Индустрия развлечений и СМИ (E&M) - это разнообразный сектор, состоящий из нескольких сегментов, включая фильмы, телевидение и средства массовой информации, транслируемые в Интернете. Согласно прогнозам, к 2021 году выручка отрасли E&M в США достигнет 759 миллиардов долларов, при этом среднегодовой темп роста (CAGR) составит 3,6 процента.

Несмотря на ожидаемый рост, есть опасения по поводу снижения доходов в более традиционных сегментах рынка . В результате отраслевые аналитики, такие как PwC, утверждают, что пользовательский интерфейс должен приобретать все больший приоритет, а ИИ входит в число ведущих новых технологий, которые могут внести позитивный вклад в эти усилия.

Чтобы оценить растущую роль искусственного интеллекта в индустрии E&M, мы тщательно исследовали этот сектор, чтобы помочь ответить на вопросы, которые сегодня задают бизнес-лидеры, в том числе:

Какие типы приложений ИИ в настоящее время используются в индустрии развлечений и медиа?
Как рынок отреагировал на эти приложения ИИ?
Есть ли какие-то общие тенденции среди этих инновационных усилий - и как эти тенденции могут повлиять на будущее сектора развлечений и СМИ?
В этой статье мы разберем применение искусственного интеллекта на рынке индустрии развлечений и медиа, чтобы дать бизнес-лидерам представление о текущих и новых тенденциях, которые могут повлиять на их сектор. Мы начнем с краткого обзора рассмотренных нами секторов:

Обзор приложений AI для развлечений и мультимедиа
Основываясь на нашей оценке приложений в этом секторе, большинство сценариев использования в сфере развлечений и мультимедиа можно разделить на три основные категории:

Маркетинг и реклама : компании обучают алгоритмы машинного обучения, чтобы помочь в разработке трейлеров к фильмам и дизайну рекламы.
Персонализация взаимодействия с пользователем: поставщики развлечений используют машинное обучение, чтобы рекомендовать персонализированный контент на основе данных об активности и поведении пользователей.
Оптимизация поиска : производители медиаконтента используют программное обеспечение искусственного интеллекта для повышения скорости и эффективности процесса производства медиафайлов и возможности систематизировать визуальные ресурсы.
В полной статье ниже мы рассмотрим приложения ИИ каждого приложения по разделам и предоставим репрезентативные примеры.

Маркетинг и реклама
Fox и IBM Watson - трейлер фильма Morgan
В августе 2016 года IBM объявила о выпуске трейлера детективного фильма ужасов 20th Century Fox, созданного Морганом с использованием машинного обучения. Исследовательская группа натренировала систему ИИ на сценах из «100 фильмов ужасов». Характеристики каждой из сцен фильма были разделены на категории, которые команда назвала «моментами», а затем проанализированы на основе визуальных, звуковых и композиционных элементов.

После того, как система получила представление о типах сцен, содержащихся в стандартном трейлере саспенса / фильма ужасов, ей был предоставлен полнометражный фильм и рекомендовано 10 моментов для трейлера Моргана . Всего из 90-минутного фильма было извлечено шесть минут отснятого материала, что дало 24-часовой процесс от начала до конца. Для сравнения, процесс разработки трейлера фильма обычно занимает недели. Смотрите полный трейлер фильма ниже:


Хотя влияние интеграции ИИ могло привести к экономии затрат на производство трейлеров, фильм с бюджетом в 8 миллионов долларов собрал в прокате чуть более 7,3 миллиона долларов мировых кассовых сборов. Однако, поскольку Морган был первой попыткой использовать ИИ для разработки трейлеров, еще слишком рано точно определять прямое влияние на продажи билетов.

Это приложение похоже на набег IBM Watson в спорт - где технология использовалась для создания ролика с яркими моментами теннисных матчей путем анализа видеозаписи и реакции фанатов в реальном времени с разных сторон (мы рассмотрели этот другой вариант использования Watson в нашем полном ИИ. в спортивной статье ).

Макканн Эриксон Япония - «Креативный директор AI»
Сообщается, что в марте 2016 года рекламное агентство MaCann Erickson Japan запустило креативного директора AI под названием AI-CD ß. Компания утверждает, что это первый робот-креативный директор, созданный с использованием искусственного интеллекта. AI-CD ß был официально принят на работу 1 апреля 2016 года вместе с 11 другими сотрудниками.

Алгоритм машинного обучения, управляющий сотрудником ИИ, был обучен на данных, включая конкретные элементы телешоу, и около десятилетия подробной информации о победителях фестиваля CM All Japan Radio & Television Commersion Confederation . Благодаря интеллектуальному анализу данных система может извлекать идеи и темы, которые подходят рекламной кампании конкретного клиента.   

В сентябре 2016 года AI-CD ß встретился с креативным директором McCann Erickson Japan Мицуру Курамото в товарищеском поединке. Получив задание разработать место для японского мятного отруба, продвигающего «мгновенное, продолжительное освежение, которое длится 10 минут», каждая работа была представлена ​​для оценки общенационального опроса. 

Как сообщается, результаты опроса показали, что Курамото получил большинство голосов, набрав 54 процента, в то время как AI-CD ß получил оставшиеся 46 процентов. Хотя это не идеальный результат для креативного директора AI, небольшая граница показывает многообещающие перспективы для будущих усилий робота.

Однако важно признать присущие ИИ ограничения в создании оригинальных идей без помощи человека. Тони МакКаффи, доктор философии, когнитивный психолог и специалист по информатике по образованию, провел исследование, которое, как сообщается, продемонстрировало математическое доказательство того, что компьютеры ограничены в их способности выполнять творческие задачи. Он входит в число аналитиков, которые утверждают, что, хотя с повторяющимися задачами можно более эффективно справляться с помощью ИИ, когда дело доходит до творчества, сотрудничество между людьми и компьютером наиболее эффективно.

Персонализация пользовательского опыта
Netflix - Управление рабочим процессом машинного обучения
Когда дело доходит до развлечений по запросу, персонализация взаимодействия с пользователем превратилась из роскоши в ожидания пользователя. Например, согласно его годовому отчету за 2016 год, Netflix может похвастаться 93 миллионами пользователей по всему миру, транслирующих более 125 миллионов часов телешоу и фильмов в день . Предсказание того, что пользователь хочет посмотреть, является ключевой частью бизнес-модели компании. Сообщается, что машинное обучение является неотъемлемой частью оптимизации разнообразия пользовательских предпочтений.    

В мае 2016 года Netflix объявила о разработке приложения для управления рабочими процессами и планирования под названием Meson, которое, как сообщается, будет управлять различными конвейерами машинного обучения, которые «создают, обучают и проверяют алгоритмы персонализации», отвечающие за предоставление видео рекомендаций.

Для более глубокого изучения рекомендательных систем читатели могут найти в качестве полезного ресурса примеры использования рекомендательных систем в бизнесе - текущие приложения и методы .

IRIS.TV - Рекомендации и персонализация
Как сообщается, IRIS.TV, основанный на машинном обучении, предлагает услуги B2B для поддержки компаний в отслеживании и улучшении взаимодействия клиентов с их цифровым контентом. Примеры клиентов медиа-компаний включают Hearst Digital Media, CBS и Hollywood Reporter.

В приведенном ниже интервью продолжительностью 4:25 минут основатель IRIS.TV Филд Гартвейт рассказывает о платформе и сотрудничестве своей компании с IBM Watson, которое помогает развивать возможности машинного обучения:


В частности, платформа стремится подбирать контент для пользователей на основе их предпочтений. Программа интегрируется в большинство видеоплееров. Алгоритмы «узнают», что пользователи хотят смотреть, и рекомендуют аналогичный контент.  

В одном тематическом исследовании компания сообщает, что The Hollywood Reporter-Billboard Media Group обеспечила 50-процентное увеличение удержания зрителей в течение трех месяцев.

Оптимизация поиска
Зорроа - Машинное обучение для визуального управления активами
Zorroa предлагает платформу для управления визуальными активами, которая, как сообщается, объединяет алгоритмы машинного обучения, позволяющие пользователям выполнять поиск контента в больших базах данных. Документы импортируются в так называемый «конвейер анализа». Конвейер состоит из процессоров, которые маркируют каждый визуальный ресурс. Алгоритмы обучены распознавать определенные компоненты визуального контента, которые затем могут быть организованы и каталогизированы для предоставления надежных результатов поиска. Примеры включают:

Распознавание лиц (найдите лица и решите, известны ли они, если да, отметьте объект именем)
Классификация изображений (используйте нейронную сеть для классификации изображения по набору предопределенных категорий)
После запуска конвейера анализа процесс продолжается с этапами управления рабочим процессом, позволяющими пользователям масштабировать процесс для больших наборов данных и точно настраивать категоризацию визуальных активов. На изображении ниже изображено визуальное представление процесса:

Платформа Зорроа 
Визуальное представление о том, как работает платформа Zorroa - Источник: Zorroa.com
В апреле 2017 года корпорация Zorroa объявила о запуске своей платформы машинного обучения, которая, как сообщается, позволит пользователям выполнять поиск и анализировать визуальные ресурсы, обнаруженные в больших базах данных. Зорроа называет этот инструмент платформой Enterprise Visual Intelligence (EVI).

Компания утверждает, что Sony Pictures Imageworks использует Zorroa EVI для «анализа и монетизации миллионов визуальных ресурсов», которые разрабатывались годами. Например, в одном тематическом исследовании Sony Pictures утверждает, что конкретный поиск видео, который обычно занимает 27 часов, был завершен всего за 3 минуты с использованием платформы EVI.

Короткое 58-секундное видео ниже демонстрирует, как выполнялся поиск видео на платформе EVI:


В другом примере компания сообщает, что она помогла клиенту в нефтегазовой отрасли пометить и организовать изображения и PDF-файлы для завершения оценки слияний и поглощений (M&A). Zorroa утверждает, что он сократил время обработки с 3 месяцев до 1 месяца и увеличил видимые визуальные ресурсы с 10 до 90 процентов.

В настоящее время, похоже, компания нацелена на клиентов из нефтегазовой и нефтегазовой отрасли. Платформа такого типа технически была бы полезна для любой компании, где организация и доступ к большим базам данных визуального контента - обычная задача.

Заключительные мысли
Новые приложения машинного обучения в индустрии развлечений и медиа применяются во многих областях, важных для компаний, включая маркетинг, рекламу и производство контента. Инновации, которые со временем принесут максимальную пользу, сэкономят время профессионалов отрасли и повысят эффективность производственного процесса.

Мы поделимся своими мыслями о том, какие приложения в этой статье кажутся наиболее многообещающими, основываясь на нашем исследовании. обычно ранжируют каждый от наиболее жизнеспособного к наименее жизнеспособному:

Персонализация пользовательского опыта

Лидеры и новые конкуренты в сфере развлечений по требованию используют машинное обучение, чтобы поддерживать свою способность персонализировать контент в масштабе для каждого клиента. Теперь, когда персонализация становится стандартным ожиданием клиентов, ИИ готов стать неотъемлемой стратегией, позволяющей идти в ногу с потребительским спросом.

Компании, ориентированные на персонализацию пользовательского опыта, похоже, приносят пользу своим клиентам в сфере развлечений по запросу. По мере роста конкуренции в этом секторе, о чем свидетельствует маркетинговый толчок YouTube к YouTube Red , машинное обучение будет приобретать все большее значение.

Оптимизация поиска  

Платформа Enterprise Visual Intelligence (EVI) корпорации Zorroa удовлетворяет практические потребности киностудий, помогая улучшить процесс поиска конкретных визуальных ресурсов. Если платформа EVI будет постоянно обеспечивать результаты, сообщаемые Sony Pictures, у нее есть потенциал для широкого применения в киноиндустрии.

Маркетинг и реклама

Напротив, текущая нехватка данных о корреляции между машинным обучением при разработке трейлеров к фильмам и продажами билетов затрудняет прогнозирование того, как быстро другие фильмы могут последовать их примеру. Однако, если усилия по созданию фильма Моргана были задуманы больше как маркетинговая стратегия, шум в СМИ действительно был вызван.

Тем не менее, киноиндустрия нуждается в инструментах, которые сокращают время и затраты на производство. Поэтому мы можем ожидать в ближайшие годы отзывов о том, какое из этих приложений может оказаться наиболее полезным. Эти данные могут подтвердить ценность, которую ИИ может принести отрасли в различных аспектах производственного процесса.

Проблема внедрения ИИ для решения более творческих задач, как в случае с креативным директором ИИ Макканна Эриксона в Японии, может потребовать дополнительных исследований, прежде чем конкурирующие фирмы сделают инвестиции в эту технологию. Для достижения оптимальных результатов опытные креативные директора должны будут постоянно участвовать в процессе обучения и совершенствования ИИ, что может стоить времени сотрудникам рекламных агентств.