А точнее, искусственный интеллект применим практически на всех этапах создания и распространения контента | Василиса Романова | Яндекс Дзен
0 subscribers

А точнее, искусственный интеллект применим практически на всех этапах создания и распространения контента

го создавалась та или иная AI-система. То есть без участия человека-программиста. Надо отметить, что собирательный образ AI формируется из нескольких основных компонентов – нейронных сетей, машинного обучения, компьютерного зрения и обработки естественного языка. Многие эксперты сходятся во мнении, что в течение некоторого времени имели место слегка завышенные ожидания от возможностей искусственного интеллекта и скорости его внедрения в практику. Пик этих ожиданий уже пройден, и следующим естественным этапом является некоторое разочарование. Причем корень этого разочарования кроется не в том, что сама технология слаба и/или малоперспективна, а в излишнем оптимизме, если не сказать, авантюризме некоторых разработчиков, обещавших повсеместное использование AI чуть ли не завтра. Как и всегда, истина находится где-то посередине между полярными мнениями. Но в том, что технология многообещающа, перспективна и практически применима, сомнений нет. Поэтому вслед за разочарованием пришло так называемое просветление – углубленное изучение вопроса, более взвешенный подход к технологии и ее внедрению. Теперь, собственно, к теме статьи. Идея использования систем на основе искусственного интеллекта и при производстве медиаконтента, и при его доставке аудитории возникла достаточно давно. Причем применительно к производству это произошло раньше, чем применительно к доставке. Катализаторами внедрения AI в практику стали как стремительный рост объемов медиаи метаданных, так и существенный прогресс в сфере вычислительных средств – аппаратных и программных. В целом же точек приложения возможностей AI в медиаиндустрии вполне достаточно. А точнее, искусственный интеллект применим практически на всех этапах создания и распространения контента. Например, обогащение контента метаданными на стадии его создания и/или доставки позволяет эффективнее адресовать те или иные программы той или иной категории зрителей. Еще один хороший пример – это использование машинного обучения и обработки естественного языка для расшифровки текста в дорожке звукового сопровождения видео. Причем с точностью 97%. Практически каждый тележурналист вынужден проделывать такую нудную и длительную, но неизбежную работу, как расшифровка звукового ряда в видеоматериале. Теперь от этой рутинной процедуры можно избавиться, переложив ее на AI-приложения. И такое ПО уже есть. В частности, программный модуль Transcriptive, созданный компанией