今年的政府工作報告提出,提高科技創(chuàng)新支撐能力。穩(wěn)定支持基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究,引導(dǎo)企業(yè)增加研發(fā)投入。兩會期間,提高科技創(chuàng)新支撐能力、加速人工智能應(yīng)用落地成為代表熱議的話題。
全國人大代表丁國林為人工智能進(jìn)言獻(xiàn)策:“我們要增強緊迫感和使命感,推動關(guān)鍵核心技術(shù)自主創(chuàng)新突破,以互聯(lián)網(wǎng)思維探索人工智能技術(shù)轉(zhuǎn)化運用,用主流價值導(dǎo)向駕馭‘算法’,。”
丁國林表示:“為適應(yīng)信息主體視聽化、網(wǎng)絡(luò)視頻爆發(fā)期大勢,要更加有力推動AI影像技術(shù)的應(yīng)用,更加精準(zhǔn)促進(jìn)媒體融合轉(zhuǎn)型,更加迅速占領(lǐng)信息傳播制高點,一是大力扶持相關(guān)技術(shù)企業(yè),出臺針對性減稅降費政策;二是積極開放應(yīng)用場景空間,合力做強媒體融合國家戰(zhàn)略;三是成立產(chǎn)學(xué)研一體聯(lián)盟,共同推動技術(shù)進(jìn)步和業(yè)務(wù)應(yīng)用。”
隨著5G技術(shù)的大規(guī)模商用,視頻流量將呈指數(shù)級增長,視頻化表達(dá)已是大勢所趨。但當(dāng)前,我國媒體轉(zhuǎn)型與發(fā)展正面臨著發(fā)展瓶頸,主要表現(xiàn)在:低效率的視頻生產(chǎn)方式制約了傳統(tǒng)媒體向融媒體、智媒體轉(zhuǎn)型;海量化的視頻生產(chǎn)規(guī)模使內(nèi)容審核更加復(fù)雜困難。
丁國林認(rèn)為,AI 影像技術(shù)的賦能加持可以有效解決傳統(tǒng)媒體發(fā)展瓶頸,也是實現(xiàn)媒體融合發(fā)展戰(zhàn)略的必由之路。
目前,AI影像技術(shù)對于媒體融合潛力巨大、前景廣闊,主要作用有5個方面:一是自動化生產(chǎn),融合多模態(tài)圖像識別、情感語境、關(guān)鍵幀捕捉等關(guān)鍵技術(shù),自動化生產(chǎn)全新視頻,極大縮短工時、降低成本;二是智能化識別,基于數(shù)據(jù)快速處理、視頻智能識別,有效解決鏡頭提取準(zhǔn)確率不高、類型識別不準(zhǔn)、通用性差等問題;三是數(shù)據(jù)化挖掘,通過人工智能技術(shù),盤活持續(xù)性海量視頻資料,使其可搜索可隨需提取,實現(xiàn)價值最大化;四是結(jié)構(gòu)化服務(wù),提供精確到幀的自動化視頻結(jié)構(gòu)化服務(wù),實現(xiàn)視頻、圖片、聲音等內(nèi)容自動合規(guī)性審核;五是個性化推送,分析理解觀眾興趣偏好,視頻輸出從常規(guī)單向輸出變?yōu)榘葱枨筝敵觯淤N合觀眾需求。
實際上,國內(nèi)已經(jīng)有企業(yè)正在利用AI影像技術(shù)服務(wù)于國家的“媒體融合”戰(zhàn)略。作為國內(nèi)典型的智能影像技術(shù)系統(tǒng)的開發(fā)者及提倡者,影譜科技(Moviebook)的智能影像系列方案可支持大批量數(shù)字內(nèi)容視頻化,融合多模態(tài)圖像識別、情感語境、關(guān)鍵幀捕捉等關(guān)鍵技術(shù),實現(xiàn)影像生產(chǎn)過程的自動化,提升視頻生產(chǎn)效率,降低生產(chǎn)成本,在文娛、媒體、科教等行業(yè)得到大規(guī)模商用,并使影譜科技邁入中國計算機視覺市場第一陣營。
影譜科技創(chuàng)始人姬曉晨表示,“影像內(nèi)容將是繼文字、圖片之后的主要信息載體,隨著信息視頻化提速,影像內(nèi)容產(chǎn)制播將進(jìn)一步向個性化和智能化演進(jìn),智能影像與機器影像并存。智能影像技術(shù)在流媒體領(lǐng)域的充分應(yīng)用將推動‘個性化和互動性的智能內(nèi)容將成為重要組成部分’,并已達(dá)到大規(guī)模應(yīng)用的臨界點”。
據(jù)悉,影譜科技開發(fā)了一套AI生成無限視頻內(nèi)容的技術(shù)引擎AGC,該技術(shù)可基于用戶的喜好及技術(shù)應(yīng)用者的需求自動生產(chǎn)符合場景需求的短視頻、視頻內(nèi)片段、虛擬主持人等AI智能影像。該技術(shù)在很大程度上緩解了高質(zhì)量內(nèi)容生產(chǎn)力不足的情況。與單一業(yè)務(wù)流應(yīng)用略有不同,Moviebook影譜科技聚焦于從內(nèi)容創(chuàng)建到分發(fā),形成以元數(shù)據(jù)為基本單位的一站式智能影像技術(shù)服務(wù)。面向傳媒企業(yè)提供包括批量化創(chuàng)建智能影像、視頻資產(chǎn)管理與分析、智能影像運營、再到智能視頻商業(yè)化的全過程。
AI影像技術(shù)已成為人工智能在媒體領(lǐng)域的應(yīng)用標(biāo)桿之一,不僅能創(chuàng)建及優(yōu)化內(nèi)容本質(zhì),它還可以在定義“技術(shù)如何快速落地”方面發(fā)揮重要作用。除此之外,智能影像技術(shù)仍然充滿了各種可能性。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。