Nguyên nhân chính để các công ty media và giải trí truyền thống ứng dụng trí tuệ nhân tạo

Con người đang dùng ngày càng tăng điện thoại thông minh (smartphone), máy tính bảng (tablet) và các thiết bị mobile cũng như các thiết bị kết nối Internet khác để xem video.

Một khảo sát gần đây của công ty IBM (đầu năm 2017) với gần 21.000 người ở 42 nước khẳng định rằng người tiêu dùng không chỉ xem video ngày càng tăng trên Internet, mà rõ ràng họ cũng chuyển sang mobile ngày càng nhiều qua việc dùng băng thông rộng ở những nơi mà Wifi không có sẵn rộng rãi.

Các nhà đột phá số (Digital Disruptor) như Netflix, Amazon, Facebook, Google và Snapchat đã nắm lấy thời cơ về tình yêu của người tiêu dùng đối với video để thay đổi căn bản trải nghiệm video của khách hàng. Trong thực tế, họ đã điều chỉnh các kỳ vọng của khách hàng đối với công nghiệp media và giải trí (Media and Entertainment – M&E) và hiện giờ họ đang cạnh tranh với các công ty M&E truyền thống về phương diện thời gian, sự ủng hộ tích cực và tiền của người tiêu dùng.

Muốn đối chọi lại với các "đột phá số" các công ty M&E truyền thống hiểu rõ rằng trước tiên họ phải giữ được khách hàng. Họ hiểu rằng khách hàng ngày nay kỳ vọng, và thậm chí đòi hỏi, các trải nghiệm lôi kéo, hấp dẫn và nhân sự hóa khi xem video trong bối cảnh, ngay tức thì ở mọi thời điểm. Để phân phối các dịch vụ nhân sự hóa đúng lúc, các công ty M&E phải hiểu biết sâu sắc từ khối lượng lớn dữ liệu có liên quan và tác động vào nó trong thời gian thực. Với công nghệ nhận thức (cognitive technology- một nhánh con của trí tuệ nhân tạo) họ có thể hiểu biết sâu sắc khách hàng và nội dung mà họ cần, và thích ứng chính xác hơn với sự quan tâm của khách hàng tới nội dung liên quan, chính xác hơn cả về thời điểm và với mức nhân sự hóa tốt hơn so với khi không có công nghệ này.

Hình 1. Tạo ra phiên bản số mới của các nhà quảng bá

Giả sử, các tổ chức media thành công trong việc tạo ra sự hiểu biết sâu sắc để thực hiện nhân sự hóa, làm say mê và hấp dẫn mỗi khách hàng cá nhân, thách thức tiếp theo sẽ là co giãn (scaling) "các nhà máy" (factory) xử lý media của họ để giải quyết khối lượng nội dung cũng như các dòng làm việc (workflow) được tăng thêm mà phương pháp này đưa tới. Muốn vậy các công ty media sẽ cần thực hiện các hệ thống đám mây lai ghép siêu co giãn (hyperscalable hybrid cloud system) và các khả năng nhận thức để quản lý công suất xử lý media tăng lên bất thình lình cần thiết để nhân sự hóa và phân phối nội dung video mục tiêu mà khách hàng của họ muốn.

Cuối cùng, có được nguồn thu đó là điều mà các công ty M&E muốn đạt tới. Muốn vậy, họ phải làm cho các hệ thống và các quá trình tầng sau (back-end system: có thể hiểu là hệ thống có liên quan tới tạo nguồn thu) thông minh hơn để tạo nguồn thu đầy đủ từ các cơ hội mới trong khi giảm chi phí. Các công nghệ mới mẻ như các giải pháp nhận thức và blockchain đang có vai trò ngày càng tăng trong cả tạo nguồn thu và tối ưu hóa chi phí. Các công cụ nhận thức đang khởi động giá trị kinh doanh đáng kể cho các công ty như Netflix, BBC và Masters Tournament. Còn Blockchain hỗ trợ tạo nguồn thu hiệu quả hơn bằng việc đảm bảo người đúng thì được nhận xuyên suốt hệ sinh thái media.

Từ phân tích trên có thể nói hầu hết các công ty M&E truyền thống đã và đang phải chuyển đổi các mô hình kinh doanh của họ để đáp ứng với các kỳ vọng mới của khách hàng. Đó là thời gian để họ nhận ra tính cấp bách của việc "tạo ra phiên bản số mới" (Digital Reinvention^TM). Một cách hưng phấn, họ phải nắm lấy các cơ hội mà thị trường hiện đang biểu thị như minh họa ở hình 1.

Trong hình chúng ta thấy, để đối chọi được với sự cạnh tranh của các nhà đột phá số, các nhà quảng bá cần phải áp dụng công nghệ trí tuệ nhân tạo (AI) để có được những hiểu biết sâu sắc về  khách hàng (Audience insights), hiểu biết sâu sắc về nội dung, để dự đoán và cung cấp nội dung phù hợp (Content prediction and matching). Họ phải dùng sức mạnh của công nghệ đám mây và AI làm đòn bẩy cho hiệu năng và khả năng co giãn để quản lý các khối lượng nội dung và tải đỉnh (peak load) khổng lồ, để phân phối đa kênh/ đa thiết bị, để tự động hóa dòng làm việc hiệu quả. Họ phải thiết kế lại các hệ thống tầng sau (back-end systems) để tối ưu hóa nguồn thu quảng cáo, nguồn thu nội dung, để giảm giá thành như một phần của tạo ra phiên bản số mới rộng hơn.

Từ hình minh họa và giải thích ta thấy Trí tuệ nhân tạo có vai trò rất quan trọng trong việc giúp các công ty M&E truyền thống lấy lại vị trí của mình trong thị trường giải trí video đang cạnh tranh ngày càng khốc liệt hiện nay cũng như trong những năm tới.

Trí tuệ nhân tạo – Một trong những công nghệ quảng bá "nóng" trong năm 2018

Thị trường truyền hình hiện nay đang tràn ngập các khẳng định về "vật lớn tiếp theo" (next big thing). Thậm chí chúng ta có thể kỳ vọng nhiều hơn nữa các kỳ vọng đó khi năm 2017 kết thúc qua quan sát các Hội chợ, các triển lãm công nghệ, đặc biệt là các sự kiện lớn như NAB 2017 hay IBC 2017. Từ thực tế ảo (Virtual Reality – VR) và thực tế tăng cường (Augmented Reality – AR) tới Trí tuệ nhân tạo (AI), tới các thiết bị điều khiển bởi giọng nói (voice-controlled devices) – người tiêu dùng đang ngày càng được mời chào nhiều hơn các phương pháp trải nghiệm giải trí mới và hấp dẫn.

Các kỹ thuật tiêu dùng mới mẻ như IoT, VR, trợ lý số (digital assistant), 4K và nhiều hơn được ước lượng vượt quá 26 tỷ USD vào cuối năm 2018. Điều này đi kèm với dự đoán rằng hơn 126 tỷ USD sẽ được chi cho AI vào khoảng 2025, và chúng ta có thể hiểu tại sao các công ty M&E đang ưu tiên các công nghệ này.

AI sẽ là công nghệ chủ chốt trong năm 2018

Các công nghệ như VR, AR, và các khả năng giọng nói đang trở thành các phần tương tác (ở các mức khác nhau) của cuộc sống hàng ngày của người xem. Các công nghệ khác, như AI, có thể giúp cải thiện trải nghiệm xem từ phía sau những gì đang diễn ra trên các màn hình (from behind the scenes).

Trong khi tất cả các công nghệ này có tiềm năng thay đổi lớn cách mà chúng ta giải trí, các công nghệ phía sau, như AI, có tác động trực tiếp lớn hơn tới trải nghiệm người xem so với các kỹ thuật tiêu dùng thường được tiếp thị nhiều hơn đang có.

Vai trò của AI trong việc xem

Trong khi khách hàng đang khám phá ngày càng tăng với VR, AR và các công nghệ giọng nói, AI vẫn còn là người anh hùng không được ca ngợi của trải nghiệm xem. Rất nhiều chuyên gia công nghiệp đang hứng thú cho cái mà AI sẽ mang tới. Ngược lại, nhiều người tiêu dùng không hiểu rõ AI sẽ ảnh hưởng như thế nào tới trải nghiệm xem của họ. AI có thể chạm tới mỗi phần của hệ sinh thái từ các dòng làm việc video, tới quảng cáo, tới các quyết định sáng tạo và nhận nội dung (content creation and acquisition decisions).

Điều này sẽ có ý nghĩa gì đối với người tiêu dùng ? Nhờ có dán nhãn (tagging: ghi tên và địa chỉ) metadata tiên tiến, AI có thể phân tích rất nhiều dữ liệu, hiểu chính xác video bao gồm cái gì, và phát hiện ra tầm hiểu biết sâu sắc đáng ngạc nhiên về cái đã làm cho nội dung này thành công giữa những người xem. Bằng việc lượm lặt dữ liệu từ video, các chuyên gia giải trí có thể dùng AI để giúp cho ra quyết định cần cho xem loại nội dung nào, ở thời điểm nào, tới khách hàng nào.

Chúng ta thực tế mới đang ở vạch xuất phát khi xem công nghệ AI sẽ biến đổi như thế nào. Nhưng chúng ta cũng sẽ được chứng kiến AI sẽ ảnh hưởng nhanh như thế nào tới các công ty media khi các công ty này dùng ảnh hưởng của công cụ AI nhằm triển khai các quyết định nội dung được kích thích bởi dữ liệu và thiết lập các cách xử lý công việc mới.

Công nghệ phía sau các màn hình được tăng sức mạnh bởi AI sẽ làm mới cách mà chúng ta sản xuất, phân bố, và tạo nguồn thu nội dung từ khách hàng của chúng ta. Hơn nữa, cuối cùng AI sẽ có ảnh hưởng trực tiếp tới trải nghiệm người xem hơn các công nghệ tương tác và được đánh bóng nhiều như VR.

Vậy, trí tuệ nhân tạo là gì ?

Nếu bạn đã nghe về Trí tuệ nhân tạo nhưng không chắc chắn nó là gì, bạn không đơn độc. Theo một cuộc điều tra gần đây (2017) của tổ chức tư vấn Rocket Fuel and Quatrics do tạp chí điện tử eMarketer xuất bản, khoảng 90% người dùng Internet tự nhận nằm trong phạm vi từ "không phải chuyên gia" về trí tuệ nhân tạo cho tới "không biết nó là cái gì".

Do vậy trước khi bắt đầu, có một vài định nghĩa và ví dụ mà những cái đó có thể giúp đỡ hiểu về AI.

Trí tuệ nhân tạo (AI).

Là một nhánh của khoa học máy tính xử lý mô phỏng cách hành động thông minh của con người trong các máy tính. Hiểu theo nghĩa cơ bản nhất AI là một lĩnh vực rộng bao trùm các công nghệ có quan hệ không chặt chẽ. Nhìn chung, AI được định nghĩa như khả năng để thực hiện các nhiệm vụ mà các nhiệm vụ đó cần trí tuệ giống như của con người, bao gồm nhận dạng (recognition) hình ảnh và lời nói, chữ viết, suy luận logic, và khả năng ra quyết định dựa trên kinh nghiệm đã qua. Thay cho việc thực hiện đơn giản tập cố định các khai báo đã được mã hóa cứng thành phần mềm, các hệ thống dựa trên AI có khả năng "học" về các nhiệm vụ và các tập dữ liệu, và thích ứng hoạt động (behavior) để tối ưu hóa kết quả và xử lý các đầu vào thay đổi.

Các thành phần của Trí tuệ nhân tạo

Các ứng dụng (Application hay app)  AI, hơn là một công cụ đơn khối, đang được xây dựng xung quanh tập đa dạng các công cụ và kỹ thuật, chúng kết hợp để tạo ra chức năng tiên tiến.

Ngày nay khi chúng ta nói về AI, chúng ta không nói về một công nghệ. Trong thực tế, các công cụ AI bao gồm một số thành phần riêng rẽ kết hợp với nhau để tạo thành các application mà chúng ta nghĩ như AI. Hình 2 mô tả một số thành phần chính của AI. Chúng bao gồm: Các ứng dụng (Applications, Các dạng mô hình, Các phần mềm/phần cứng cho các mô hình đào tạo và vận hành, Các công cụ xử lý song song, Các nền tảng lưu trữ và tính toán dữ liệu đám mây, Các ngôn ngữ lập trình cho xây dựng các mô hình: Pythone; TensorFlow; Java; C.

Vậy cái gì là các thành phần chính của AI ? AI bắt đầu với nền tảng phần cứng và phần mềm chuyên dụng cho viết (writing) và đào tạo (training) các thuật toán học máy.

Dưới đây là một vài giải thích ngắn gọn một vài  khái niệm mới mà bạn đọc có thể chưa quen khi tìm hiểu về AI.

Học máy (Machine learning)

Là một dạng của trí tuệ nhân tạo cho phép các hệ thống (các ứng dụng phần mềm) trở nên chính xác hơn trong dự đoán các kết quả và khả năng học tự động thông qua việc dùng dữ liệu để cải thiện từ trải nghiệm mà tại thời điểm đó không cần được lập trình rõ ràng, dứt khoát.

Học sâu (Deep learning)

Là một nhánh con của học máy, học sâu dùng các mạng có khả năng học từ dữ liệu mà dữ liệu đó là không cấu trúc hoặc không được dán nhãn (hay thẻ - unlabeled data). Học sâu thực hiện phương pháp trực giác để dạy các thuật toán xử lý dữ liệu, tương tự với một số phương pháp mà con người học. Phương pháp có thể phân phối các kết quả ấn tượng, nhưng nhược điểm đó là chiếm nhiều dữ liệu để đào tạo các thuật toán. Đó là lý do mà các nhà khoa học dữ liệu cần công suất xử lý của GPU để đào tạo các mô hình và giữ cho thời gian đào tạo giảm.

Mạng tế bào thần kinh

Là một hệ thống máy tính, được mô hình hóa theo hệ thống thần kinh và bộ não của con người, chứa một số khối xử lý kết nối để phân tích thông tin và cho ra các kết quả thống kê có điều chỉnh (bằng cách bổ sung giá trị) để dẫn tới đầu ra cuối cùng.

Chatbot

Chatbot (thuộc khoa học máy tính, hoặc gọi tắt là "bot") là sự mô phỏng con người để nói chuyện qua phòng chat, hoặc "chương trình máy tính thực hiện hội thoại qua phòng chat".

Ngôn ngữ lập trình

Không có một ngôn ngữ lập trình nào là đồng nghĩa với AI, nhưng một số gây chú ý về chúng. Pythone đang nhanh chóng trở thành ngôn ngữ thông dụng, mục đích chung cho viết các ứng dụng phân tích (writing analytics applications), do vậy không ngạc nhiên khi nó trở thành chung trong các ứng dụng AI. Java và C cũng được sử dụng rộng rãi vì chúng cung cấp sự kiểm soát sâu, mức thấp, dù điều này làm cho chúng phức tạp hơn nhiều Pythone. TensorFlow, mã nguồn mở của Google, cũng có được một phần nào đó như thành phần của AI.

Nhiều người tin tưởng rằng AI là một công nghệ mới, nhưng thực tế nó xuất hiện từ cách đây hàng chục năm. AI được coi như "sinh ra" ở Dartmuoth Conference năm 1956, ở đó nó được đặt tên và được chỉ định chính thức như một đề tài nghiên cứu của cộng đồng khoa học.

Qua nhiều năm AI đã tiến hóa để được thừa nhận rộng khắp xuyên suốt nền công nghiệp công nghệ. Điều này xảy ra hầu như ở đằng sau sân khấu, nơi mà học sâu và nối mạng neuron có ảnh hưởng lớn trong xử lý big data và tự động hóa nhiều chương trình có ích. Tuy nhiên ngày nay AI thực tế đang bắt đầu cất cánh vì các khả năng của nó đang được ứng dụng vào nhiều hoạt động hàng ngày của chúng ta.

Từ các trợ lý cá nhân như Alexa của Amazon, đến cá nhân hóa media và giải trí, AI có tiềm năng rất thực tế và rất thú vị để tác động vào cuộc sống hàng ngày của chúng ta. Một chỉ báo hàng đầu của việc áp dụng này là giá trị kinh phí đang được tuôn chảy cho AI. Công ty IDC (International Data Corporation) dự đoán chi phí cho AI sẽ là khoảng 13 tỷ USD trong năm 2017, và sẽ tăng gần 3 lần, tới khoảng 46 tỷ US vào năm 2020.

(Theo VTV.NET)