運營商正在轉移重點,同時也在關注智能家居服務、安全與監控服務、智能基礎設施服務等領域的商機。
Buying Trends 調查顯示,廣播和媒體行業對人工智能和機器學習的采用有了巨大的提升,68% 的組織表示他們可能或非常可能在廣播和媒體行業部署人工智能。
對大量存儲/存檔的非結構化視頻數據進行實時、高效的標記和索引是一項重大挑戰;因為這是目前手動完成的。與傳統的自動化流程(主要基于規則)不同,AI 算法可以分析大量數據、挖掘模式、關聯各種來源的數據并生成智能洞察。
然而,有效的索引和元數據標記需要高級搜索技術,旨在發現媒體內容片段。傳統上,質量檢查、字幕和隱藏式字幕創建都是手動完成的。AI 有可能使用異常檢測和自然語言理解 (NLU) 等技術使這些自動化。此外,人工智能可以通過分析觀看模式、社交媒體足跡、當地社區的人口統計詳細信息來提高客戶體驗,從而增加點擊率以及動態插入高度相關的廣告。
深度學習算法應該使用適當的成本函數和超參數調整進行微調。應根據應用用例優化 CNN、RNN/LSTM、NLP/NLU 等算法的組合,以獲得最佳精度和效率。