A Google mesterséges intelligenciával foglalkozó blogja szerint a vállalat kutatói olyan MI-rendszert fejlesztenek, amely képes a honlapok tartalmát automatikusan átkonvertálni egy-egy rövid videóvá. A rendszer feltérképezi az oldalak elemeit, a szöveget vagy a képeket, és a hozzájuk tartozó olyan jellemzőket is, mint a színek, a betűtípusok vagy a HTML forrásokban meghatározott grafikus stílusok, ezeket pedig összerendezi egy olyan filmes szekvenciába, ami ebben a formában is a forrásnak megfelelő hatást kelt.
 

forrás: ai.googleblog.com

A kutatók szerint az algoritmus az üzleti felhasználásban is alkalmas lesz rá, hogy bemutassa a gazdag vizuális tartalommal rendelkező weboldalakat, ezen belül pedig az általuk képviselt termékeket és szolgáltatásokat. Ezekből így automatizált módon lehet majd kis videókat gyártani, ami nem csak gyorsabb, de összehasonlíthatatlanul olcsóbb is lenne, mint a hagyományos bemutatók és imázsfilmek elkészítése, ami több napot vagy hetet vesz igénybe, és hasonló dimenziókban arrafelé is 800-1.200 dolláros átlagos költségekkel jár, de nálunk sem úszható meg sokkal kevesebből.

Az ember csak a lényeges döntéseket hozza meg

Az URL2Video neű projekt, amelyet a 2020-as User Interface Software and Technology Symposium kereteiben mutattak be, lényegében teljesen önállóan azonosítja az oldalak meghatározó komponenseit, és maga határozza meg a prezentáció látványelemeit vagy az elemek időzítését is. Az emögött álló heurisztikákat profi dizájnerek segítségével alkották meg, hogy a rendszer magától alkalmazhassa a megfelelő szerkesztési stílusokat a tartalmi hierarchia, az információ összefoglalása és megfelelő időkeretbe sűrítése céljából, miközben konzisztens módon alkalmazza az adott márkára jellemző stílusokat és színeket – figyelembe véve természetesen az előre meghatározható felhasználói preferenciákat is.
 

A mesterséges intelligencia ilyen összefüggésben azonosítja az oldalak vizuálisan megkülönböztethető elemeit, és egy olyan listába rendezi azokat, ami tartalmazza a címsorokat, a termékfotókat, a termékleírásokat vagy a látogatókat cselekvésre ösztönző (call to action) gombokat is. Ezzel párhuzamosan rögzíti az egyes tételekhez tartozó nyers tartalmat (szöveg, multimádiás források) és a dizájn-specifikációkat (HTML tagek, CSS stílusok vagy renderelési célok), ezeket a csoportokat pedig rangsorolni is képes egy prioritási skálán a vizuális megjelenés vagy a kódba fűzött kommentek szerint.

Az MI elvileg csak a honlapok domináns elemeit választja ki, és a megállapított hierarchia alapján, időben és térben is elrendezi azokat a rövid videóban, átméretezve a kimeneti MPEG-4 videó kívánt felbontáshoz. Bár a Google aktuális kutatása csak a weblapok vizuális tartarmának feldolgozásával foglalkozik, a kutatók már rákanyarodtak az audio vonalra is, ide értve az hangrámondás lehetőségét is a szerkesztés során. A hosszabb távíú cél mindezzel az lenne, hogy a tervezőknek csak a magas szintű döntéseket kelljen meghozniuk, a gépi tanuló modell pedig ezután önjáró módon javaslatokat tegyen a többféle platformra készülő tartalmak részleteinek kialakításra.