| 0 |
|
Поиск специфического мультимедийного содержимого, это всегда проблема, поскольку требует текстовой информации, характеризующей изображения, видео или аудио. Профессор электротехники калифорнийского университета в Сан-Диего в статье для Proceedings of the National Academy of Sciences описывает принципы построения самообучающегося механизма поиска, использующего онлайновые игры.
Крупные музыкальные и книготорговые сайты обычно привлекают для систематизации каталогов оплачиваемых экспертов, усилий которых абсолютно недостаточно, чтобы охватить всю массу нового контента — только на YouTube за минуту появляется 60 часов новых видеороликов. Можно строить рекомендации сравнивая списки покупок клиентов со схожими вкусами, но этот метод не годится новых медиа-продуктов, которые никто еще не купил.
Решение Лэнкрита превосходит оба этих подхода. Для привлечения добровольных каталогизаторов придумана игра для Facebook под названием Herd It, предлагающая им представить примеры музыки разных стилей и направлений. Компьютер изучает образцы музыки, отнесенные фанами к определенным категориям («романтика», «джаз», «саксофон» и т.д.). Он анализирует волновые формы в поиске общих закономерностей, и, опираясь на это, автоматически маркирует миллионы других песен.
Особенно важно, что в поле внимания движка попадают не только хиты, но и малоизвестные произведения. Еще одним существенным аспектом данного алгоритма является самообучение. Используя получаемые данные для тренировки, компьютер может разрабатывать новые игры с более эффективными вопросами, уточняющими знания.
Одним из будущих приложений этого метода могло бы стать онлайновое-радио, составляющее из огромной базы музыки персонализированные и неповторяющиеся программы, соответствующие вкусу, настроению и состоянию активности слушателя.
В число частных спонсоров этой работы входят, в числе прочих, Google, Yahoo!, Qualcomm, IBM и eHarmony.
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
