به گزارش شبکه اطلاع‌رسانی طلا و ارز، گوگل دیپ‌مایند در ۱ سپتامبر ۲۰۲۶ (۱۰ شهریور) قابلیت تازه‌ای به نام «درک ویدیویی عامل‌محور» را برای سه مدل جمینای ۳٫۷ فلاش، جمینای ۳٫۶ فلاش و جمینای ۳٫۵ فلاش-لایت معرفی کرد. طبق اعلام رسمی این شرکت، فناوری تازه مصرف توکن — واحد شمارش داده در پردازش هوش مصنوعی — را تا ۸۸ درصد کاهش می‌دهد و هزینه تحلیل ویدیو را تا ۶۶ درصد پایین می‌آورد.
این کاهش برای شرکت‌هایی که از هوش مصنوعی برای بررسی ویدیو استفاده می‌کنند اهمیت مستقیم دارد. هر توکن مصرفی برای توسعه‌دهنده هزینه واقعی به همراه دارد؛ کاهش ۸۸ درصدی یعنی برای تحلیل حجم مشابهی از ویدیو، منابع محاسباتی مصرفی تا یک‌هشتم پیشین کاهش می‌یابد. توسعه‌دهندگان ابزارهای نظارت تصویری، دستیارهای ویدیویی و تولید محتوا می‌توانند هزینه عملیاتی خود را به‌طور محسوس کم کنند.
چه تغییری در دقت ایجاد شده
گوگل دیپ‌مایند اعلام کرد این بهبود فقط به کاهش هزینه محدود نمی‌ماند. بر پایه داده‌های همین اعلامیه، دقت تحلیل ویدیو نیز تا حدود ۷ درصد افزایش یافته است. به بیان دیگر، مدل با صرف منابع کمتر، خطای کمتری هم در تشخیص و تفسیر محتوای ویدیویی دارد.
اصطلاح «عامل‌محور» به روشی اشاره دارد که در آن مدل به‌جای پردازش یک‌باره کل ویدیو، فریم‌ها و بخش‌های مرتبط را هدفمند و مرحله‌به‌مرحله بررسی می‌کند. همین رویکرد است که حجم داده پردازش‌شده و در نتیجه توکن مصرفی را پایین می‌آورد.
کدام مدل‌ها این قابلیت را دارند
قابلیت جدید هم‌اکنون در سه نسخه از خانواده جمینای در دسترس است: جمینای ۳٫۷ فلاش، جمینای ۳٫۶ فلاش و جمینای ۳٫۵ فلاش-لایت. هر سه این مدل‌ها در رده مدل‌های «فلاش» گوگل قرار دارند که برای سرعت بالا و هزینه پایین طراحی شده و بیشتر در برنامه‌های تجاری و مقیاس‌پذیر به کار می‌روند.
رقابت میان شرکت‌های بزرگ فناوری بر سر کاهش هزینه پردازش هوش مصنوعی در ماه‌های اخیر شدت گرفته است. با گسترش استفاده از ویدیو در برنامه‌های هوش مصنوعی، هزینه پردازش تصویر متحرک به یکی از چالش‌های اقتصادی مهم این صنعت تبدیل شده است. کاهش هزینه در این حوزه می‌تواند قیمت نهایی خدمات مبتنی بر هوش مصنوعی برای کاربران نهایی را نیز در آینده تحت تأثیر قرار دهد.
نظرات کاربران