211service.com
Yahoo Labs algoritm identifierar kreativitet i 6-sekunders Vine-videor
I januari 2013 slog en videodelningstjänst vid namn Vine plötsligt till cyberrymden. Tjänsten, som ägs av Twitter, var unik eftersom användare fick spela in och dela videor som inte var längre än sex sekunder. Men inom några månader hade det blivit den mest populära videodelningsapplikationen på webben och den mest nedladdade gratisappen på Apple Store.
Tidsbegränsningen har haft en intressant inverkan på den kreativa processen: den har tvingat användare att berätta sina historier på bara sex sekunder. Det har i sin tur lett till en helt ny genre av filmskapande som nu har sin egen sex sekunders filmskapande kategori på Tribeca Film Festival i New York.
Den extraordinära framgången med sex sekunders videor erbjuder en nyfiken möjlighet. Eftersom videorna är så korta är de relativt lätta att analysera med hjälp av maskinseendealgoritmer och ljudanalystekniker. Och det väcker en intressant fråga. Kan dessa automatiserade tekniker se skillnaden mellan sex sekunders videor som människor anser vara kreativa och de som anses vara icke-kreativa.
Idag får vi svar tack vare Miriam Redis arbete på Yahoo Labs i Barcelona, Spanien, och några kompisar som har använt crowdsourcing-tekniker och maskinalgoritmer för att analysera cirka 4 000 sexsekundersvideor från Vine-strömlinjen. Deras resultat tyder på att maskiner kan göra ett ganska bra jobb med att skilja mellan kreativt och icke-kreativt innehåll - åtminstone i sexsekundersgenren.
Teamet började med datamängden som sammanställdes genom att välja 1000 videor som redan hade markerats som kreativa. De valde ut ytterligare 200 videor från onlineartiklar om Vine-kreativitet och sökte igenom innehållet som producerats av författarna till detta innehåll för att hitta ytterligare 2300 videor. Slutligen valde de ut ytterligare 500 videor slumpmässigt från Vine-strömlinjen.
Nästa uppgift var att avgöra vilka av dessa videor som var kreativa och vilka som var icke-kreativa. För att ta reda på det bad de cirka 300 volontärer med crowdsourcing att titta på videorna och svara på frågan är den här videon kreativ? med möjliga svar som är positiva, negativa eller vet inte. Varje video har betygsatts av fem olika frivilliga.
Dessa arbetare gav förvånansvärt konsekventa resultat. De var till 100 procent överens om 48 procent av videorna. Med andra ord gav alla fem utvärderarna samma poäng till nästan hälften av videorna. Av dessa var de överens om att 25 procent var kreativa. För att sätta detta i perspektiv identifierade volontärerna endast 1,9 procent av de 500 slumpmässigt utvalda videorna som kreativa, vilket gav en kreativitet i bakgrunden.
De analyserade sedan varje video med olika algoritmer. Till exempel letade de efter kompositionsdrag som regeln om tredjedelar och grunt skärpedjup. De använde en algoritm för att analysera innehållet i videoscener som studerar konturerna och layouten i en bild. De letade också efter bevis på att videorna var stop motion-animationer eller designade för att köras på en till synes oändlig loop genom att leta efter likheter mellan den första och sista bilden. Och de bedömde nyheten i varje video genom att jämföra dess egenskaper med en slumpmässigt utvald grupp av andra.
De letade sedan efter korrelationer mellan funktionerna som hittats av maskinalgoritmer och videor som identifierats som kreativa av mänskliga volontärer. Det visar sig att scenens innehåll är starkast korrelerat med kreativitet, följt av kompositionsdrag och videonyhet.
I ett sista steg tränade de en maskininlärningsalgoritm för att använda dessa funktioner för att hitta kreativa videor i en datauppsättning som den inte hade sett tidigare. Den algoritmen kunde korrekt klassificera videor som antingen kreativa eller icke-kreativa 80 procent av tiden.
Det är ett intressant resultat som öppnar möjligheten att automatiskt filtrera Vines livestream för det mest kreativa innehållet. Detta gör att vi kan studera audiovisuell kreativitet på en finkornig nivå, vilket hjälper oss att förstå exakt vad som är kreativitet i mikrovideor, säger Redi och co.
Och om det är möjligt för en algoritm att identifiera kreativitet korrekt, varför skulle det inte vara möjligt för en dator att generera kreativt innehåll? Faktum är att att upptäcka skillnaden mellan mänskligt producerad kreativitet och datorgenererad kreativitet kan en dag bli en intressant övning i Turing-teststil.