نظرة على كواليس الذكاء الاصطناعي المرئي في البث

هل تساءلت من قبل كيف تجعل منصات البث مشاهدة عروضك المفضلة بهذه السهولة؟ قبل فترة ليست بعيدة، كان مجال الـ entertainment مختلفاً تماماً. كانت جداول البرامج التلفزيونية ثابتة، وكان المشاهدون عادةً يشاهدون ما يتم عرضه على الهواء. لقد غيرت خدمات البث هذه المعادلة. تُظهر الاستطلاعات أن سوق الـ global video streaming قُدر بقيمة 106.83 مليار دولار في عام 2023، ومن المتوقع أن يصل إلى 865.85 مليار دولار بحلول عام 2034.

لعب الـ Artificial intelligence (AI) دوراً محوريياً في هذا التطوّر. وتحديداً، نحن نشهد زيادة في ابتكارات الـ computer vision في هذا المجال. تتيح رؤية الذكاء الاصطناعي لمنصات البث فهم محتوى الفيديو وتفسيره من خلال تحليل الإطارات التعرف على الأنماط.

من خلال معالجة الـ visual data، يساعد computer vision المنصات على إنشاء توصيات أكثر ذكاءً، وتحسين تنظيم المحتوى، بل وتعزيز الميزات التفاعلية أيضاً. في هذه المقالة، سنستكشف كيف يساعد computer vision منصات البث على تحسين تسليم المحتوى، وتحسين تفاعل المستخدمين، وتبسيط اكتشاف المحتوى. لنبدأ!

Fig 1. سوق بث الفيديو العالمي.

استكشاف رؤية الحاسوب ومنصات البث#

عندما يتعلق الأمر بمنصات البث، يمكن أن يساعد computer vision في تقسيم مقاطع الفيديو إلى إطارات فردية وتحليلها باستخدام نماذج مثل Ultralytics YOLO11. يمكن تدريب YOLO11 خصيصاً على مجموعات بيانات ضخمة من الأمثلة المصنفة. الأمثلة المصنفة هي صور أو إطارات فيديو موسومة بتفاصيل مثل الكائنات التي تحتوي عليها، أو الإجراءات التي تحدث، أو نوع المشهد. يساعد هذا النموذج على تعلم التعرف على أنماط مماثلة. يمكن لهذه النماذج اكتشاف الكائنات، و classify scenes، وتحديد الأنماط في الوقت الفعلي، مما يوفر رؤى قيمة حول المحتوى.

لفهم كيفية عمل هذا بشكل أفضل، دعونا نلقي نظرة على بعض الأمثلة حول كيفية تطبيق رؤية الحاسوب في منصات البث لتحسين تجربة المستخدم وجعل المحتوى أكثر سهولة في الوصول إليه.

التعرف على المشاهد للتوصيات الشخصية#

التعرف على المشاهد هو تقنية computer vision technique تصنف الصور أو إطارات الفيديو بناءً على محتواها البصري وسماتها. يمكن اعتباره شكلاً متخصصاً من تصنيف الصور، حيث ينصب التركيز على تحديد الإعداد العام أو الغلاف الجوي للمشهد بدلاً من الكائنات الفردية.

على سبيل المثال، قد يقوم نظام التعرف على المشاهد بتجميع المشاهد في فئات مثل "غرفة نوم إضافية"، أو "مسار غابة"، أو "ساحل صخري" من خلال تحليل ميزات مثل الألوان، والأنسجة، والإضاءة، والأشياء. يتيح التعرف على المشاهد لمنصات البث وضع علامات على المحتوى وتنظيمه بفعالية.

Fig 2. تصنيف المشاهد باستخدام الذكاء الاصطناعي.

إنه يلعب دوراً رئيسياً في الـ personalized recommendations. إذا كان المستخدم يشاهد غالباً محتوى يتميز بإعدادات خارجية هادئة مثل "السواحل المشمسة" أو التصميمات الداخلية العصرية مثل "المطبخ الأنيق"، فيمكن للمنصة التوصية بعروض أو أفلام ذات مرئيات مماثلة. يبسط التعرف على المشاهد اكتشاف المحتوى ويعرض للمستخدمين توصيات تطابق تفضيلات مشاهدتهم.

إنشاء الصور والصور المصغرة#

تعد عملية الـ Image and thumbnail generation عملية إنشاء معاينات مرئية لمقاطع الفيديو لجذب المشاهدين وتسليط الضوء على اللحظات الرئيسية. يمكن للذكاء الاصطناعي وcomputer vision أتمتة هذه العملية لضمان أن تكون الصور المصغرة ذات صلة وملفتة للنظر.

إليك كيفية عمل العملية:

• تحليل الإطارات: يمكن لنظام رؤية الحاسوب البدء بمسح آلاف إطارات الفيديو لتحديد اللحظات البارزة. قد تشمل هذه تعبيرات عاطفية، أو إجراءات رئيسية، أو مشاهد مذهلة بصرياً تمثل أفضل تمثيل لمحتوى الفيديو.
• تحليل الحركة: بمجرد تحديد الإطارات المحتملة، يمكن استخدام رؤية الذكاء الاصطناعي للتحقق من أنها حادة وخالية من الضبابية، مما يعزز الجودة المرئية الشاملة للصورة المصغرة.
• Object Detection وتحليل المشهد: باستخدام نماذج مثل YOLO11 (التي تدعم مهام computer vision مثل اكتشاف الكائنات وتجزئة المثيلات)، يمكن للنظام اكتشاف العناصر الهامة في الإطار، مثل الكائنات أو الشخصيات أو الإعدادات. تؤكد هذه الخطوة مرة أخرى أن الصورة المصغرة تعكس بدقة جوهر الفيديو.
• تحسين الصورة: يتم بعد ذلك تحسين الإطارات المحددة من خلال مراعاة عوامل مثل زوايا الـ camera، والإضاءة، والتكوين.
• التخصيص: أخيراً، يمكن استخدام خوارزميات الـ machine learning لتخصيص الصور المصغرة بناءً على تفضيلات المستخدم وسجل المشاهدة. يؤدي القيام بذلك إلى تصميم المرئيات وفقاً للأذواق الفردية، مما يجعلها أكثر عرضة لجذب الانتباه وتحفيز التفاعل.

مثال جيد على تطبيق واقعي مشابه هو Netflix’s use of computer vision لإنشاء صور مصغرة تلقائياً. من خلال تحليل الإطارات لاكتشاف العواطف والسياق والتفاصيل السينمائية، تنشئ نتفليكس صوراً مصغرة تتناسب مع تفضيلات المشاهدين الفرديين. على سبيل المثال، قد يرى المستخدمون الذين يستمتعون بالكوميديا الرومانسية صورة مصغرة تسلط الضوء على لحظة مرحة، بينما قد يتم عرض مشهد مكثف وعالي الطاقة لمحبي الحركة.

الشكل 3. يمكن تخصيص الصور المصغرة للعروض التلفزيونية لتتناسب مع تفضيلات المشاهد.

معاينات المحتوى الآلية#

عندما تقوم بالتمرير عبر منصة بث، فإن المعاينات القصيرة والـ eye-catching previews التي تراها ليست عشوائية. لقد تم تصميمها بعناية باستخدام تقنيات مثل computer vision لجذب الانتباه وتسليط الضوء على اللحظات الأكثر جاذبية في الفيديو. بمجرد اختيار أفضل اللحظات، يتم دمجها معاً في معاينة سلسة وجذابة.

تتضمن العملية الكامنة وراء اختيار تلك اللحظات عدة خطوات رئيسية:

• تجزئة المشهد: يتم تقسيم الفيديو إلى أقسام أصغر بناءً على انتقالات طبيعية، مثل التغييرات في الإضاءة، أو زوايا الكاميرا، أو العناصر المرئية.
• اكتشاف الحركة: يتم تحديد اللحظات الديناميكية المليئة بالحركة للتأكد من أن المعاينة تجذب الانتباه.
• نماذج التباين (Saliency Models): يتم تحليل الميزات المرئية مثل اللون، والسطوع، والتباين لتحديد أكثر أجزاء المشهد لفتًا للانتباه.
• Facial Expression Analysis: يتم تحديد اللحظات ذات التعبيرات العاطفية القوية لخلق اتصال أعمق مع المشاهدين.

تصنيف المحتوى ووضع العلامات#

تعتمد القدرة على تصفح الـ movies حسب النوع أو الحالة المزاجية أو مواضيع محددة على تصنيف محتوى دقيق ووضع العلامات. تستخدم منصات البث الشهيرة computer vision لأتمتة هذه العملية من خلال تحليل مقاطع الفيديو بحثاً عن الكائنات أو الإجراءات أو الإعدادات أو المشاعر، ثم تعيين العلامات ذات الصلة. يساعد هذا في تنظيم مكتبات الوسائط الكبيرة ويجعل التوصيات المخصصة أكثر دقة من خلال مطابقة المحتوى مع تفضيلات المشاهد.

يمكن استخدام تقنيات رؤية الذكاء الاصطناعي مثل تجزئة المشهد، واكتشاف الكائنات، و activity recognition لتوسيم المحتوى بفعالية. من خلال تحديد العناصر الرئيسية مثل الكائنات والنغمات العاطفية والإجراءات، فإنها تنشئ بيانات منتصف تفصيلية لكل عنوان. يمكن بعد ذلك تحليل البيانات الوصفية باستخدام machine learning لإنشاء فئات تسهل على المستخدمين العثور على ما يبحثون عنه وتحسين تجربة التصفح الشاملة.

الشكل 4. مثال على تصنيف المحتوى الآلي لتوصيات البث الشخصية.

فوائد وتحديات منصات البث الممكنة بالذكاء الاصطناعي#

تعمل رؤية الحاسوب على تحسين منصات البث بميزات مبتكرة تعزز تجربة المستخدم. إليك بعض الفوائد الفريدة التي يجب مراعاتها:

• جودة البث التكيفية: يمكن لرؤية الحاسوب تحليل مشاهد الفيديو لرصد اللحظات عالية الحركة أو المفصلة التي تحتاج إلى جودة أعلى. يمكن بعد ذلك استخدام هذه الرؤى لضبط جودة البث لتناسب جهاز المستخدم وسرعة الإنترنت.
• مراقبة السلوك في الوقت الفعلي: يمكن استخدام الذكاء الاصطناعي لمراقبة البث المباشر لاكتشاف القرصنة في الوقت الفعلي. يمكنه أيضاً تحديد الإجراءات غير المصرح بها مثل إضافة تراكبات (على سبيل المثال، شعارات أو إعلانات) أو إعادة بث المحتوى إلى منصات أخرى.
• تسليم المحتوى الموفر للطاقة: يمكن لرؤى رؤية الذكاء الاصطناعي تحسين تسليم المحتوى من خلال تحليل طلب المستخدم وأنماط المشاهدة. يؤدي تخزين المحتوى الشائع مؤقتاً محلياً وتعديل جودة الفيديو إلى تقليل استخدام النطاق الترددي واستهلاك الطاقة، مما يجعل البث أكثر sustainable.

على الرغم من مجموعة المزايا، هناك أيضاً قيود معينة يجب وضعها في الاعتبار أثناء تنفيذ هذه الابتكارات:

• High Computational Demands: تتطلب خوارزميات computer vision طاقة حسابية عالية لمعالجة وتحليل محتوى الفيديو، ويمكن أن يؤدي ذلك إلى زيادة التكاليف واستهلاك الطاقة.

• Data Privacy Concerns: نظراً لأن computer vision يعتمد على مجموعات بيانات كبيرة لتفاعلات المستخدم والمحتوى، فقد يثير مخاوف بشأن خصوصية البيانات وأمانها.

• Data Bias: يمكن لنماذج computer vision أن تعكس التحيزات في بيانات التدريب الخاصة بها. قد يتسبب هذا في تفضيلها لأنواع معينة من المحتوى وتقليل التنوع في التوصيات.

مستقبل الذكاء الاصطناعي في منصات البث#

تساعد ابتكارات مثل الحوسبة الطرفية وتكنولوجيا ثلاثية الأبعاد في تشكيل مستقبل كيفية تجربتنا للترفيه. يمكن استخدام Edge computing لمعالجة مقاطع الفيديو بشكل أقرب إلى المكان الذي يتم بثها فيه. إنه reduces delays ويوفر النطاق الترددي، وهو أمر مهم بشكل خاص للبث المباشر والمحتوى التفاعلي. تعني أوقات الاستجابة الأسرع تجارب أكثر سلاسة وجاذبية للمشاهدين.

في الوقت نفسه، تضيف التكنولوجيا ثلاثية الأبعاد عمقاً وواقعية للعروض والأفلام والميزات التفاعلية. تفتح هذه التطورات الباب أمام إمكانيات جديدة مثل augmented reality (AR) والواقع الافتراضي (VR). باستخدام أجهزة مثل سماعات الواقع الافتراضي، يمكن للمشاهدين الدخول إلى بيئات غامرة بالكامل. يمكن طمس الخطوط الفاصلة بين العالمين الرقمي والمادي لخلق مستوى جديد تماماً من المشاركة.

Fig 5. إعادة تشكيل البث بتجارب تفاعلية مدفوعة بالواقع الافتراضي.

أبرز النقاط#

تعيد رؤية الحاسوب تعريف منصات البث من خلال جعل تحليل الفيديو أكثر ذكاءً، وتصنيف المحتوى أسرع، والتوصيات أكثر تخصيصاً. مع نماذج مثل Ultralytics YOLO11، يمكن للمنصات اكتشاف الأشياء وتصنيف المشاهد في الوقت الفعلي. يساعد هذا في جعل وضع علامات على المحتوى أسهل ويحسن كيفية اقتراح العروض والأفلام.

توفر منصات البث المدمجة مع رؤية الذكاء الاصطناعي تجارب أكثر جاذبية للمشاهدين مع ضمان عمليات منصة أكثر سلاسة وكفاءة. مع تقدم التكنولوجيا، من المرجح أن تصبح خدمات البث أكثر تفاعلية، مما يوفر تجارب ترفيهية أكثر ثراءً وغامرة.

هل أنت فضولي بشأن الذكاء الاصطناعي؟ تفضل بزيارة مستودع GitHub repository الخاص بنا لاستكشاف المزيد والتواصل مع community لدينا. اكتشف التطبيقات المختلفة لـ AI in healthcare و computer vision in agriculture.