Традиційні системи штучного інтелекту аналізують відео дуже прямолінійно – обробляючи кожен кадр. Це вимагає колосальних обчислювальних потужностей, уповільнює роботу і часто знижує точність через надмірну кількість непотрібної інформації. Проте дослідники з Японського інституту передових технологій (JAIST) презентували модель, яка докорінно змінює цей підхід і робить ШІ набагато ефективнішим.

Суть інновації полягає в тому, що нова ШІ-модель, під назвою EMF-dVAE, імітує роботу людського мозку, зокрема механізм вибіркової уваги. Згадайте, як ви спілкуєтеся зі співрозмовником: ви не дивитеся на нього невідривно кожну мілісекунду. Ваша увага активізується у відповідь на зміни в голосі чи інтонації. За таким же принципом нова нейромережа використовує аудіосигнали, щоб розуміти, які саме візуальні кадри є важливими, а які можна пропустити.

Результати дослідження вражають: під час тестування алгоритм скоротив час обробки двохвилинного відеоролика на 65%, з 52 до 18 секунд. Відкинувши майже 85% візуальних даних як неінформативні, модель не просто зберегла ефективність – її точність зросла! Ігнорування зайвих кадрів допомогло системі уникнути візуального шуму, який зазвичай збиває алгоритми з пантелику.

Як це можна практично використовувати в бізнесі? Є цілий ряд переваг.

Радикальне зниження витрат на ІТ-інфраструктуру. Оскільки алгоритм ігнорує левову частку даних, бізнесу знадобиться значно менше дорогих серверних потужностей та хмарних ресурсів для обробки великих масивів відео. Це пряма економія на операційних витратах.

Продукти в реальному часі. Висока швидкість обробки дозволяє інтегрувати ШІ у live-сервіси. Це відкриває двері для створення "розумних" HR-інструментів – автоматизований аналіз відеоінтерв'ю кандидатів, віртуальних коучів для відділів продажу та систем персоналізованого навчання співробітників прямо під час онлайн-дзвінків.

Енергоефективність та ESG. Менше обчислювальне навантаження означає менше споживання електроенергії серверами. Для компаній, які впроваджують екологічні стандарти та звітують про сталий розвиток ESG, це вагомий бонус.

Робота на звичайних пристроях клієнтів. Завдяки цій технології складні ШІ-додатки зможуть швидко та без «зависань» працювати на звичайних смартфонах чи ноутбуках користувачів, не вимагаючи від клієнта наявності дорогих відеокарт.

За матеріалами neurosciencenews.com
Іюстрація: Ші-генерація