YouTube vil bruke nevrale nettverk for å forstå videoer

Søker på YouTube Slik søker du på YouTube som en PRO med Google Advanced Operators Les mer kan være en frustrerende opplevelse; Hvis du vet hva en video handler om, eller du husker innholdet, men ikke navnet, kan du lete veldig lenge. Det er fordi YouTube ikke gjør det se videoene slik en person gjør. Den ser bare metadataene - tittel, beskrivelse og tagger. Og det antas at opplasteren gidder å inkludere informasjonen.

Alt dette kan endre seg i nær fremtid. Google la nylig inn et patent som indikerer at YouTube faktisk kan begynne å gjøre det forstå videoene som den spiller av.

Relevansbasert bildevalg

Googles patentsøknad er for "relevansbasert bildevalg", en fancy måte å si "å finne de tingene noen søkte etter basert på hva som er i en video." I systemet utdypet i patentet, an algoritmen er opplært til å trekke ut spesifikke funksjoner i hver video og tilordne nøkkelord til dem - den kan deretter returnere en video som svar på et brukerinitiert søk som inkluderer de søkeord.

Søknaden gir et interessant eksempel:

“[I] hvis brukeren legger inn søket" billøp ", videosøkemotoren... kan finne og returnere en bilkjøringsscene fra en film, selv om scenen bare kan være en kort del av filmen som ikke er beskrevet i tekstlige metadata. "

Selvfølgelig vil dette drastisk endre hvor effektivt et YouTube-søk er. Videoer som tidligere har vært ufinbare på grunn av dårlige metadata, blir funnet. Videoer som inneholder nyttige klipp i midten, omgitt av mindre interessante ting i begynnelsen og slutten, vil være mye mer verdifullt. TED-snakkvideoer 8 TED-samtaler Videoer under 5 minutter som du vil seHar du fem minutter å drepe? Hvilken bedre måte å bruke den tiden på enn å se en fascinerende eller informativ TED Talks-video. Det er mye bra innhold tilgjengelig å se på TED, men noen ganger ... Les mer vil være funnet basert på enkeltlinjer som er talt i dem. Du kan finne kattevideoer selv om "katt" ikke er i tittelen.

Å kombinere denne teknologien med Googles allerede imponerende evne til å finne ting som er relatert til søkeordene dine, betyr sannsynligvis at det å finne videoer blir en helt annen opplevelse. Du vil se relaterte videoer som ikke inkluderer søkeordet, men inkluderer et begrep som er relatert (kanskje til og med visuelt beslektet). Det visuelle ekvivalentet med plassering av søkeord kan begynne å påvirke hvor en video vises i rangeringen. Hvem vet hvor avansert dette kan være?

Hvordan virker det?

Google holder forståelig nok kortene sine nær brystet på denne. Følgende avsnitt i patentsøknaden deres kaster imidlertid lys over hvordan de vil få YouTube til å "se" videoer:

"I ett aspekt genererer et datasystem den søkbare videoindeksen ved å bruke en maskinlært modell 4 maskinlæringsalgoritmer som former livet dittDu skjønner kanskje ikke det, men maskinlæring er allerede rundt deg, og det kan utøve en overraskende grad av innflytelse over livet ditt. Tro meg ikke? Du kan bli overrasket. Les mer av forholdene mellom funksjoner i videorammer, og nøkkelord som er beskrivende for videoinnhold. Videovertssystemet mottar et merket treningsdatasett som inkluderer et sett medieelementer (f.eks. bilder eller lydklipp) sammen med ett eller flere nøkkelord som beskriver innholdet i mediene elementer. Videovertssystemet trekker ut funksjoner som karakteriserer innholdet i medieelementene. En maskinlært modell er opplært til å lære sammenhenger mellom spesielle funksjoner og nøkkelordene som er beskrivende for innholdet. Deretter genereres videoindeksen som kartlegger rammer av videoer i en videodatabase til nøkkelord basert på funksjoner i videoene og den maskinlærte modellen. "

Det er mange veldig tette ting, men her kommer det ned. En maskinlæringsalgoritme er opprettet, og for å hjelpe den med å lære, vil Google vise den en haug med videoer og gi nøkkelord for å fortelle den hva som er i videoen. Algoritmen begynner å lære å knytte bestemte funksjoner i videoene til spesifikke nøkkelord, og blir gitt tilbakemelding fra Googles ingeniører. Jo flere videoer og nøkkelord det blir vist, jo bedre blir det i prosessen.

Etter hvert vil algoritmen bli introdusert i YouTube-søkemotoren, der den vil fortsette å lære og bli flinkere til å plukke ut relevante nøkkelord fra lyd- og videoinnhold. Mens patentsøknaden ikke nevner spesielt nevrale nettverk Den siste datateknologien du må se for å troTa en titt på noen av de nyeste datateknologiene som er ment å transformere elektronikken og PC-verdenen de neste årene. Les mer , er det veldig sannsynlig at denne spesielle typen maskinlæring vil bli brukt, siden det er veldig bra for iscenesatt læring som dette.

Ved å simulere den menneskelige hjernen (eller i det minste en teoretisk modell for hvordan den lærer seg), kan store nevrale nettverk bli veldig effektive ved læring på egenhånd, uten tilsyn, og YouTube ville gi en helt gigantisk lekeplass der den kunne lære og motta tilbakemeldinger. Andre typer maskinlæring kan brukes, men ut fra det vi vet for øyeblikket ser nevrale nettverk absolutt mest sannsynlig ut.

Google-forsker (og “far til dyp læring”) Geoffrey Hinton antydet om noe med dette i sin Reddit AMA tidligere i år.

“Jeg tror at de mest spennende områdene de neste fem årene vil være å forstå videoer og tekst. Jeg vil bli skuffet hvis vi om fem år ikke har noe som kan se en YouTube-video og fortelle en historie om hva som skjedde. ”

Vil det skaffe seg tålmodighet og drepe oss alle?

Dette er alltid spørsmålet som dukker opp når en ny kunngjøring om maskinlæring treffer nyhetene. Og svaret er, som alltid, ja Her er hvorfor forskere mener at du bør være bekymret for kunstig intelligensSynes du kunstig intelligens er farlig? Kan AI utgjøre en alvorlig risiko for menneskeheten. Dette er noen grunner til at du kanskje vil være bekymret. Les mer . YouTube vil slå seg sammen med Watson og Wolfram Alpha for å lure oss til underdanighet ved å bruke YouTube-videoer, hvoretter de sannsynligvis vil gjøre oss til datamat. (Har du ikke sett det Colossus?)

Jeg kjemper selvfølgelig. Men de potensielle implikasjonene av å trene datamaskiner for å gjenkjenne ting de "ser" og "hører" i videoer er veldig imponerende. DARPA har allerede begynt å lete Du vil ikke tro det: DARPA Fremtidsforskning i avanserte datamaskinerDARPA er en av de mest fascinerende og hemmelighetsfulle delene av den amerikanske regjeringen. Følgende er noen av DARPAs mest avanserte prosjekter som lover å transformere teknologiens verden. Les mer av sikkerhetsmessige konsekvenser av denne teknologien, men det er ikke vanskelig å forestille seg at den brukes i lov, hjemmesikkerhet, utdanning... stort sett hvor som helst.

Hvorvidt Googles relevansbaserte bildevalg vil være så effektiv som vi forestiller oss gjenstår å se, men dette kan være en potensiell banebrytende endring i videosøk. Og derfra, hvem vet? Hvis Google kan bruk sannhet som en rangeringsfaktor Kan Google bruke en algoritme for å bestemme sannhet?Google forsker på om algoritmen kan inkludere sannhet som en rangeringsfaktor. Hva betyr det for nettet? Les mer , er det ingen grunn til å tro at denne teknologien ikke vil være utrolig kraftig. Det kan endre hvor mye av Internett som virkelig forstår seg selv. Hvis den tanken ikke binder tankene dine i knuter, vet jeg ikke hva det vil.

Hva synes du om Googles patentsøknad? Hvilke andre bruksområder kan du forestille deg at denne teknologien har? Del tankene dine nedenfor!

Bildepoeng: Willyam Bradberry via Shutterstock.com, Ciumac Sergiu via kode42, Marko Bradic via Shutterstock.com.