伴随媒体传播技术的发展，媒体也从传统形式的媒体（如纸媒体）演变为新一代富媒体（具有很好的交互性的数字化多媒体），并呈现出两大特征：移动性和大数据。移动设备的发展和用户行为的改变进一步带来了媒体个性化和智能化的需求。媒体传播者通过技术手段获得了海量数据，为实现媒体的个性化和智能化奠定了数据基础。媒体的对象与其说是受众人群，不如说是受众大脑。媒体的效果就是指受众大脑在感知媒体后所产生的记忆、情感、行为等的变化。因此基于脑科学的媒体研究将有利于从深层次去理解和控制传媒的影响力，更好地实现有效传媒。

智能媒体研究的领域有两大类：媒体本身的智能化处理和受众相关的智能化处理。前者包含视听类信息的处理、分析和理解、对视听类信息的自动标注和检索等；后者包含对传媒效果的评估、依据用户反馈实现对媒体传播的智能化控制等。

智能媒体技术的核心基础之一是人工智能。近年来人工智能中的神经网络的深度学习（Deep Learning）方法获得重大突破，给人工智能领域带来了新的希望。深度学习的核心思想就是比传统的人工神经网络更进一步逼近了真实神经网络，把过去的特征提取这件事也让神经网络去完成而已。我们将以脑科学为基本导向，进一步创造性地发展深度学习技术，来进一步提升智能媒体技术水平。

传统的传媒效果的评估常常采用问卷调查的方式，比较主观。为了取得比较客观的评估，眼动数据的采集分析被作为一种技术手段得到应用。更先进的技术手段是采用脑电图、心电图、眼动等多生理指标的测量来捕捉大脑对传媒的真实感受。甚至可以用功能性核磁共振（fMRI）来观察用户大脑对传媒更为精准的感受。伴随脑科学的迅速发展，对大脑活动的测量越来越精准，也将给传媒评估带来更先进的手段。

实现媒体智能化的另一重要手段是从源头抓起。通常一件媒体作品本身是有碎片化子媒体组合而成。如果从媒体的制作开始就能埋入媒体的“感知”功能，在播放时，能获得“感知信息”，则可大大提升媒体的智能化水平。

北京市协同创新研究院智能传媒技术中心立项项目“视频智能创作平台及示范应用”的实施将聚集我校多个核心团队，充分发挥我校在传媒技术领域的优势，在智能媒体技术、视频智能创作平台以及场景媒体智能交互服务等多方面展开“产学研“合作，转化技术为市场服务。