• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку

Этот пост добавлен читателем Naked Science в раздел «Сообщество». Узнайте как это сделать по ссылке.

Как искусственный интеллект предопределяет наш выбор фильмов и сериалов: технология ИИ в онлайн-кинотеатрах  

Дипфейки, картины и музыка, созданные нейросетями, игры в шахматы с виртуальным противником — сейчас все эти способности искусственного интеллекта выглядят вполне безобидно: нейросети не способны мыслить, как человек, рисковать и быть креативными. Но уже сегодня искусственный интеллект умеет предсказывать поведение пользователей и управлять нашим выбором. 

Меня зовут Станислав Журавлев, я CPO МТС Медиа/KION, и сегодня я постараюсь рассказать, как работает искусственный интеллект в онлайн-кинотеатрах и почему система рекомендаций на основе ИИ — главный двигатель всех медиаплатформ. 

Рекомендательные системы: кто тут главный?

Технологии искусственного интеллекта лежат в основе работы многих привычных нам сервисов и чаще всего выполняют незаметную пользователям работу: это и анализ контента при загрузке на платформу, и аналитика биг даты, и автоматическое улучшение качества картинки или видео. Современные контентные платформы — онлайн-кинотеатры, социальные сети или маркетплейсы — используют искусственный интеллект буквально на всех этапах технологического процесса.

Но главная составляющая любой популярной платформы — это система рекомендаций. Эта технология собирает на одной витрине все то, что точно понравится конкретному пользователю: предлагает варианты фильмов и сериалов в онлайн-кинотеатрах, наиболее интересные посты в социальных сетях, подходящую одежду и обувь на маркетплейсах. Искусственный интеллект, собирая такие витрины с помощью алгоритмов, предопределяет наш выбор: наиболее подходящие нам варианты сразу появляются перед глазами. Как же работают эти алгоритмы и как они собирают релевантные витрины?

Что важнее: алгоритмы или данные?

Прежде, чем перейти к описанию метода искусственного интеллекта в онлайн-кинотеатрах, стоит сказать, что именно эта технология изменила способ потребления контента. Если раньше аудитория смотрела фильмы, сериалы и шоу “линейно” по заранее составленной сетке вещания, то сегодня паттерн смотрения сменился на персонализированный. Зрители не хотят потреблять контент, который выбрал кто-то за него, они предпочитают смотреть именно то, что хочется и интересно персонально им. Это стало возможно благодаря быстрому доступу ко множеству медиасервисов: аудитория привыкла к тому, что может выбрать любой фильм на свой вкус, ставить при этом просмотр на паузу или же, наоборот, смотреть контент, не прерываясь на рекламу. Здесь задачу поиска нужного контента упрощают персонализированные системы рекомендаций. С одной стороны, пользователь, привыкший к ускоренному ритму, нуждается в таких персональных подборках, но с другой, если зритель не увидел сразу именно тот продукт, который ему интересен, платформа может потерять потенциального клиента. И именно искусственный интеллект — тот единственный механизм, который разрешает это противоречие, предлагая пользователю именно то, что ему может быть интересно именно сейчас.

С точки зрения самой технологии в основе системы рекомендаций лежит знакомый принцип машинного обучения: лента рекомендаций становится все точнее и релевантнее с каждым новым использованием платформы. Алгоритм обучается на каждом новом пользователе, делая витрину становясь все более релевантной и интересной. 

Для построения релевантных рекомендаций самое важное — это сбор агрегированных обезличенных данных, а не сам алгоритм. Релевантные рекомендации зависят от качества и количества “правильных” данных для тренировки и обучения. Под такими данными мы имеем в виду просмотры, историю навигации, а также обезличенные данные пользователей. На основе этих данных строятся модели, которые позволяют хорошо прогнозировать интересы пользователей. 

Именно на основе пользовательского опыта, обезличенной информации о поведении зрителя, анализе просмотренного контента на разных площадках ИИ определяет наилучшие варианты для рекомендаций. Самые популярные игроки рынка во многом выигрывают конкурентов именно за счет хороших рекомендаций контента. А для этого важно количество и качество собранных данных: эту тенденцию легко проследить на опыте Netflix, который годами собирал данные и обучал искусственный интеллект, на опыте KION, где мы используем данные пользовательского опыта абонентов МТС, и на примере социальных сетей — система рекомендаций Instаgram* и Fаcebook* во многом построена на данных, собранных компанией Metа* на всех платформах, и Spotiify — у сервиса есть большое количество накопленных данных о миллионах пользователей, которые позволили им сделать действительно качественные рекомендации. Для сервисов именно система рекомендаций является двигателем для наращивания лояльной аудитории и привлечение трафика. 

Как искусственный интеллект ранжирует контент

Подборка данных для анализа — это первая часть работы. После этого, исходя из проанализированных данных, искусственный интеллект ранжирует весь контент, который есть на платформе, выгружает наиболее подходящих кандидатов в начало ленты рекомендаций. После этого в дело вступают модели, связанные с коллаборативной фильтрацией, то есть поиском людей максимально похожих на пользователя, и моделей, которые анализируют свойства контента и подбирают подходящие варианты.

Сначала каждая единица контента типизируется по нескольким группам признаков. Во-первых, это мета-информация контента — жанры, режиссер, год, страна, теги. Во-вторых, коллаборативные признаки взаимодействия пользователей и контента — клики, просмотры и т.д. И, наконец, признаки видеоряда с использованием computer vision (например, когда технология находит и определяет предметы по тегам). Дальше эти признаки складываются в вектора и хранятся в предрассчитанном виде для дальнейшего расчета, как определенные шаблоны.

Каждый пользователь тоже представлен в векторном пространстве. Во-первых, через взаимодействие с контентом (например, используя информацию о том, что зритель смотрел, куда кликал, что досматривал до конца). Во-вторых, в рамках вероятностной модели, определяющей пол, возраст, регион.

В момент, когда пользователь приходит на платформу и открывает витрину онлайн-кинотеатра, алгоритм сопоставляет вектора этого пользователя и вектора контента. Контент, вектор которого «ближе» к нашему пользователю, считается наиболее вероятным для пользователя, и технология ранжирует его выше. 

При этом у одного пользователя может быть несколько векторов и разных интересов. Искусственный интеллект старается выдавать не просто “усредненный” контент, похожий на все фильмы или сериалы, которые пользователь смотрел ранее, а показывать контент из разных кластеров. В итоге это формирует более разнообразную витрину — метрики разнообразия не просто растут на несколько процентов, а улучшаются в разы.

Что нас ждет в будущем?

Сегодня мы с уверенностью можем сказать, что искусственный интеллект не всемогущий. С точки зрения рекомендательных систем всегда присутствует «борьба» технологии и креативности человека. Искусственный интеллект позволяет обрабатывать огромное количество данных на больших скоростях, но он не может заменить человеческие качества. Редакторские подборки у сервисов зачастую не менее важны, чем автоматизированные системы рекомендаций. Интерфейс и вообще продукт не может быть полностью построен на базе чисто искусственного интеллекта, не включая в себя часть креатива, на который способен только человек.

Что же мы увидим в будущем? Это напрямую связано с теми технологиями, которые применяются уже сейчас. В самом ближайшем будущем зрители смогут взаимодействовать с контентом благодаря искусственному интеллекту. Уже сейчас многие сервисы позволяют в режиме реального времени при просмотре определять лица актеров, музыку на фоне, а в скором времени пользователи смогут взаимодействовать и с предметами в кадре. Технология научится распознавать предметы в сцене, искать похожие товары в интернете, а зритель сможет купить их сразу же онлайн — над этим уже работают многие OTT-сервисов. Это откроет большие возможности для коммерции и продакт-плейсмента в кино, и в будущем может изменить медиапотребление вообще: вполне возможно, что просмотр контента будет неразрывно связан с онлайн-шоппингом и создаст новый вид энтертейнмента. 

Со временем платформы настолько обучатся, что смогут предлагать зрителю именно тот контент, о котором он только подумал — прообраз такой функции уже реализован на многих сервисах кнопкой рандомного выбора «включить контент на свой выбор». В будущем платформы могут трансформироваться и привести взаимодействие зрителя и сервиса к всего лишь одной кнопке — «покажи мне контент».  

Технологии искусственного интеллекта могут быть использованы и для формирования внешнего вида самого приложения. ИИ может понять, что сейчас приложением пользуется ребенок, и скрыть лишний контент, упростить интерфейс, названия полок или перестраивать их например, по имени или аватарам мультяшных героев. Так же и для возрастных пользователей —  искусственный интеллект сможет увеличить шрифты и кнопки, и для специальных категорий, например, для фанатов конкретного футбольного клуба технология буквально на глазах сможет забрендировать приложение символикой его любимого клуба.

Велика вероятность, что в ближайшем будущем система потребления контента трансформируется в корне: развитие метавселенных, персонализация и интерактивность уже начали менять наши привычки и запросы на развлечения. Такой сценарий предполагает максимальное использование технологий искусственного интеллекта. 

*Instagrаm и Fаcebook запрещены в России, так как принадлежат компании Metа, признанной экстремистской организацией. 

Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK

Комментарии

Написать комментарий

Предстоящие мероприятия
Вчера, 12:15
ЮУрГУ

Научный коллектив Института лингвистики и международных коммуникаций ЮУрГУ создал уникальный интернет-портал, представляющий собой большой банк данных об интерпретациях в русской лингвокультуре важных общечеловеческих ценностей и других ментальных категорий. Ученые исследовали ассоциации обывателей для таких ценностей, как «образование», «карьера», «Родина», а также для концепта «страх».

5 часов назад
Михаил Орлов

Долгое время ученые не могли понять, как среди бедной почвы бассейна Амазонки появились небольшие участки черной плодородной земли. Из нового исследования следует, что аборигены Америки создали их намеренно. Они целенаправленно собирали и перерабатывали органику, чтобы улучшить возделываемую почву.

Позавчера, 11:20
Ольга Иванова

В это воскресенье, 24 сентября, знаменитая американская космическая межпланетная станция OSIRIS-REx доставит на Землю самую большую партию образцов, взятых с астероида. Так завершится семилетняя миссия к космическому страннику Бенну, сформировавшемуся, как предполагают ученые, еще в эпоху зарождения Солнечной системы.

20 сентября
Ольга Иванова

Исследователи из Швеции и Великобритания узнали, что «правило деревьев» да Винчи, который считал, что толщина всех веток дерева на любой его высоте, сложенная вместе, равна толщине ствола, ошибочно на микроуровне.

20 сентября
Алиса Гаджиева

Древние представители рода Homo жили около водопада Каламбо в Южной Африке 476 тысяч лет назад. К такому выводу пришли британские ученые, рассказавшие о самом раннем случае обработки древесины в строительных целях.

18 сентября
JuliaT

Людям, работающим посменно, студентам во время сессии и молодым родителям часто приходится не спать по ночам. Новое исследование показало, что усталость и сонливость после вынужденного бдения можно побороть с помощью специальной стратегии отдыха.

31 августа
Сергей Васильев

Вопреки предсказаниям, кислород-28 оказался крайне неустойчивым. Физики не успели даже зарегистрировать такие ядра, хотя теоретически они должны быть дважды магическими, а значит — особенно стабильными.

31 августа
Дарья Губина

Тотальная память — плохо для мозга. Чтобы детально запомнить событие, стоит о нем вспоминать как можно реже. Чем больше вы знаете по теме, тем больше новой информации вы запомните. Но если информации будет слишком много, то не вся она будет зафиксирована в мозге. Naked Science разбирается, как сегодня ученые, нейробиологи и психологи объясняют способности нашего мозга запоминать и учиться.

24 августа
Сергей Васильев

Двадцать лет спустя после завершения проекта «Геном человека» ученые продолжают восполнять оставленные им пробелы. Недавно им удалось установить последовательность мужской половой хромосомы, особенно трудной для секвенирования.

[miniorange_social_login]
Подтвердить?
Подтвердить?
Не получилось опубликовать!

Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.

Понятно
Жалоба отправлена

Мы обязательно проверим комментарий и
при необходимости примем меры.

Спасибо
Аккаунт заблокирован!

Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.

Понятно
Что-то пошло не так!

Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.

Понятно
Лучшие материалы
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.
Ваша заявка получена

Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.

Понятно
Ваше сообщение получено

Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.

Понятно