La dott.ssa Monica Gracia, Direttore Internazionale delle Ammissioni della Fundación Universitaria Iberoamericana (Fondazione Universitaria Iberoamericana, FUNIBER), partecipa a uno studio che sviluppa un approccio basato sull’intelligenza artificiale per classificare i video di YouTube, al fine di facilitare la ricerca di informazioni da parte dell’utente.
In un mondo in cui ogni minuto vengono caricate 300 ore di video su YouTube, trovare contenuti rilevanti può essere come cercare un ago in un pagliaio digitale. Ma cosa succederebbe se l’intelligenza artificiale potesse trasformare questa esperienza, classificando i video con una precisione quasi perfetta?
Nell’ultimo decennio, i contenuti video sulle piattaforme web sono cresciuti in modo significativo, grazie all’accesso gratuito a siti come Facebook e YouTube. Fondato nel 2005, YouTube è diventato rapidamente la seconda piattaforma di condivisione video, con circa 37 milioni di canali. La piattaforma consente agli utenti di guardare, condividere, commentare e caricare video, diventando una fonte costante di informazioni su una varietà di argomenti. Ogni minuto vengono caricati su YouTube moltissimi video, che coprono un’ampia gamma di argomenti. Questi video sono facilmente condivisibili attraverso i social network, i siti web e le e-mail e possono essere incorporati in altre pagine web. Una corretta categorizzazione dei video è fondamentale per migliorarne la visibilità e la ricercabilità, utilizzando tag e categorie per ottimizzarne la classificazione.
I modelli di apprendimento profondo sono stati fondamentali per l’elaborazione delle immagini e la classificazione dei video. Queste tecniche si sono dimostrate efficaci nell’elaborazione del linguaggio naturale (NLP), come l’analisi semantica e la modellazione delle frasi. Le reti neurali convoluzionali (CNN), originariamente sviluppate per la computer vision, hanno dimostrato di avere successo nella PLN. Nella classificazione dei video, possono essere utilizzate sia caratteristiche visive che testuali, mentre la categorizzazione basata sul testo è meno complessa dal punto di vista computazionale, anche se limitata quando le informazioni testuali sono scarse.
Nonostante queste sfide, la categorizzazione video basata sul testo offre vantaggi in termini di semplicità computazionale. Questo processo, noto come classificazione testuale, organizza i documenti in gruppi specifici, la classificazione binaria è la più comune. L’obiettivo è caratterizzare un documento per assegnarlo alla categoria appropriata, senza estrarre informazioni aggiuntive. In questo senso, lo studio presenta un approccio innovativo basato sull’intelligenza artificiale per affrontare questa sfida, che consiste in una rete neurale convoluzionale profonda (DCNN) incentrata sull’utilizzo di caratteristiche testuali come titoli, descrizioni e tag degli utenti per classificare i video.
I risultati hanno dimostrato una straordinaria capacità di classificare i video di YouTube con un’accuratezza del 96% e un’area sotto la curva (AUC) del 99% sulle caratteristiche operative del ricevitore. Questo risultato supera in modo significativo i metodi esistenti, offrendo un potente strumento per suggerire agli utenti video rilevanti e organizzarli per categoria in modo più efficace.
Oltre alle DCNN, lo studio ha valutato anche le prestazioni delle reti neurali ricorrenti (RNN) e delle unità ricorrenti chiuse (GRU), nonché dei modelli di regressione logistica, delle macchine vettoriali di supporto, degli alberi decisionali e delle foreste casuali. Tuttavia, la DCNN è risultata la più efficace nel compito di categorizzazione dei video.
Questa scoperta non solo promette di migliorare l’esperienza degli utenti sulle piattaforme video, ma potrebbe anche avere implicazioni significative per la gestione dei contenuti digitali in generale. Consentendo una categorizzazione più accurata ed efficiente, gli strumenti basati sull’intelligenza artificiale come DCNN potrebbero trasformare il modo in cui le persone interagiscono con i contenuti online, rendendo più facile l’accesso alle informazioni pertinenti in un mare di dati. Nel prossimo futuro, la ricerca di video su YouTube potrebbe essere altrettanto semplice e accurata.
Per saperne di più su questo studio, cliccate qui.
Per leggere altre ricerche, consultare l’archivio UNEATLANTICO.
La Fondazione Universitaria Iberoamericana (FUNIBER) promuove diversi programmi di studio di master nell’area della tecnologia, come il Master in Gestione Strategica nell’Ingegneria del Software. Questo master vi prepara ad essere un agente di trasformazione all’interno delle organizzazioni. Imparerete a integrare l’ingegneria del software nelle strategie aziendali, sviluppando competenze essenziali nella direzione strategica, nella leadership e nella gestione della tecnologia. Non perdete l’opportunità di diventare un leader strategico nell’ingegneria del software! Iscrivetevi ora e portate la vostra carriera al livello successivo.