Зачем ОТТ-сервисы используют искусственный интелект
Достижения в области искусственного интеллекта (ИИ) и машинного обучения (Machine Learning) позволяют владельцам ОТТ-платформ разрабатывать и внедрять интеллектуальные инструменты для персонализации потока контента на основе предпочтений пользователя, а также оптимизировать множество процессов. По мнению ведущих игроков рынка, использование ИИ в какой-то момент станет решающим конкурентным преимуществом, и важно быть к этому готовым.
Технологию искусственного интеллекта изобрели довольно давно. До 2010 года ее чаще называли машинным обучением. Сейчас под этими терминами понимаются системы, способные учиться на предыдущих паттернах, говорит директор по распространению технологий "Яндекса" Григорий Бакунов. Но если системы машинного обучения опирались на предыдущий опыт человека, то искусственному интеллекту это уже не нужно, он учится на своих ошибках.
Искусственный интеллект широко применяется телерадиокомпаниями для процесса создания и управления контентом. По словам старшего инженера по исследованиям и разработкам компании BBC Стивена Джолли, потребность в подобных технологиях существует во всех сферах. Он определяет ИИ как использование компьютеров для автоматизации задач, которые иначе пришлось бы выполнять людям. А машинное обучение — это один из методов искусственного интеллекта, который используется для оптимизации и совершенствования различных процессов.
Примеры внедрения
Использование искусственного интеллекта на ОТТ-платформах помогает решать несколько важных задач. Это может быть автоматический анализ качества вещания, распознавание типов передач (новости, концерты или рекламные вставки), определение событий (например, голевые моменты в спорте), а также выделение брендов в рекламе, рассказывает руководитель направления SPB TV Home Дмитрий Матвиенко. Но, пожалуй, самое главное — это качественная персонализация потока контента на основе предпочтений пользователя.
Видеосервис Megogo активно использует ИИ для оценки качества видеосигнала, умного энкодинга видео, определения начала и конца каких-либо сцен и распознавания событий и образов для тегирования фильмов для системы рекомендаций. Также технология востребована для распознавания образов в фильмах для рекламных продуктов.
Глава Megogo Россия Виктор Чеканов
Внедрение ИИ позволяет видеосервисам стать для каждого зрителя персонифицированным, обеспечивает гибкость в управлении контентом, говорит генеральный директор Megogo Россия Виктор Чеканов. Скажем, чтобы рекомендовать пользователям наиболее интересные сериалы и фильмы, система опирается на историю просмотров человека, а также на привычки других людей, при этом аудитория сегментируется по возрасту, географии и другим параметрам.
"То, что сегодня в обиходе называют “искусственным интеллектом”, на самом деле таковым не является, — говорит Виктор Чеканов. — Пока это “элементы ИИ”, которые позволяют решать или автоматизировать отдельные узкие задачи. Например, в нашем случае технология позволяет уйти от использования операторов-людей, которые следят за телевизионной картинкой. Также технология помогает эффективно работать с методами сжатия видео — не все сжимать одним кодеком, а использовать для каждого кадра свой набор параметров транскрибирования, это существенно сокращает ресурсы для хранения и передачи сигнала при одновременном улучшении качества картинки".
На данный момент можно говорить об искусственном интеллекте в работе ОТТ-платформ только как о развитии рекомендательной системы и более глубокого анализа больших данных, отметил начальник отдела телевизионных сервисов компании "ТрансТелеКом" (ТТК) Антон Гурин. Именно на основе интерпретации этих данных абоненту можно предлагать тот контент, которым он реально интересуется.
По мнению Антона Гурина, технологии на основе искусственного интеллекта можно и нужно использовать в рекомендательной системе ОТТ-платформ для предложения абоненту именно того контента, который он чаще всего смотрит. По сути это новый виток развития рекомендательного движка, который позволяет анализировать активность абонента и формировать для него более точно персонализированное предложение контента. Причем формирование этого предложения происходит не только на основе просмотров в текущем приложении ТВ оператора, но и на основе посещений веб-страниц, использования других приложений, оплат в определенных магазинах и просмотров видео на популярных видеохостингах.
Искусственный интеллект также может применяться видеосервисами для глубокого анализа больших данных, аккумулированных у операторов или сторонних компаний. Кроме того, его используют для показа более релевантной рекламы внутри приложений ОТТ, при замене федеральных блоков рекламы на персонализированную непосредственно под интересы каждого абонента, говорит представитель ТТК.
Аналитическую платформу для интеллектуальной вставки рекламы в фильмы на базе технологий машинного обучения активно использует интернет-кинотеатр Tvzavr. Решение таргетирует рекламу с учетом конкретных сцен фильма и рекламируемой продукции. К примеру, к сценам работы в офисе больше подходит реклама гаджетов или офисной техники, а рекламу автомобиля уместно вставить в сцену гонок или поездки. Таким образом, в зависимости от категории сцен в рамках умного product placement, можно подключить разные группы рекламных роликов.
ИИ позволяет сделать видеорекламу по-настоящему таргетированной
Ранее Tvzavr делал разметку сцен под вставку рекламных роликов вручную, это занимало до трех часов времени оператора для одного фильма. У программы с использованием ИИ обработка фильма занимает в среднем 15 минут, при этом есть возможность параллельного анализа множества фильмов на разных серверах. При этом контроль за работой системы со стороны оператора сохраняется, но он направлен уже в большей степени на помощь в дополнительном обучении нейросети.
Что касается демонстрации персонализированной рекламы, то здесь технология уже позволяет это делать непосредственно в режиме реального времени. В частности, такое решение тестирует компания SPB TV совместно с Первым каналом. Программа анализирует рекламные ролики и при наличии разрешения от правообладателя делает персонифицированную замену сообщения непосредственно в момент доставки живого вещания.
Персонализация может также касаться выборки трейлеров фильмов и сериалов. Так, онлайн-видеосервис Netflix использует технологию на основе искусственного интеллекта и машинного обучения для показа своим абонентам трейлеров фильмов и сериалов с учетом зрительских предпочтений. Сервис анализирует буквально каждый клик своих 100 миллионов пользователей для получения детализации предпочтений просмотра. Сейчас компания пробует использовать ИИ для создания персонализированных трейлеров своих фильмов и сериалов. Специальная программа будет отбирать наиболее интересные сцены, как в обычных трейлерах, но с учетом предпочтений зрителей. Например, любителям романтических сцен будут предлагаться соответствующие кадры даже из боевиков.
"Ростелеком" сейчас ведет разработку платформы рекомендаций для своего сервиса Wink, в которой будут персональные предложениями не только VoD-контента (фильмов и сериалов на заказ), но и ТВ-передач. Цель такой работы — ускорить и упростить путь пользователя от входа в сервис до момента, когда он нашел и начал смотреть интересный ему контент, говорит руководитель направления аналитики продуктового офиса "Видео" компании "Ростелеком" Елена Рубец. Ключевой вызов, с которым работает компания, — огромное количество просмотров, которые собирает популярный контент. Несмотря на это, необходимо выявить специфическое поведение пользователя и обеспечить разнообразие рекомендаций. Для этого компания постоянно настраивает и дорабатывает свои модели.
Собственные разработки в области применения ИИ также ведет компания "Триколор". По словам директора по развитию "Триколора" Дениса Маймистова, пока компания находится в самом начале пути, поскольку относительно недавно начала развивать продукты и услуги, вовлекающие эти новые технологии. Сейчас "Триколор" сфокусирован на нескольких направлениях. Первое — это более глубокое изучение поведения клиентов с целью таргетирования коммуникаций, персонификации предложения и повышения лояльности. Второе — внедрение ИИ и больших данных в бизнес-процессы с целью их оптимизации: закупка контента, размещение рекламы, взаимодействие с каналами продаж. И третье — построение пользовательских интерфейсов с применением этих технологий: рекомендательные системы, стимулирование нелинейного потребления контента, повышение конверсии.
Польза внедрения
Любая новая технология на начальном этапе использования порождает ряд закономерных вопросов о стоимости, эффективности и безопасности. Поэтому внедрение должно быть постепенным, итеративным, считает Дмитрий Матвиенко.
Пользователь привыкает взаимодействовать с новыми функциями системы. Одновременно происходит обучение искусственного интеллекта и формирование новых привычек потребителя.
ИИ и Big Data — это обычный программный продукт, поэтому его развитие, контроль и затраты похожи на работу с другими ИТ-решениями. Его особенность в том, что он требует постоянного развития и совершенствования, а профильных специалистов и партнеров на рынке, к сожалению, пока недостаточно, говорит Денис Маймистов. По его мнению, обойтись без этих технологий, конечно, можно, но буквально через год без них будет уже сложнее, а через несколько лет — вообще нереально. Компании, которые игнорируют эти инструменты в своем бизнесе, достигают меньшей эффективности по целому ряду показателей и проиграют конкуренцию в будущем.
Искусственный интеллект — это уже настоящее, так что можно работать без него, но смысла нет, это все равно что в эру автомобилей продолжать ездить на лошадях — движение будет, но далеко не уедешь, соглашается Виктор Чеканов. Нужно понимать, что это уже не что-то из области фантастики. Как и в любой высокотехнологичной компании это работа штата программистов, коды безопасности, ежедневные усовершенствования алгоритмов работы и многое другое. И "выйти из-под контроля" человека эти элементы самостоятельно не способны. Если что-то и случается, то это ошибка алгоритма, работа не по правилам — а это достаточно просто устраняется с помощью специалистов, заключает Чеканов.