fbpx

No-name: как алгоритмы создают контент вокруг нас — и почему скоро его станет еще больше

С генеративным контентом мы сталкиваемся в повседневной жизни, не всегда подозревая об этом. Машины уже самостоятельно «пишут» рекламные объявления и новости, сочиняют музыку, отвечают на наши вопросы в чатах. Все это стало возможным благодаря алгоритмам и системам искусственного интеллекта (ИИ). С развитием этих технологий генеративный контент — от текста до изображений и музыки — становится все «человечнее» и постепенно захватывает медиапространство.

Расскажем о том, кто и как использует генеративный контент в СМИ и рекламе — и какие прорывы в этой сфере ждут нас в будущем.

Первые разработки

В самом общем смысле генеративным можно назвать любой контент, созданный с использованием алгоритмов искусственного интеллекта. При подготовке такого контента часть процессов, в том числе тех, которые можно отнести к творческим, человек делегирует IT-системам.

Первые примеры генеративного контента стали появляться с возникновением относительно мощных вычислительных систем. Так, еще в 1985 году австрийский композитор и саунд-дизайнер Карлхайнц Эссл начал работу над проектом Lexikon-Sonate. Алгоритм Lexikon-Sonate может анализировать музыку различных стилей и писать оригинальные мелодии на лету. Широкой публике разработку представили в 1994 году — слушатели венской радиостанции могли менять мелодию, которую в прямом эфире создавал Lexikon-Sonate, набирая определенный номер телефона (сейчас запись этого радиоэфира можно прослушать на Soundcloud).

Позже, в 1990-е американский ученый Миллер Пакетт (в настоящее время он возглавляет одно из подразделений Калифорнийского университета в Сан-Диего) предложил специальный язык визуального программирования под названием Pure Data. Он позволяет создавать интерактивные мультимедийные произведения (в том числе музыкальные). Разработка стала популярной среди саунд-дизайнеров из игровой индустрии — кастомизированную версию Pure Data использовали, в частности, в Electronic Arts.

Что касается генеративной музыки в целом, то сейчас ее можно услышать не только в экспериментальных радиоэфирах и в играх, но и в тематических приложениях вроде Mubert и Endel. Мелодии, созданные алгоритмами, уже ни у кого не вызывают удивления.

Помимо опытов с генерацией музыки в девяностые шла активная работа и в области текстового контента. Так, в 1995 году другой американский ученый Ричард Уоллес начал разработку чатбота A.L.I.C.E. (Artificial Linguistic Internet Computer Entity). Уже в конце девяностых этот виртуальный собеседник мог успешно поддерживать диалог с человеком.

Проект был экспериментальным, служил доказательством возможностей технологии AIML (Artificial Intelligence Markup Language, язык разметки для искусственного интеллекта) и был удостоен множества наград. Ему трижды (в 2000, 2001 и 2004 годах) присуждали премию Лёбнера, которой награждают проекты, соревнующиеся в прохождении теста Тьюринга.


Генеративная реклама: от вывесок до упаковки

Компании довольно быстро поставили генеративный контент на коммерческие рельсы — первые разработки в этой сфере заложили основу для появления чатботов на сайтах и в приложениях, упростили подготовку музыкального сопровождения к играм и фильмам. Не остались в стороне и рекламные агентства: им автоматическая генерация контента предоставила новые возможности для продвижения брендов — причем сразу в нескольких направлениях:

Наружная реклама. Один из известных кейсов использования генеративного контента в этой сфере — совместный проект сети рекламных агентств M&C Saatchi, масс-медиа компании Clear Channel и агентства Posterscope, которые в 2015 году провели промо для несуществующего бренда кофе Bahio в самом центре Лондона.

Система с дисплеем и контроллером Kinect распознавала реакцию прохожих. На основе этой реакции на дисплей проецировалось рекламное сообщение: алгоритм подбирал такие варианты постера, слогана и шрифта, чтобы с наибольшей вероятностью привлечь внимание людей.

Авторам удалось получить множество упоминаний в прессе и популяризовать свою разработку, что и было их целью.

Дизайн. Алгоритмы позволяют кастомизировать не только уличный баннер, но и упаковку продукта. Так, в 2014 году израильское подразделение Coca-Cola разработало два миллиона уникальных принтов для бутылок диетической колы. Помимо бутылок генеративный дизайн задействовали для создания билбордов, футболок, сумок и чехлов для мобильных телефонов.

Эксперимент признали удачным, а после его проведения бутылки даже перепродавали на eBay. Спустя несколько лет этим кейсом вдохновились специалисты из Nutella, которые повторили успех коллег и выпустили 7 миллионов уникальных этикеток для баночек шоколадной пасты. Партия разошлась в Италии всего за месяц.

Возможности генеративного дизайна не ограничиваются разовыми акциями. Сервис Looka Logo Maker, к примеру, полностью построен вокруг автоматической генерации логотипов для малого бизнеса и творческих идей. За четыре года его клиентами стали 5 миллионов человек из 188 стран. Команда утверждает, что работа алгоритма занимает пару минут, а пользователю нужно лишь ввести название своей компании.

«Нейро»-коллаборации. Еще один пример использования генеративного контента — сотрудничество брендов с приложениями, которые обрабатывают фото с помощью нейросетей. В рамках коллабораций пользователи приложений получают доступ к брендированным маскам или фильтрам.

Так, в 2016 году в рамках кампании по продвижению нового геля для душа Colgate-Palmolive совместно с Prisma разработали фильтр для фото в стиле художников-импрессионистов. А в MSQRD создавались брендированные маски с персонажами Marvel и DC Comics.


«Автора этой статьи не существует»

Отдельно стоит рассказать об автоматизированном написании текстов — это одна из классических задач для систем генеративного контента. Сегодня алгоритмы генерируют не только ответы чатботов, но и более «сложный» контент: новости, почтовые рассылки, — причем читатели могут и не догадываться о том, что статья написана роботом.

Одним из первых коммерчески успешных проектов в этой области стала разработка американской компании Automated Insights. Уже в 2013 году система, которую назвали Wordsmith, генерировала сотни миллионов коротких сюжетов и аналитических отчетов. При этом, по словам разработчиков, в рамках исследований примерно половина респондентов не могла отличить тексты, сгенерированные алгоритмом, от заметок, написанных человеком. Разработка быстро привлекла внимание крупных заказчиков — Yahoo! и Associated Press. Корпорации использовали возможности Wordsmith для создания отчетов и заметок о событиях из мира спорта и экономики.

Похожие технологии нашли применение в email-маркетинге и рекламе: сегодня алгоритмы могут генерировать заголовки писем и тексты для кампаний брендов в соцсетях. Подобные решения позволяют кастомизировать небольшие рекламные тексты, используя научный подход, — выбор фраз и выражений осуществляется на основе статистических данных, так, чтобы максимизировать конверсию.

Разработчики одной из систем, Phrasee, отмечают: для того, чтобы месседж был эффективным, невозможно навскидку определить «правильные» слова — приходится учитывать множество взаимосвязанных факторов, оценивать многомерную модель, работать с которой человеческий мозг просто не в состоянии.

Правда, длинные и сложные материалы алгоритмам пока не по зубам. Попытки заставить машину писать лонгриды приводят к неоднозначным результатам. Так, например, этим летом агентство Frac.tl запустило генеративный блог о маркетинге. Алгоритм написал несколько сотен статей от лица несуществующих экспертов. «Фото» экспертов создали при помощи технологии StyleGAN (ранее ее использовали в проекте «This Person Does Not Exist»). Проект Frac.tl «This Marketing Blog Does Not Exist» привлек внимание аудитории и СМИ, однако тексты в блоге оказались нескладными, в них было много ошибок, неточностей и искажений фактов.

В Search Engine Journal замечают, что машина пока не в состоянии выдать длинный, эмоционально насыщенный текст. Сухо рассказать о финансовых результатах и отчетах алгоритм может, но наполнить повествование экспрессивными деталями — пока еще нет. Поэтому эксперты убеждены, что в обозримом будущем такие технологии позволят лишь освободить специалистов от выполнения рутинной работы, но не заменят профессиональных авторов и редакторов.

Генеративное будущее — как изменится контент в ближайшие годы

Примеров генеративного контента становится все больше, и они выглядят многообещающими. Алгоритмы сочиняют музыку, помогают создавать миллионы вариантов рекламных постеров и дизайнов упаковки, готовят тексты и отчеты, а некоторые даже пишут картины. Джо Пулицци, основатель Content Marketing Institute, считает, что «через десять лет большая часть контента будет генерироваться системами искусственного интеллекта, а спустя 20 лет люди вообще будут удивляться тому, сколько времени раньше тратилось на его создание».

Картина, созданная искусственным интеллектом

Одним из результатов развития ИИ-систем станет движение от просто персонализированной к гиперрелевантной рекламе, когда пользователю будут демонстрировать только то, что в наибольшей степени соответствует его запросам. В результате каждый из нас будет видеть меньше рекламы ненужных товаров и услуг.

Мэтт Чималья, основатель и CEO компании Cimaglia Productions, приводит такой пример гиперрелевантной рекламы: технологии генеративного контента позволят, например, монтировать из одного видео множество персонализированных вариантов за доли секунды. Так каждый потенциальный покупатель увидит уникальный, предназначенный только для него рекламный ролик, содержание которого определят системы искусственного интеллекта на основе анализа его личных предпочтений.

Вполне вероятно, что генеративный контент изменит не только рекламу, но и масс-медиа. Райан Торнбург, адъюнкт-профессор Школы журналистики Университета Северной Каролины, не исключает, что развитие алгоритмов приведет к расслоению СМИ на «дженерик-медиа», которые будут полностью отданы на откуп системам ИИ, и платные премиум-издания с персонализированным контентом (хотя и в этом случае за персонализацию могут отвечать боты).

Однако даже в этом случае профессии редактора и журналиста не уйдут в прошлое — скорее, возрастут критерии качества «ручного труда». Как говорит Торнбург, «автоматизация должна помочь лучшим писателям и репортерам направить все усилия на формирование контекста, на объяснение, зачем и почему нам нужна та или иная информация — эту работу все еще может выполнять только человек».

Как вам материал?
9742 -1 1 cookie-check No-name: как алгоритмы создают контент вокруг нас — и почему скоро его станет еще больше no