Uncategorized

Menggunakan Kecerdasan Buatan untuk Meningkatkan Cara Pengorganisasian Video

Netra, yang didirikan bersama oleh Shashi Kant SM ’06, menggunakan kecerdasan buatan untuk membantu perusahaan menyortir dan mengelola konten video.TerasKaltim

Pada saat tertentu, ribuan video baru diposkan ke situs-situs seperti YouTube, TikTok, dan Instagram. Semakin banyak video yang direkam dan dialirkan secara langsung. Tetapi perusahaan teknologi dan media masih berjuang untuk memahami apa yang terjadi di semua konten itu.

Netra Artificial Intelligence

Sekarang Netra yang didirikan alumnus MIT menggunakan kecerdasan buatan untuk meningkatkan analisis video dalam skala besar. Sistem perusahaan dapat mengidentifikasi aktivitas, objek, emosi, lokasi, dan lainnya untuk mengatur dan memberikan konteks pada video dengan cara baru.

Perusahaan menggunakan solusi Netra untuk mengelompokkan konten serupa ke dalam gulungan sorotan atau segmen berita, menandai ketelanjangan dan kekerasan, dan meningkatkan penempatan iklan. Dalam periklanan, Netra membantu memastikan video dipasangkan dengan iklan yang relevan sehingga merek dapat menjauh dari pelacakan individu, yang menyebabkan masalah privasi.

“Industri secara keseluruhan berputar ke arah periklanan berbasis konten, atau apa yang mereka sebut periklanan afinitas, dan jauh dari pelacakan berbasis piksel berbasis cookie, yang selalu agak menyeramkan,” salah satu pendiri Netra dan CTO Shashi Kant SM ’06 mengatakan.

Netra juga yakin ini meningkatkan kemampuan pencarian konten video. Setelah video diproses oleh sistem Netra, pengguna dapat memulai pencarian dengan kata kunci. Dari sana, mereka dapat mengklik hasil untuk melihat konten serupa dan menemukan peristiwa yang semakin spesifik.

Misalnya, sistem Netra dapat memproses video senilai musim bisbol dan membantu pengguna menemukan semua single. Dengan mengklik pada permainan tertentu untuk melihat lebih banyak lagi yang seperti itu, mereka juga dapat menemukan semua single yang hampir habis dan membuat para penggemar mencemooh dengan marah.

“Video sejauh ini merupakan sumber informasi terbesar saat ini,” kata Kant. “Itu mengerdilkan teks dengan urutan besarnya dalam hal kekayaan informasi dan ukuran, namun tidak ada yang bahkan menyentuhnya dengan penelusuran. Itu adalah ruang putih paling putih. “
Mengejar visi

Pelopor internet dan profesor MIT Sir Tim Berners-Lee telah lama bekerja untuk meningkatkan kemampuan mesin dalam memahami data di internet. Kant melakukan penelitian di bawah Berners-Lee sebagai mahasiswa pascasarjana dan terinspirasi oleh visinya untuk meningkatkan cara informasi disimpan dan digunakan oleh mesin.

“Cawan suci bagi saya adalah paradigma baru dalam pencarian informasi,” kata Kant. “Saya merasa pencarian web masih 1.0. Bahkan Google 1.0. Itu adalah visi inisiatif web semantik Sir Tim Berners-Lee dan itulah yang saya ambil dari pengalaman itu.”

Kant juga merupakan anggota tim pemenang Kompetisi Kewirausahaan $ 100K MIT (MIT $ 50K saat itu). Dia membantu menulis kode komputer untuk solusi yang disebut Active Joint Brace, yang merupakan perangkat ortotik elektromekanis untuk penyandang disabilitas.

Setelah lulus pada tahun 2006, Kant memulai sebuah perusahaan yang menggunakan AI dalam solusinya bernama Cognika. AI masih memiliki reputasi buruk karena overhyped, jadi Kant akan menggunakan istilah seperti komputasi kognitif saat memperkenalkan perusahaannya kepada investor dan pelanggan.

Kant memulai Netra pada tahun 2013 untuk menggunakan AI untuk analisis video. Hari-hari ini dia harus berurusan dengan ujung spektrum hype yang berlawanan, dengan begitu banyak startup yang mengklaim mereka menggunakan AI dalam solusinya.

Netra mencoba memotong hype dengan demonstrasi sistemnya. Netra dapat dengan cepat menganalisis video dan mengatur konten berdasarkan apa yang terjadi di berbagai klip, termasuk adegan di mana orang-orang melakukan hal yang sama, mengekspresikan emosi yang mirip, menggunakan produk yang serupa, dan banyak lagi. Analisis Netra menghasilkan metadata untuk adegan yang berbeda, tetapi Kant mengatakan sistem Netra memberikan lebih dari sekadar pemberian tag kata kunci.

“Yang kami kerjakan adalah embeddings,” Kant menjelaskan, mengacu pada cara sistemnya mengklasifikasikan konten. “Jika ada adegan seseorang melakukan home run, ada tanda tangan tertentu untuk itu, dan kami membuat embedding untuk itu. Sebuah embedding adalah urutan angka, atau ‘vektor’, yang menangkap esensi dari sebuah konten. Tag hanyalah representasi yang dapat dibaca manusia dari itu. Jadi, kami akan melatih model yang mendeteksi semua home run, tetapi di bawah sampul ada jaringan neural, dan itu membuat penyematan video tersebut, dan itu membedakan adegan dengan cara lain dari jalan-jalan atau keluar. ”

Dengan menentukan hubungan antara klip yang berbeda, sistem Netra memungkinkan pelanggan untuk mengatur dan menelusuri konten mereka dengan cara baru. Perusahaan media dapat menentukan momen paling menarik dari acara olahraga berdasarkan emosi penggemar. Mereka juga dapat mengelompokkan konten menurut subjek, lokasi, atau apakah klip berisi konten sensitif atau mengganggu atau tidak.

Kemampuan tersebut memiliki implikasi besar untuk periklanan online. Perusahaan periklanan yang mewakili merek seperti perusahaan pakaian luar ruangan Patagonia dapat menggunakan sistem Netra untuk menempatkan iklan Patagonia di samping konten lintas alam. Perusahaan media dapat menawarkan merek seperti ruang iklan Nike di sekitar klip atlet yang disponsori.

Kemampuan tersebut membantu pengiklan mematuhi privac baru

Leave a Reply

Comment
Name*
Mail*
Website*