كوندي ناست تقلّص البحث في مكتبة فيديو من 250 دقيقة إلى دقيقتين عبر Amazon Bedrock
ما الذي حدث؟
كانت الفرق التحريرية في كوندي ناست تقضي في المتوسط 250 دقيقة لكل مهمة للعثور على مقطع داخل مكتبة تضم أكثر من 140 ألف فيديو، بالاعتماد على العناوين والأوصاف فقط. وبالتعاون مع مركز AWS للابتكار في الذكاء الاصطناعي التوليدي، بُني حل متعدد الوسائط لاكتشاف الفيديو على Amazon Bedrock وAmazon OpenSearch Service، انخفض معه زمن الاكتشاف إلى أقل من دقيقتين لكل مهمة.
كيف يعمل الحل؟
- فهم متعدد الوسائط: بدلاً من الاعتماد على البيانات الوصفية النصية وحدها، يحلّل النظام محتوى الفيديو نفسه.
- توليد التمثيلات (Embeddings): تُستخدم نماذج على Amazon Bedrock لتحويل محتوى الفيديو إلى تمثيلات قابلة للبحث.
- الفهرسة والاسترجاع: يقوم Amazon OpenSearch Service بفهرسة هذه التمثيلات وتنفيذ عمليات بحث تشابهية سريعة.
- واجهة للفريق التحريري: يستعلم المحررون بلغة طبيعية ويحصلون على نتائج مرتبطة فعلياً بمحتوى المقطع.
مقارنة: قبل وبعد
| المعيار | قبل | بعد |
|---|---|---|
| طريقة البحث | عناوين وأوصاف نصية | محتوى الفيديو متعدد الوسائط |
| متوسط زمن المهمة | 250 دقيقة | أقل من دقيقتين |
| حجم المكتبة | أكثر من 140 ألف فيديو | أكثر من 140 ألف فيديو |
| المكوّنات | بحث نصي تقليدي | Amazon Bedrock + OpenSearch |
لماذا يهم هذا للشرق الأوسط؟
تمتلك هيئات الإعلام الحكومية والقنوات التلفزيونية ووكالات الأنباء في المنطقة أرشيفات ضخمة من الفيديو، وكثير منها لا يزال يعتمد على الفهرسة اليدوية أو الوصف النصي. النموذج الذي طبقته كوندي ناست قابل للتكرار لأن مكوّناته خدمات سحابية مُدارة، ويمكن ربطها بأرشيف المؤسسة دون بناء نماذج من الصفر.
حالات استخدام محتملة
- الأرشيف التلفزيوني: العثور على لقطات تاريخية أو تصريحات خلال ثوانٍ بدل ساعات.
- الإنتاج الإخباري: تسريع تجميع المواد (B-roll) والمقاطع المرتبطة بقصة معينة.
- الجهات الحكومية: البحث في مكتبات الفيديو الرسمية والخطابات والوثائق المرئية.
- الرياضة والترفيه: استخراج لحظات محددة من بث طويل بناءً على وصف نصي.
ما الذي لم يذكره المصدر؟
لا يتضمن المصدر تفاصيل عن التكلفة، أو زمن التنفيذ الكامل، أو مقاييس دقة الاسترجاع، أو ما إذا كان الحل يعمل على محتوى متعدد اللغات. لذلك تُقرأ الأرقام المذكورة (250 دقيقة وأقل من دقيقتين) على أنها نتائج الحالة الموصوفة فقط.
تنويه: هذا المقال يلخّص معلومات من المصدر المذكور. للأرقام والتواريخ الرسمية، راجع الرابط الأصلي. لا نضيف تفاصيل غير منشورة في المصدر.
أسئلة شائعة
ما هو الحل الذي بنته كوندي ناست مع AWS؟
هو حل متعدد الوسائط لاكتشاف الفيديو مبني على Amazon Bedrock وAmazon OpenSearch Service، طوّرته كوندي ناست بالتعاون مع مركز AWS للابتكار في الذكاء الاصطناعي التوليدي، بهدف تسريع العثور على مقاطع داخل مكتبة تضم أكثر من 140 ألف فيديو.
كيف تغيّرت أرقام البحث بعد التطبيق؟
بحسب المصدر، كان الفريق التحريري يقضي في المتوسط 250 دقيقة لكل مهمة بحث اعتماداً على العناوين والأوصاف، وبعد الحل انخفض الزمن إلى أقل من دقيقتين لكل مهمة.
هل يمكن لمؤسسات الشرق الأوسط الاستفادة من هذا النموذج؟
النموذج قابل للتطبيق على أي مؤسسة تملك أرشيفاً كبيراً من الفيديو، مثل القنوات التلفزيونية والهيئات الحكومية ودور النشر، لأن المكوّنات المعمارية (Bedrock وOpenSearch) متاحة كخدمات سحابية ويمكن تكييفها مع بيانات المؤسسة.
ما الفرق بين البحث النصي والبحث متعدد الوسائط في الفيديو؟
البحث النصي يعتمد على العناوين والأوصاف فقط، وقد لا تعكس محتوى الفيديو الفعلي. أما البحث متعدد الوسائط فيحلّل محتوى الفيديو نفسه إلى جانب النص، ما يرفع دقة النتائج ويقلل الوقت اللازم للعثور على المقطع المطلوب.
المصدر: AWS Machine Learning
ملخص بمساعدة الذكاء الاصطناعي من المصدر أعلاه. القصص عالية الثقة تُنشر تلقائياً، والبقية تنتظر مراجعة، ولا تُضاف وقائع غير موجودة في المصدر.