生成式人工智能与媒体技术的未来

很难忽略所有正在进行的关于生成式人工智能以及它将如何影响媒体技术. 到目前为止, 传统观点认为，它有望使新手更容易、更有效地完成重复性任务, 创造更好的盈利机会, 促进新工具的开发, 而且，无论好坏，它都将以多种不同的方式推动颠覆.

像ChatGPT这样的生成式人工智能模型所训练的智能是巨大的, 和, 因此, 而不是依靠一个人的能力, 它可以提供机器在整个学习过程中所能提供的尽可能多的排列. 问对问题，也许你会得到回报.

将生成式人工智能整合到我们的工作流程中有可能影响媒体技术中的几乎所有内容, 我将在本文中研究几种可能性. 从容易实现的目标开始，我将介绍生产，然后转移到货币化、搜索、新工具的创建等等. 与我交谈过的许多专家都认为将生成式人工智能集成到我们的工作中的直接副产品提高工作效率，减少花在死记硬背任务上的时间. 他们也看到了一些非常有创造性的解决问题的潜力, 而在同一时间, 一些伦理问题，我不会试图在这篇文章中充分探讨.

在媒体娱乐领域, 我倾向于从三个角度看问题,Anil Jain说, 战略消费行业全球董事总经理谷歌云. “首先是改进内容创作、生产和管理. 第二是增强和个性化观众体验, 第三是提高盈利能力.”

最终, 耆那教徒认为, 盈利“将成为每个人都关心的一件事，因为它有机会简化内部流程并提高运营效率, 短期内影响最大的可能是什么. 当你想到生成AI的盈利时, 然后你开始关注可能性的艺术.

数据集

一切都从数据开始. 传统的人工智能系统在训练的基础上识别模式，然后做出预测. 生成式人工智能使用这些数据来创造一些新的输出.

“生成式人工智能基于大量数据创造东西,乔纳斯·里贝罗说, 数码产品, 平台, 和广告技术经理环球. “我们需要用这些数据创建模型，这样我们就可以在M中创建东西 & 电子行业.这可能包括为编辑、图像、音频或视频创建脚本或摘要. “基本上，”里贝罗解释说，“你需要大量的数据和模型.”

里贝罗说，公共和私人数据都有助于这些模型. “对于重大举措, 我们使用的是开放数据, 但我们需要采取更谨慎的方法，因为互联网可以影响信息”——我们都知道, 互联网上充斥着不准确和可疑的信息. “我们有很多人检查结果. 不是每个人都能负担得起私人数据, 但我不能透露一些具体的工作量, 我们正在尝试使用私人数据.”

当涉及到语言模型时，各种各样的观点层出不穷. 与我交谈过的一位高管谈到，客户不需要对他们的特定产品进行培训, 因为它们可以在搜索查询中提供数据. 其他人则不那么确信他们想把数据放到开放的互联网上.

“对我来说，这是一种垃圾进垃圾出的情况，”他说 Steve Vonder Haar他是IntelliVid 研究的高级分析师. “如果你要从网上获取信息, 你不会有一个可信的信息来源. 人工智能的真正未来——至少在商业意义上——将是开发有限的数据集，用于在特定的企业网络中为决策提供信息.”

分析

生成式人工智能驱动的分析似乎正在形成一种类固醇商业分析工具. 第一个管是一个利用人工智能驱动分析的直播平台. 该公司最初的想法是，想要模拟一个项目的成功，以调整交付. “我们正在使用生成服务来创建模拟活动，然后将其拉入我们的分析平台,大卫·克莱文杰指出, 第一个管的产品副总裁. “我们使用生成式人工智能来创建测试数据，模拟客户看待活动元素和活动结果的方式.”

Clevinger says this could be tied to identifying the best 平台 for posting content; what kind of content drives better engagement—for example, driving br和 awareness or getting people to sign up for a sweepstakes—which social 平台 is better for that specific live stream; what kinds of measurements can be delivered in views, 点击, 印象, or social media comments; or even evaluating the ROI based on the result.

第一个管正计划在内部建立自己的分析平台，以充分实现这一承诺. 克莱文杰说:“我永远不会把它交给第三方。. “但我们的意图是说，这种方法在过去对这个品牌很有效. 我们如何利用那里的发现将其转化为一项活动，现在要求生成人工智能服务根据上次的效果起草一份媒体计划?”

下一步是利用第一个管的内部平台, Clevinger州, 是使用生成式AI”在垂直层面进行优化. 什么是最好的策略，什么是最好的活动，什么是围绕活动的最佳参数? 我们的一些工作流片段以前是在电子表格或不同的数据库中,克莱文杰承认. “我们试图做的是建立一个更全面的, 为客户提供基于性能指标的强大分析平台.”

内容创作

巴雷特-杰克逊拍卖公司(Barrett-Jackson Auction Co .)是另一家决定将部分生产需求交给生成式人工智能处理的组织. “Productivity-wise, 我们每个月都要为我们的上市服务写成千上万的汽车描述,达西·洛林兹说, Barrett-Jackson的首席技术官. 该公司将过去50年售出的每辆车的汽车信息整合到自己的语言模型中. 巴雷特-杰克逊公司分享了这些信息，因为它想让人们知道拍卖的结果, 但, 否则, 这是该公司自己专有的数据模型.

“训练自己的模型并不适合所有人, 这就是为什么这些开放式模型很好,洛林茨解释道. “现在我们可以在几秒钟内生成社论. 我们仍然需要人们做一些节制, 但是随着机器学习的越来越多, 我们的工作量更少，所以我们可以扩大规模,他继续说道。. 这允许公司说, “我们想让这辆车出现在这个背景中，这个人在谈论它, 5分钟后, 我们有一个有意义的2分钟视频，描述了一个制作团队需要进行大量研究的东西.”

字幕

自动字幕功能在流媒体中变得越来越普遍, 视频点播, 和视频会议. 并不是每个人都喜欢AI产生的字幕效果. 蒂埃里Fautier, Your Media Transformation的总经理说, “我有一个朋友在一家法国广播公司使用谷歌的语音转文本功能. 它有用吗?? No. 在一个有说英语的人的实验室里，它得到了一定比例的正确率. 然后你把它搬到法国的环境里房间里有噪音，有非常严格的监管要求, 但这行不通.”

在直播领域，人工智能在字幕上的应用非常广泛. “我们的一件大事是, 如果你有一个政治, 法律, 制药, 或医疗保健客户, 你绝对不会想要在标题中使用AI，因为你只会在某些时候失败,科里·本克说, 首席制作人和联合创始人 LiveX. “监督是人工智能的关键. 事实上，我相信我们将比以往任何时候都更需要制作人的监督.”

我见过一些实时的软件演示，它们的准确率非常高, 我在工作过程中一直使用不需要的系统. 在本文后面的部分, 我将讨论一个有趣的用例，它在某种程度上基于相同的技术, 但结果却完全不同.

“在生成式人工智能的世界里, 实际上，你可以增加每个印象的价值, 因为现在, 广告实际上是根据你分享的所有内容，在合适的时候专门为你制作的，这样CPM就高得多,谷歌云的Jain说. 其他人也认同这种观点，认为这种观点会立即产生吸引力.

虽然很多人跟我说过定向广告, 随之而来的成本需要与交付目标结果所需的技术能力一样多的澄清. “我认为你可以用更低的成本制作更有创意的广告，”福捷说. 现在，针对不同群体制作广告会立即面临预算限制. “如果我现在能自动化这10个不同的子类别, 您可以为一个专门的组提供一个专门的AD. 你通常不会接触超过15个群体，所以你做了15个广告，你就完成了.”

另一个正在考虑的领域是在内容中植入数字产品. “我们发现了一些机会，把一个可能是水的瓶子放在桌子上, 啤酒, 或苏打水,环球电视台的里贝罗说. 这将为更广泛的受众提供机会. “我们现在还没有做到，但我们正在研究.”

广告分析

提供有用分析所需的所有广告数据确实存在:它运行的地方, 它是如何运行的, 它遇到了什么问题?, 是给谁的, 发生了什么错误, CPM为此付出了多少钱, 诸如此类. 问题是，这些不同的信息片段目前位于不同的系统中. “在DSP方面, 有不同的系统来组合CRM, 交付, 以及活动创意数据集，看看广告是在Crackle还是在NBC新闻的桌面网站上更好,根据C.J. 莱纳德，全球媒体和广告技术顾问 MAD Leo咨询公司. “让一个人坐在那里看每个系统的印象记录，并试图将所有这些联系在一起，这是不切实际的.”

生成式人工智能可以用人类永远无法做到的方式来清理这些数据. “把这些不同的数据集放在一起,伦纳德说, “我们应该能够谈论更好的结果. 而不是把手指放在空中说, “基于我的直觉……”我希望自己能够说, “凭我的直觉和这种模式已经存在了……”

创造性的援助

到目前为止，在媒体世界中，关于生成AI应用的最常见主题是如何使用这些工具来减少后期制作完成内容所需的时间. 但它在工作流程的其他阶段也同样有用. 我们如何在最初的构思工作中使用它? 我们如何用它来总结内容? 如果它确实在这些领域发挥了有意义的作用, 这对传统上从事这些工作的人来说意味着什么?

“我们的客户对纯生成人工智能的使用要谨慎得多，因为他们试图做与创意人员相同的工作,Shailendra Mathur说, 架构和技术副总裁狂热的. 很容易看出这会让很多人感到不舒服, 他们是否是生产者, 编辑器, 动画师, 作家, 或演员.

“我们所信奉的哲学之一是创造性的帮助，”Mathur指出. “它让平凡的事情自动化了.“在后期工作流程中有很多平凡的任务，这些任务可能非常重复和耗时, 他解释说, 比如记录元数据, 手工内容检查, 搜索特定的B-roll, 还在为剧本做研究. 另一个想法是减少技术含量较低的工作. “我们今天的行业存在劳动力和技能短缺, 所以它的一部分实际上是利用一些人工智能模型以及由此产生的一些自动化来驱动我们无法用人类技能填补的领域.”

然而，这种自动化只能到此为止. “[ChatGPT]只能猜测你想要什么，”Mathur说. “你需要知道你在要求什么, 当你没有要求正确的事情时，你不能责怪ChatGPT给出了错误的答案. 如果你要求系统完成一项工作，你总是需要在那里仔细检查.”

虽然以前已经提供了各种级别的元数据搜索, 使用生成式人工智能意味着可以发现通常找不到的相关内容, Mathur解释说. 生成式人工智能中使用的大型语言模型基于一种称为语义嵌入的表示方法. 嵌入空间模型用于转换文本, video, 或音频对象到矢量数据库,Mathur说. 该数据库可以使用对象数据和语义信息来识别事物.

“当我们看到语义嵌入的核心技术时, 这就是多个音频片段的关联, video, 等.，所有这些都聚集在一起，”Mathur说. “你可以说，‘这是用这种语言写的吗?“或者给我看一张关于纳丁的图片或音频。,’”然后系统会返回与我名字相关的所有媒体对象的列表.

结果是，在训练期间没有观察到的成千上万的图像标签的预测是可能的. 这使得源代码库的访问速度更快，而且比以往任何时候都更详细. 狂热的有一个研究和高级开发实验室，展示了许多其他正在考虑的概念.

即时广告

随着2023年ChatGPT的激动人心, 谷歌云的Jain说, “每个人都经历了直接面向消费者的模式转变. 但现在有了生成式人工智能, 在上游内容创作和生产方面也有可能出现颠覆.”

“我们在我们的设施外运行多个FAST频道，”他说 Tulix 首席执行官乔治·博库查瓦. “为什么不考虑动态边缘生成呢? 想象一下，你有一个(品牌)，你在直播中占有一席之地. 你可以根据市场情况和世界上发生的任何事情动态地插入人工智能生成的广告. 我们只需要保持开放的心态，从一个全新的角度来思考问题. 这是完全可行的.”

用户体验

Jain说道:“如果你着眼于发行商，你会发现他们既兴奋又害怕. “恐惧的一面, 生成式人工智能将会减少用户花在发行商网站上的时间, 因为它要么在某处被总结了, 或者它减少了个人深入挖掘记者报道内容的需要.”

“令人兴奋的是，我们可以为消费者创造更多种类的内容体验，因为我们可以总结信息,Jain继续说道, “我们可以建立更大的社区，因为我们可以在内容上添加对话式人工智能，让体验更像是对话, 更具动态性和互动性.”

Using voice could also have a very exciting outcome for any 和 all software; consider conversational interfaces or using speech to control how a software product will work. “你实际上是在用你自己的自然语言与应用程序对话，”Mathur说.

着眼于内容创造领域，很容易看到如何在生产中创造效率. 谷歌建立了一个OTT概念验证它使用Bard来帮助观众挑选观看的内容. 这个功能代替了传统的流媒体导航. 查看器可以根据他们拥有的任何对话输入进行交互以查找内容. 它本质上是一个具有记忆和解析交互能力的推荐引擎.

然后, 如果用户想要(并且已被授予权限), 他们也可以吃薯条(或者他们可以通过外卖服务点的任何其他类型的食物)，继续与“OTT POC的声音”对话.“这是解决消费者内容困境的一个有趣方法.

洛林茨说，巴雷特-杰克逊也在考虑如何为其产品带来更多的交互性. 他指出:“现在，我们正在制作视频背景，让虚拟角色无需脚本就能说话. “我们还有一个客户服务机器人——不是虚拟化身——我可以问它任何关于我们公司的问题, 它可以实时回答我的问题.”