Artificial intelligence dalam Industri Penyiaran

Industri sudah banyak berbicara tentang kecerdasan buatan atau lebih sering disebut sebagai AI (Artificial intelligence). AI ini sendiri telah tumbuh sangat cepat dalam kurun waktu sekarang.
Tapi apa realitasnya dan apa manfaat potensial bagi industri saat ini ??? 

Inteligensi buatan adalah tentang sebuah kinerja yang kompleks menggunakan sistem secara cerdas dan mandiri. Ada pembelajaran simbolis: pengenalan ucapan, pengenalan gambar, pengenalan objek dan NLP (Pemrograman Bahasa Alami). 
Kecerdasan Umum Buatan ini didasarkan pada pembelajaran mesin: diawasi, tidak diawasi, dan diperkuat, diterapkan dalam pembelajaran mendalam, jaringan saraf, dan jaringan saraf berulang. Ketika penggunaan AI tumbuh di berbagai titik dalam masyarakat modern, ada baiknya kita mundur dan mendaftarkan aplikasi utama untuk industri penyiaran (dalam arti luas). 


Berikut adalah 10 aplikasi AI potensial digunakan dalam Broadcasting. 

1. QC
    Quality Checking adalah tugas utama sebelum konten memasuki tahap transmisi atau distribusi. Video harus melalui serangkaian pemeriksaan penting untuk kompatibilitas teknis dengan berbagai perangkat dan pemeriksaan visual untuk anomali yang dapat menurunkan kualitas pengalaman menonton.

Secara tradisional, tugas yang dilakukan oleh sistem menemukan kesalahan dalam standar teknis file sementara manusia digunakan untuk menemukan kelemahan dalam pengalaman menonton, melalui pemeriksaan lima poin. Namun, dengan peningkatan jumlah perangkat yang digunakan orang untuk menonton video, hanya memeriksa lima poin bukanlah metode yang mudah untuk memastikan QC mencapai 100 persen. Ini melihat konten oleh manusia, dan memeriksa kompatibilitas untuk berbagai perangkat, juga dapat mengambil banyak waktu dan dapat menjadi pekerjaan yang melelahkan dan berulang.

Kemampuan AI untuk menangani pembelajaran simbolik dan pembelajaran mesin sangat berguna dalam melakukan tugas-tugas QC. Basis data sistem dapat diisi dengan informasi tentang kesesuaian dengan standar video teknis untuk berbagai perangkat dan pengenalan gambar dapat membantu dalam menemukan kekurangan dalam pengalaman menonton video yang sebenarnya.

2. Search (Pencarian)
     Mencari konten di perpustakaan besar bisa menjadi tugas yang melelahkan. Konten ditandai dengan benar dalam arsip untuk membuatnya dapat dicari dengan tugas menandai konten yang dicapai melalui memasukkan metadata secara manual. Tetapi meskipun begitu, jika kriteria pencarian berubah, mudah untuk melewatkan konten yang paling relevan.

AI mengambil penandaan metadata ke tingkat berikutnya. Berdasarkan pengenalan gambar dan pembelajaran simbolik, inventaris besar metadata dapat dibuat. AI dapat membantu dalam klasifikasi konten; misalnya saat bahagia atau sedih dalam video, misalnya. Contoh lain adalah mampu mengidentifikasi logo merek di acara olahraga, yang akan membantu keberhasilan promosi acara tersebut. Memproses menggunakan sistem AI meningkatkan kecepatan pencarian dan meningkatkan akurasi respons pencarian.

3. Metadata
    Metadata dikenal untuk meningkatkan nilai konten: dalam hal memonetisasi dan memonetisasi ulang, metadata sangat penting.

Simbolik AI, melalui pengenalan suara dan gambar, dapat membuat informasi metadata yang terkait dengan konten apa pun. Tetapi AI membawa metadata ke tingkat berikutnya melalui pembelajaran mesin, menyediakan klasifikasi atau pengelompokan konten. Ini dapat lebih ditingkatkan dengan menciptakan tren menggunakan jaringan saraf; misalnya, mengaitkan konten dengan popularitasnya di antara kelompok umur. 

4. Compliance

   Compliance adalah proses mengidentifikasi peristiwa / adegan dalam video yang dapat membatasi transmisi atau distribusi di wilayah tertentu karena persyaratan peraturan.

AI, melalui pembelajaran yang diawasi, dapat digunakan untuk mengidentifikasi adegan-adegan seperti itu dalam video yang diberikan dan menunjukkan "time-in" dan "time-out" menunjuk ke sistem editing untuk melakukan pengeditan lebih lanjut.

Melalui jaringan saraf dan pembelajaran mendalam, AI dapat membantu lembaga pemeringkat untuk dengan cepat menyarankan peringkat untuk program atau film tertentu. Seluruh proses dapat disimpan dalam memori sistem menggunakan Jaringan Syaraf Berulang.

5. Editing

Mengedit sangat banyak keterampilan manusia dan membutuhkan pengambilan keputusan yang kompleks berdasarkan kreativitas editor dan apa yang mereka anggap sebagai pengalaman menonton terbaik.

Tetapi ada keputusan editorial yang rutin, seperti contoh kepatuhan di atas. Sebagai contoh, AI dapat membantu dalam mengidentifikasi bahasa kasar yang perlu dihapus, atau mengaburkan bingkai atau posisi tertentu di dalam video, menggunakan transcoding lanjutan atau fungsi sistem pengeditan.

6. Highlight

   Highlight dalam acara olahraga paling dicari setelah kompetisi selesai dengan audiensi yang sangat tertarik dengan acara-acara utama. Saat ini pengeditan manual menciptakan highlight.

Pembelajaran simbolik AI dapat membantu mengidentifikasi dengan lebih cepat sorotan utama dari acara olahraga dan, dengan menggunakan transcoding dan sistem pengeditan canggih tersebut, dapat membantu menciptakan sorotan.

Saya tidak berbicara tentang masa depan yang jauh: Ferrari mengumumkan bahwa dalam kemitraan dengan Intel, mereka sedang berupaya untuk membuat umpan pribadi ketika menonton perlombaan. Drone mengikuti mobil tertentu dan AI akan dapat mencampur dan memotong untuk memberikan umpan yang relevan. Akan menarik untuk melihat bagaimana ini berkembang.

AI kemudian dapat memperbaikinya melalui fungsionalitas pencarian dan dapat dengan cepat memberikan detail acara serupa di masa lalu dan membuat atau menyematkan tautan untuk membuat highlight lebih menarik. Analisis statistik semacam itu bersama arsip video akan menambah nilai pada konten. 

7. Break Structure atau Iklan

   Mengidentifikasi penempatan iklan yang benar-benar relevan di samping konten bisa rumit. Jika sebuah iklan muncul pada waktu yang aneh dalam suatu program, itu mungkin mengganggu pemirsa. Tetapi jika itu muncul selama pergantian adegan, itu mungkin melibatkan konsumen dan mendorong mereka untuk terus menonton bagian selanjutnya dari program.

AI, melalui pengenalan gambar, dapat mengidentifikasi perubahan adegan seperti itu dan memberikan sweet spot untuk menempatkan iklan. Itu dapat membawanya ke tingkat berikutnya dengan memberikan iklan yang relevan berdasarkan metadata yang terkait dengan adegan atau adegan tertentu. Pembelajaran yang mendalam dan jaringan saraf dapat membantu mengidentifikasi suasana sebuah adegan dan memberikan kesempatan untuk menyisipkan iklan yang relevan.

[Uji coba baru-baru ini oleh Saluran 4 menggunakan AI untuk mengidentifikasi adegan TV dan menempatkan iklan kontekstual menyebabkan peningkatan niat beli 13%. Tapi ini baru permulaan.]

8. Subtitling

Sistem subtitle untuk video jelas bukan hal baru. Namun, subtitling rumit dan sering terjadi kekurangan dalam konstruksi kalimat atau tanda baca. Aksen regional / lokal menambah kerumitan lebih lanjut.

Melalui NLP (Proses Pembelajaran Alami) dan RNN (Jaringan Syaraf Berulang), dimungkinkan untuk menghasilkan teks terjemahan dengan tanda baca dan konstruksi kalimat yang benar.

9. Supervisi

   Meskipun distribusi atau transmisi konten ke khalayak luas sangat mudah, menjaga kualitas pengalaman bagi pemirsa dan mengidentifikasi masalah apa pun dengan cepat bisa rumit.

Menggunakan pembelajaran mesin yang diperkuat dalam AI dapat membantu meningkatkan praktik pengawasan kami. Meskipun tentu saja dapat mendeteksi kesalahan dan mengidentifikasi masalah, AI membawanya ke tingkat berikutnya dalam memprediksi kesalahan melalui pembelajaran yang mendalam.

10. Presenting News (Pembawa acara berita)

Robotika adalah bagian dari AI yang terkait dengan gerakan fisik suatu sistem dan yang dapat digunakan dalam kehidupan sehari-hari. Mobil tanpa pengemudi adalah salah satu aplikasi tersebut. Di dunia penyiaran, kita bisa menggunakan robot untuk menyajikan berita hari itu. AI humanoid dapat menyajikan berita berdasarkan skrip dan menyajikan visual dari lokasi terpencil. Ini juga dapat bereaksi terhadap berita.

Dan lagi, ini dalam waktu dekat. Atau bahkan sekarang!

Saya telah menjelaskan 10 aplikasi khusus untuk video dan siaran untuk AI. Pasti ada lebih banyak dan setiap bulan membawa potensi penggunaan baru.

Apakah Anda menggunakan AI dalam bisnis Anda sehari-hari? Jika tidak, apakah Anda berencana untuk melakukannya?