存在不确定性、评价标准缺乏规范性等原因，广告创作的反馈往往无法量化且不能精准到具体的创作元素上，只能得到一个整体性的模糊评价，无法为后续调整指出明确的方向。这种事后评估模式意味着广告创作的整体流程——从确立创意概念到生成创作表现的路径是单向的、一次性的、无反馈的，无法在实施过程中根据具体情况进行及时优化与调整。
二、传统广告创作的困境
在技术的冲击下，传统创作模式在创作理念、制作模式方面存在困境，在智能化浪潮下传统广告创作日益“边缘化”。
（一）技术的冲击与现代广告创作理念的转变
智能技术改变了广告行业的整体环境，传统广告创作在技术的冲击下难以为继。北京大学陈刚教授认为， 2017 年是广告智能化的开端，技术正在成为中国广告产业发展的核心生产力。②人工智能作为其中的典型技术代表，成为颠覆广告产业生态的重要力量。在技术变革的浪潮中，以策划创作和媒介代理为主要业务的传统第三方广告传播公司受到巨大冲击， 由于缺少技术基因，其在数字广告产业中竞争力疲软，难以挽回颓势。而以互联网企业为代表的新型广告企业则因其在数据基础及智能技术方面的领先优势，不断抢占广告市场份额。③ 统计数据表明，阿里继 2017 年成为中国首个千亿广告收入平台后，2018 年成为首个广告收入超过两千亿元的超级平台。迫于整体传播环境的变化，许多大型广告公司正不断尝试向数字化、智能化方向的转型。移动互联网的成熟以及各类社会化媒体平台的发展使广告营销活动的传播环境发生了巨大的变化，从而进一步催化了广告行业内部的结构转型。传统的广告创作理念不论是从概念上还是形式上都已无法适应这一新的背景，转变成为必然。
首先是广告创作形式的多样化转变。传统的广告创作是典型的单一广告创作形式，几乎所有创作都由文案与美术组成，不是平面广告就是影视广告。但随着各类媒体的融合发展，现代广告创作逐渐向多样化方向转变，广告中可能包含了公关、新闻等各种内容形式④，广告创作可以是音乐、书籍、玩具等任何形式。大量自媒体及用户生成内容的成功，网络环境下各类跨媒介跨场景的营销活动等，都向我们揭示着这样一种现实： 现代社会中广告信息的传递方式有着千万种可能性，广告创作需打破其固有定式。
其次是从单向创作到协同创作的转变。在传统广告活动中，专业广告公司通常会一手包办所有创作工作，并通过一整套详尽的媒介传播策略将经过创作包装的广告信息传递给消费受众。但在移动互联时代，消费者的审美与信息接受发生了深刻的变化，单向的创作传达已无法触动目标用户，体验式环境下的品牌建设需要依靠与消费者的双向互动才能完成。
协同创作需要通过丰富的形式和活动最大程度地调动用户的积极性，建立并维系品牌与消费者之间的联系，推动用户群体间规模化自主化的创作内容扩散。⑤
最后是向技术驱动型创作的转变。大数据和智能技术的发展推动着广告创作的改变，个性化、规模化、即时性的广告创作内容生产正逐渐成为未来广告创作发展的趋势。传统的广告创作部门在当前环境下已经无法满足创作执行的需求，除了传统的广告创作人员，掌握计算机数据技术的技术型人才或将成为广告创作内容产出的关键。
（二）传统广告创作模式的局限性
首先，传统广告创作模式的局限体现在效率与成本上。传统的线性制作模式涉及多个公司部门，一个广告活动从开始到创作到落地执行需经过层层把控，决策链和传达链十分复杂冗长，一个作品的制作周期可能长达 3 个月以上。而在数字化和移动互联化的传播环境中，一个热点从出现到沉寂消亡的生命周期往往只有几天，爆炸式的信息资讯迫使数字化广告营销的节奏不断往“及时性”和“即时性”方向靠拢。传统广告创作流程时间过于冗长，无法满足这一需求。除了时间上的效率与成本局限，人力成本过高、效率过低也是一个重要问题。传统广告创作过程中，从创意发散到创意生成，所有创意工作全部由人工完成，这一模式在千人一面的大众传播环境中是适用的，但在日益追求广告个性化、精准化的今天就显得十分困难。精准投放意味着需要针对所有不同的个体消费者进行差异化、个性化的广告创作，如此庞大的产出需求根本无法单纯靠人力来支撑。
其次是效果与转化的局限。传统广告创作的产出建立在小样本消费者洞察的基础之上，但这种抽样调查和统计分析的方法只能得到一个模糊的平面化的目标受众画像，其规模相对整体而言过于微小，依靠小样本量和数据量来确定细分市场是不准确的， 而且细分市场也并非只是由几个关键词拼凑出来的具有高度概括性的群体抽象。以此为出发点所创作出的广告作品显然无法满足所有消费者的需求，由于消费者个人偏好和行为方式的不同，其对于产品卖点和广告创作核心利益点的关注是不同的。千人一面的广告创作不仅覆盖面小，转化效果不显著，而且很有可能会成为许多差异化、个性化消费者的营销噪音⑥， 造成广告浪费，甚至产生负面作用。除此之外，创作效果的监测、衡量与优化也一直是传统广告创作中的痛点。基于事后反馈的模式使得广告创作只能沦为一次性产物，无法进行优化以及资源重复利用。效果转化也因为没有统一的衡量标准而难以界定。
（三）智能化浪潮下广告创作的“边缘化”
技术的发展带来传播环境的改变，这一背景下的消费者需求日益复杂，精准化成为广告营销活动的关键， 而人工智能在数据和算法上的突破使这种精准化需求越来越具有现实性。在传统广告向智能化广告转型的初期，消费者洞察和广告投放领域成了精准化先行的试验田，但广告运作流程上的其他环节却仍处于滞后阶段， 尤其是广告创作。广告投放端日益追求精准和千人千面，但内容供给端却尚未拥有大规模个性化创作生产的能力。
内容供给跟不上投放需求的一个直接影响就是创作地位的边缘化。在转型时期，精准化的需求使广告过分强调用户的触达和投放而忽视创作内容本身，产品的曝光被过分集中于小的创作点，企图用异常简单的产品说明来完成与消费者之间的沟通。原本作为广告服务核心价值的创作内容生产在智能化浪潮的冲击下似乎变得不再重要。然而这种忽略整体性创作的做法注定是无法长久的，随着时间的推移和用户习惯的养成慢慢就会因为内容的匮乏而失去其效力。
三、智能技术驱动的广告创作智能化变革
近年来，流量红利正在消失， 精细化营销成为趋势，长尾流量的延展成为重要的生存空间，智能创作在广告营销领域的研发开始被重视。中国头部流量平台阿里淘宝、京东、百度、腾讯都在布局广告的自动生成， 试图提高广告创作效率和用户针对性。
（一）自然语言处理与情感分析：广告文案智能创作的基础
1. 自然语言处理技术与广告文案智能创作
自然语言处理（Natural Language Processing）指的是通过计算机技术来研究和处理自然语言，是人工智能研究领域的一个重要方向。自然语言随着历史和文化的演化自然形成，为人类所独有，而自然语言处理作为一项技术，简要地说就是要让机器理解人类的语言并且能够通过自然语言文本表达意义、思想等，实现人机间的自然语言通信。为了达成这一目标，自然语言处理需要“研制表示语言能力和语言应用的模型，提出相应的方法来不断完善这样的语言模型，根据这样的语言模型设计各种实用系统，并探讨这些使用系统的评测技术”⑦。这些模型和系统的研发能够使理论研究变成实际项目，真正实现自然语言处理技术的落地，如机器翻译、智能检索、智能客服，文本摘要以及用户评论分析等。
自然语言处理技术包含两个重要方向：自然语言理解（Natural Language Understanding）和自然语言生成（Natural LanguageGeneration）。自然语言理解旨在让机器理解自然语 言形式的文本内容，也就是明白文本 所表达的意义。从语言文本角度来说， 一个文本的构成包含三个层级：字组 成词语，词构成句子，句子扩展为文 档，词、句子和文档构成了文本处理 的三种不同类型单元⑧：（1）词领 域的自然语言理解包括分词、词性标 注（标注出不同词语的词性，例如苹 果是名词，吃是动词，漂亮是形容词）、命名实体识别（识别文本中具有特定 意义的实体，如人物、地点、专有名 词等）和实体关系抽取（在实体识别 的基础上确定实体之间的关系类别， 如人物—出生地之间的关系）等。由 于中文的特殊性，字与字之间没有很好的标识符，所以分词就成为中文语言处理中的基础部分，所谓分词就是把一句话划分成一个个词，例如“我喜欢吃苹果”可以划分为“我 / 喜欢 / 吃 / 苹果”；（2）句子层面的自然语言理解主要指的是句法分析， 基本任务是确定句子的句法结构以及句子中各部分的依存关系；（3）文档层面包含情感分析（分析一篇文档的情感倾向）和主题建模（分析文档内容的主题分布）等。情感分析对于广告创意制作来说十分关键，在后续部分单独对该技术进行阐述与说明。除了理解文本，人们还希望机器能够生成文本，这就是自然语言处理的第二大方向——自然语言生成。这一技术旨在让机器根据确定的结构化数据、文本、音视频等生成人类可以理解的文本。根据数据源的类型， 自然语言生成可以分为三大类：数据生成文本 (Data to Text)，文本生成文本 (Text to Text) 以及视觉生成文本 (Vision to Text) ⑨。数据生成文本，指的是机器根据结构化的数据， 通过一定的模板生成文本，比较常见的案例是体育新闻的智能撰写。2016 年今日头条研发出了智能写稿机器人Xiaomingbot，并在当年的里约奥运会期间贡献了几百篇报道。由于体育新闻报道的结构性与模板性较强，机器根据比分情况和其他汇总数据可以快速生成新闻文本，极大满足了体育新闻的时效性要求；文本生成文本， 是对自然语言文本的进一步处理和加工，包括从一种语言翻译到另一种语言（机器翻译）、对长文本进行概括提炼（文本摘要），检查语法问题和拼写问题等；视觉生成文本，是自然语言生成的第三种类型，它指的是输入一张图片或一段视频，机器可以生成准确描述该图片或视频内容的文本。这种生成并非创作，而是根据图片和视频内容的识别，表达其原本的语义信息。相比于前两类技术，视觉生成文本的难度更大、要求更高，目前仍处于研究探索阶段，其试验性应用虽然存在，却尚未普遍化和规模化。
2、情感分析技术与广告文案智能创作
情感分析(Sentiment Analysis)， 又称倾向性分析，隶属于自然语言理解的范畴，是自然语言处理领域的一个研究热点。情感分析是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程⑩，简单来说就是对文本中所表达的观点、情绪、评价和情感进行计算研究⑪。情感分析的主要目的就是识别用户对事物或人的看法及态度，从广告角度来看，参与主体主要包括：观点持有者（用户）、评价对象（品牌、产品或服务）、评价观点（情感极性，如积极、消极、中立）以及包含态度的评价文本。
目前常见的情感分析方法主要有两种：基于情感词典的方法和基于机器学习的方法。基于情感词典的方法通常会利用情感词，情感短语，情感反转、加强等规则，来判定句子的情感极性，并进行情感分类。在文字类广告创意制作领域，机器依靠自然语言处理技术和情感分析技术对海量商品数据、用户评价数据等进行分析， 能够快速了解消费者的利益关注点以及对该产品的情感倾向，从而有效挖掘用户偏好和产品卖点。
（二）计算机视觉：广告图像智能创作的基础
计算机视觉是人工智能的一个重要分支。是指利用计算机及相关设备对生物视觉所进行的一种模拟，最终目标是使计算机能够像人类一样通过视觉观察进而理解世界，具有自主适应环境的能力⑫。通俗地讲，计算机视觉旨在让计算机实现人的视觉功能，使其能够如同人一般看到图像， 理解并且识别图像。虽然计算机视觉中的各类技术纷繁复杂，但内在的技术逻辑是比较清晰简单的：首先从图像或者视频中提取出符号或数值信息，然后通过对这些信息的计算与分析来完成对目标的识别、检测和跟踪等⑬。
计算机视觉开始于 20 世纪 50年代，随后在 60 年代正式成为一门规范性学科。80 年代初，麻省理工大学人工智能实验室的 Marr 教授提出了“视觉分层”理论，认为视觉是一个信息处理任务，应该从计算理论、算法和实现算法的机制或硬件三个层次来研究。近年来随着深度学习技术的兴起，计算机视觉研究领域有了进一步的飞速发展，并诞生出一大批如人脸识别、公共场所安全监测、图像检索等等的实际应用。
计算机视觉主要有四大任务应用，分别是图像分类、目标检测、目标分割和图像生成。应用一：图像分类。图像分类也叫做图像识别，是计算机视觉领域最基本的应用，主要解决“是什么”的问题，能够识别出图像或者视频中所包含目标的类别。例如，当我们输入一张广告海报时，图像分类可以识别出该海报中的主题商品、人物模特、背景、纹饰等不同元素。应用二：目标检测。目标检测是用矩形框圈定图像中目标出现的区域，并识别目标类别，包括定位和分类两部分⑭。目标检测是对图像分类的进一步发展，不仅要知道目标物的类别还要确定出这个目标的所在位置和大小，解决“是什么，在哪里”的问题。目标检测一直是计算机视觉研究中比较具有挑战性的问题，因为物体在各类图像中可能呈现出不同的外观和形态，例如“猪”的形象在广告创意制作中的运用可能是真实化的，也可能是拟人的、卡通的、变形的，并且其所在位置和大小也都不确定。应用三：目标分割。目标分割本质上是对图像中的每个像素点进行分类，判断其属于哪个目标物体或场景，从而区别图像里的各种目标对象，如人、动物和背景等⑮。在广告创意制作过程中，目标分割相当于完成了人类设计师的“抠图”工作，把广告产品和背景进行分离，单独生成图层文件。应用四：图像生成。图像生成简单来说就是利用计算机完成从无到有的图像可视化过程，生成式对抗网络（GAN） 是这一过程中的关键。GAN 是一种生成式深度学习模型，在 2014 年由Goodfellow 提出，在高质量图像生成、文本和图像的相互生成、图像的还原和修复等方面发挥着非常重要的作用。
（三）计算机视觉、自然语言与语音识别：广告视频智能创作的基础
一个视频通常由画面、文本、语音、背景音乐、动画特效等元素组成，因此相较于静止的图片和文字，视频能够传递出更多的信息，从而有效地激发用户的购买欲望，但相应地其生成制作的过程也更加复杂。从技术角度来说，视频通常会被理解成为一组动态连续的图像序列，因而与视频画面处理相关的问题也隶属于计算机视觉范畴。又因为视频还涉及到对文本和语音的处理，自然语言处理技术和语音识别技术等也是不可或缺的。因此，视频类智能创意制作融合应用了包括计算机视觉、自然语言处理和语音识别在内多种人工智能技术，其中光学字符识别、人脸识别、人体关键点检测和语音识别在智能视频编辑与智能视频生成领域应用较多，下文将主要介绍这四种技术。
光学字符识别 (Optical Character Recognition，简称OCR) 隶属于计算机视觉领域，其主要目的是从图像中检索出文本信息。该技术的分析对象是那些带有文本资料的图像文件，例如扫描过后的电子书，一张以可口可乐饮料瓶为拍摄对象的普通照片等， 通过分析识别处理，OCR 技术能够检索出图像中的文本信息并将其转换为真正的文本。
人脸识别是针对人脸所进行的检测与识别，是计算机视觉中典型的分类问题。人脸识别任务中的一项重要基础环节是人脸关键点检测，主要是依靠技术定位出包括五官及脸部轮廓在内的关键面部位置。人脸识别和人脸关键点检测在我们的日常生活中有着非常广泛的使用，如美颜相机类App 中所带有的美颜、美型、补妆等功能都是以该技术为基础产生的。语音识别技术能够让机器通过识别和理解，将一段语音信号转换成相对应的文本信息，也就是让机器听懂人在说什么。语音识别通常分为特征提取、模式匹配、参考模式库三大部分，主要用于提取与分析语音信号特征，建立语音模型，并与语言数据库语音进行比对，找到对应的语音模板，为其匹配处理策略，完成语音—文字间的转化⑯。科大讯飞公司所推出的语音—文字转写服务就是语音识别技术较为成熟和典型的运用。此外， 以该技术为基础的智能字幕生成也已
被应用于视频编辑：语音识别能够将广告视频中的语音自动转为文本，并将文本与时间线相对应，让字幕配合视频节奏与画面，出现在合理的位置上。若广告视频还有相应的外文字幕需求，机器还能够通过自然语言处理技术完成翻译，将文本转换为所需语种，极大减少了传统视频编辑中的人工干预。
人体关键点检测是计算机视觉的基础算法之一，其任务是针对图像 或视频，检测其中人物的一些骨骼关 键点，如头部、肩部、膝盖、关节处等，以此来掌握目标人物的姿态、动作。以人体关键点检测为基础，可以开展许多其他的计算机视觉研究，例 如目标识别、行为识别、动作追踪等。Adobe 公司于 2017 年发布 Cloak 功能，该功能基于人体关键点监测和目 标识别技术，能够让用户自由删除视 频中不想要的内容，并进行背景或者 目标物体的更换。在视频广告创作中， 该功能能够消除镜头拍摄画面中的障 碍物，甚至无需重新拍摄就可以更换 广告主题产品或者重复利用视频背景，大大降低了拍摄成本和后期制作难度。
广告智能创作，指的是针对精准的消费者画像，通过自然语言处理和深度学习等技术，根据用户需求对文字、图形等创意元素进行智能创意组合，制作千人千面乃至一人千面的个性化广告。⑰ 人工智能驱动的广告创作是近几年出现的新的广告运作方式，字节跳动、百度、阿里巴巴、美团点评、微软等各大互联网巨头纷纷加注智能创作，并在自有资讯、内容平台、电商、办公文书等业务场景中广泛应用；同时达观数据、智搜、妙笔智能、文因互联等 NLP 领域领先创业公司扎根营销文案、文本业务自动化、金融数据分析等场景，让NLP 技术产生更显著的商业价值。
人工智能技术在智能创作领域也有一定的局限性，如缺乏对输出文本质量的客观准确的评估标准与优化目标、机器难理解复杂的语义导致生成内容的语义易偏移、生成主观性强的文本时易出现偏见语言和极端化观点、难以为自动写作产品建立价值参照体系、机器的情感分析理解能力较弱、智能创作文本主导市场将导致信息茧房和自动学习负循环、原创度低的改编式机器写作易侵权其他作者作品。随着计算能力的增强、深度学习神经网络的发展以及多媒体的融合， 在发展趋势和应用上，智能创作相关技术的研发和应用呈现出以下趋势： 大体量数据、非结构化数据、小样本数据处理能力不断提高；神经网络模型逐步替代规则写作及统计模型；计算机视觉相关技术逐步被应用到中文自然语言处理；机器翻译模式被逐步应用到智能创作文本生成技术中；融媒体发展需求推动不同媒介生成技术向融合式研发；从短文本到故事性长文本生成；从单向内容输出转变为交互式内容互动。⑱
参考文献：
① 姚曦 , 李斐飞 .2016 年广告公司生存与发展访谈报告 [J]. 中国媒体发展研究报告 ,2016(00):73- 84+296-297.
② 陈刚 . 技术成为广告业的核心生产力 [J]. 声屏世界· 广告人 ,2019(Z1):43-44.
③ 姜智彬 , 戚君秋 . 学 习、生成与反馈：基于动觉智能图式理论的广告智能创作 [J]. 新闻大学 ,2020(02):1-16+119.
④赵立敏 . 探析新媒体发展背后的幕后推手——数据及数据处理技术 [J]. 新闻大学 ,2014(02):125- 128.
⑤ 沈虹 . 互动网络营销传播的创作研究 [J]. 广告大观 ( 理论版 ),2011(05):38-47.
⑥刘庆振 . 计算广告 :“互联网+”时代的广告业务流程重构 [J]. 中国广告 ,2017(06):125-129.
⑦张德 . 自然语言处理技术在司法过程中的应用研究 [J]. 信息与电脑 ( 理论版 ),2017(17).
⑧ ⑨ 百炼智能 . NLG ≠机器 写 作 | 专 家 专 栏 [Z/OL]. 阿 里云 栖 社 区 , 2018[2019-01-20]
https://yq.aliyun.com/article s/638553?spm=a2c4e.11163080.searchblog.80.4a822ec1dZCWm5.
⑩秦兵, 唐都钰, 袁建华.文本情感分析：让机器读懂人类情感[J]. 中国人工智能学会通讯，2016 年第6 卷第6期.
⑪邓莎莎. 个性化广告文案“智能创造方法研究”——以“AI 段子手” 为例 .[ 会议报告 ] 人工智能与广告产业发展国际论坛 .2018.12
⑫ 曹仰杰 , 贾丽丽 , 陈永霞 ,林楠 , 李学相．生成式对抗网络及其计算机视觉应用研究综述［J］. 中国图象图形学报，2018，23(10).
⑬倪晨旭 . 计算机视觉研究综述 [J]. 电子世界，2018.01.
⑭ ⑮李国和, 乔英汉, 吴卫江,郑艺峰 , 洪云峰 , 周晓明．深度学习及其在计算机视觉领域中应用 [J/ OL]．计算机应用研究 .
⑯叶翔宇 . 关于计算机人工智能识别技术的应用研究 [J]. 信息与电脑（理论版）, 2019（01）.
⑰ 姜 智 彬,马 欣.领 域、困境与对策 : 人工智能重构下的广告运作 [J]. 新闻与传播评论 ,2019,72(03):56-63.
⑱机器之心 . 智能写作：人工智能商业应用的制高点——智能写作中人工智能技术的应用现状及趋势展望 [EB/OL].2019[2020-12-07] https://pro.jiqizhixin.com/.
（姜智彬，上海外国语大学教授、博士生导师，教务处处长；戚君秋，上海外国语大学新闻传播学院）
