Kövess minket!

Tech

MI a média ellátási láncban

Az elmúlt években egyetlen más téma sem uralta az ipari beszélgetéseket, mint például az MI elterjedése. De mit is jelent pontosan, amikor MI-ról beszélünk? Hogyan tudnak bekapcsolódni az MI-alapú megoldások a médiába a robotújságíráson és az adatelemzésen túl és miért érdemes minél előbb alkalmazni őket?

A mély tanulás erőssége a különböző adattípusok mintáinak és struktúráinak megragadásában, valamint az adatok címkézésében és gazdagításában rejlik. A mesterséges intelligencia az emberi kognitív képességek gépes szimulációjának általános kifejezése. A machine learning avagy a gépi tanulás matematikai módszerek sorozatát írja le, amelyek a megtanult példákból származó adatok bizonyos mintáit azonosíthatják. A deep learning pedig, azaz a mélytanulás a gépi tanulás részhalmaza, amely autonóm módon tanul és tár fel mintázatokat egy nagy adathalmazban, amit az emberi munkaerőnek sokkal több időbe és erőfeszítésbe kerülne megtennie.

MÉLYTANULÁS A MÉDIÁBAN

A mélytanulás lehetővé teszi olyan mennyiségű adat feldolgozását, amelyet nem célszerű manuálisan feldolgozni. A mély tanulás erőssége a különböző adattípusok mintáinak és struktúráinak rögzítésében, valamint az adatok címkézésében és gazdagításában rejlik. Az aktuális tények és adatok napi áramlásával a médiaszektor ideális a mélytanulás alkalmazásához.

Bár sok médiaszakértő szkeptikus az MI-vel kapcsolatban, a legutóbbi tanulmányok szerint az MI által generált hírek, például a forgalm információk vagy az időjárásjelentések területén kézenfekvő az alkalmazásuk. Megfelelő stratégia nélkül azonban a nagyobb automatizálás gyorsan rémálommá válhat.

MI a médiaellátási láncban

Hogyan integrálhatjuk meglévő rendszereinket a gyorsan növekvő MI szolgáltatók körébe, előre képzett modellekkel, keretekkel és szolgáltatásokkal történő használatra kész környezetekkel? Ennek eldöntéséhez először is meg kell vizsgálnunk, hol alkalmazhatjuk őket. Az egész médiaellátási láncban vannak lehetőségek rá, de nem mindegy, hogy melyik szolgáltatáshoz melyik illik. Néhány példa erre:

• Fogyasztás – Automatikus minőségellenőrzés, megfelelés, a deepfake tartalmak (azaz a mesterséges intelligencia segítségével létrehozott hamis tartalmak) felismerése, szerzői jogi felügyelet

• Termelés – címkézés, entitásfelismerés, témacsoportosítás, automatikus szerkesztés-vágás, automatikus kiemelések, robotújságírás

• Tervezés – Automatikus programtervezés, licencelési vagy marketingminták alapján

• Marketing – Értékelés előrejelzése, vásárlási minták utánzása

• Terjesztés – automatizált lejátszás vagy csomagolás

JÓ STRATÉGIA

A mély tanulás segít abban, hogy betekintést nyerjünk a médiaobjektumokba olyan szinten, amely automatizálás nélkül nem volt praktikus, és segít abban a jövőképünkben, hogy “mindent tudni akarjunk minden képkockáról”.

A rendelkezésre álló szolgáltatások sokaságának támogatása, valamint a tartalmat és az üzleti intelligenciát egyaránt elkülönítő adatok és szervezeti silók áthidalása érdekében megvalósíthatunk egy „mesterséges intelligencia-specifikus” réteget, amely kezeli az összes kommunikációt, de hozzáadott értéket is nyújt a következők révén:

• Normalizálás – az eredmények egységes formátumba öntése

• Multimédiás elemzés – videó, állóképek, hang, szöveg

• Multicloud – sok különböző szolgáltatótól érkező adatok összefogása

• Képzés – Különösen a számítógépes látás területén

• Tudásgrafikon – Kontextuális adatmodelleket készíthet különböző forrásokból és ami még ennél is több, azok valósidejű frissítésére is lehetőséget ad

A szolgáltatások sokfélesége miatt lehetőség nyílik arra, hogy minden felhasználó azt válassza ki magának, ami igényeinek legjobban megfelel. Ha a vállalat kellő körültekintéssel tervezi meg az MI stratégiáját és pontosan képes megjelölni azokat a területeket, amelyek esetében a leghatékonyabb lehet a technológia, akkor jelentős költségeket takaríthat meg ezzel, miközben a szolgáltatás minősége is nő.

EGYSÉGES RENDSZER

Az egységes metaadatok alkalmazásának további előnyei vannak. A különböző szolgáltatások által elemzett felismerési koncepciók egyesíthetők, összehasonlíthatók és felcserélhetők. Kombinálhatjuk a szolgáltatásokat is, például egy műveletből beszéd-szöveg átirat küldhető el a Természetes Nyelv Feldolgozása révén egy „Cascade” műveletben.

A szabványosított metaadatkészlet és a verziókövetés lehetővé teszi az egyedi eredmények reprodukálását, és meghatározhatjuk azt is, hogy az adatok honnan származnak, és mennyire megbízhatóak.

A mélytanulást alkalmazó szervezeteknek ki kell képezniük az algoritmusokat az igényeiknek megfelelő adatokkal, és folyamatosan tovább kell tréningelniük azokat, ahogyan ezek az igények fejlődnek – ez különösen fontos olyan dinamikus környezetekben, mint például a hírek, ahol a témák / emberek / érdeklődési tárgyak folyamatosan változnak. A tréninghez létrehozott címkézett adatbázis létrehozása történhet úgy is, hogy azt a munkavállalók végzik, de mivel ez nem túl kreatív feladat, ezért az erre irányuló erőfeszítéseket minimalizálni kell, ami szintén megvalósulhat mesterséges intelligencia felhasználásával is. Mivel a képzési adatok médiaobjektumok.

HOGYAN ALKALMAZHATÓ A TERMELÉSBEN?

A mesterséges intelligencia alkalmazásához sokszínű csapatra van szükség – az ötlettől kezdve a prototípuson keresztül történő validálásig, a gyártásba kerülésig sokféle szerepet igényel a kezelése, többek között:

• Üzleti elemzőt – az adott projekt vagy terület szakértője

• Adatmérnököt – elegendő mennyiségű és minőségű adatforrás biztosítása a feladata

• Adattudóst – elvégzi a megvalósítást és ellenőrzést

A 80/20-as szabály itt is alkalmazandó: A gyakorlati tapasztalatok azt mutatják, hogy a munka nagy részét rendszerint az adattervezés teszi ki, míg a megvalósításra kevesebb idő és erőforrás is elég. A szerepkörök meghatározása esetén javasolt a következő szabványosított eljárásra támaszkodni:

1. MI útiterv – a releváns use case-ek azonosítsa és fontossági sorrendbe állítsa

2. MI Lab – az ötlet és a prototípus kidolgozása

3. MI Factory – a termelési környezetbe teljesen integrált operatív MI szolgáltatás fejlesztése

4. MI működtetés – stabil és állandó működés és folyamatos fejlesztés

A gyakorlati alkalmazás tekintetében a lehetőségek szinte határtalanok, ma már rengeteg érdekes példát ismerünk a média különböző területeiről. Ilyenek például az interaktív divatfelismerés, a kéziratok automatikus kivonatolása, az infrastruktúra rendellenességeinek felderítése, adatújságírás (pl. „Bűnügyi térképen keresztül”), hogy csak néhányat említsünk. Nyilvánvaló, hogy a jövőben az MI egyszerűen része lesz minden informatikai eszközkészletnek.

Tech

Fizikailag követi a használóját a csúcs webkamera

Gesztusokkal is lehetőség van a 4K-s szenzorú kütyü működésének vezérlésére.

Közzétéve:

Kifejezetten high-techre sikerült a sportkamerákról és 360 fokos kamerákról ismert Insta360 első számítógépes webkamerája, a Link nevű termék vízszintes és függőleges tengelyek mentén is tudja forgatni a szenzorát, így akár egy fel-alá sétáló személyt is képes folyamatosan a kép közepén tartani.

A 4K felbontású képalkotó szenzorral szerelt Link további érdekessége, hogy kézgesztusokkal is vezérelhető, például kapcsolgatható a felhasználókövetés, a zoomolás, váltani lehet a fekvő és álló tájolású videófelvételi módok között. A fáziskülönbséges autófókuszt használó termékben specifikusan álló rajztáblát és asztallapot mutató módok is találhatóak, ezek különösen jól jöhetnek például egyes tanároknak és tartalomkészítőknek.

A webkamera nagy hátrányát az ajánlott fogyasztói ára jelenti, Európában önmagában 370 euróba, míg tripodos készlettel együtt 405 euróba kerül, olyan 147 ezer és 160 ezer forintokról beszélünk – írja az Origó.

Tovább olvasom

Tech

Beismerte az Intel, hogy baj van a videókártyáival

A meghajtószoftveren csúszik el az Arc-termékek első generációja.

Közzétéve:

A borítókép illusztráció, a forrása: Pixabay

Az elsőként Kínában piacra került Arc A380 nem hivatalos tesztjeinek elérhetővé válása óta nem titok, hogy baj van az Intel első generációs grafikus kártyáival, az említett modell a megszokott szintetikus mérésekben ugyan remekel, de játékokban kevés kivétellel elvérzik a rivális termékekkel szemben.

A helyzetet most az Intel vezérigazgatója is elismerte a vállalat pénzügyi eredményeinek ismertetése során, Pat Gelsinger kizártnak tartja, hogy az eredeti terveknek megfelelően sikerül idén eladni belőlük olyan 4 millió darabot. Állítása szerint a problémát a grafikus meghajtószoftverük jelenti: az illetékesek eredetileg azt gondolták, hogy a processzorokba integrált videóvezérlők driverét fel tudják használni alapként, azonban ez óriási tévedésnek bizonyult, szinte nulláról új drivert kellett írniuk.

Ennek megfelelően az Arc videókártyák meghajtószoftvere egyelőre nagyon kezdetleges állapotban van, ráadásul a fejlesztők elsősorban a DirectX 12 és a Vulkan programozási felületek működésének optimalizálásával foglalkoztak, hogy legalább az újabb és jövőben megjelenő játékokban ne legyen túlságosan tetemes az Arc modellek hátránya, így a régebbi API-kat használó címekben különösen rossznak bizonyulhat a teljesítmény.

További érdekesség, hogy az első generációs Intel Arc videókártyákat csak olyan modern alaplapokba érdemes betenni, amelyekben bekapcsolható a PCI Express 4.0 szabvány Resizable BAR (ReBAR) kiterjesztése, enélkül drámaian visszaesik a játékok teljesítménye – olvasható az Origó cikkében.

Tovább olvasom

Tech

Rémálom hibát rejthet a Google olcsóbb mobilja

Ismeretleneknek is feloldhatja a zárolást a Pixel 6a ujjlenyomat-olvasója.

Közzétéve:

A borítókép illusztráció, a forrása: Pixabay

Más készülék esetében eddig a legjobb tudomásunk szerint nem tapasztalt hibajelenséggel került piacra a Google Pixel 6a, a kijelző alatti ujjlenyomat-olvasója bárkinek hajlandó lehet feloldani a telefont. Két mobiltesztet készített youtuber jóvoltából erre már a készülék elérhetővé válása előtt fény derült, mostanra pedig több felhasználó is jelezte, hogy tapasztalja a problémát a vadiúj okostelefonján.

A jelenség háttere egyelőre rejtély, látszólag a tesztelőkhöz és vevőköz került mobilok csak kis részét érinti, rengetegen nem képesek reprodukálni a hibát, ami hardveres jellegű okot sejtet. Viszont közben olyan beszámoló is érkezett, hogy a regisztrált ujjlenyomatok törlését és újbóli felvételét követően látszólag helyreállt az ujjlenyomat-olvasás megfelelő működése, így egyelőre nem zárható ki a szoftveres jellegű, frissítéssel feltehetően javítható malőr lehetősége sem.

A Google egyelőre nem kommentálta a helyzetet – jelentette az Origó.

A bárkit beengedő ujjlenyomat-olvasós probléma nem csak a magánszféra általános védelme miatt rémálom, hiszen akinek lehetősége van rá, az kényelmi okból jellemzően a bankjának mobilappját is biometrikus azonosítással oldja fel. Emiatt ha rossz kezekbe kerül a mobil, akkor elutalható vagy elkölthető lehet a bankszámlán lévő pénz is.

Tovább olvasom