Míg mindkét terület a digitális képek értelmezésével foglalkozik, a vizuális történetmesélés egy érzelmi narratíva és sorozat megalkotására összpontosít, amely rezonál az emberi tapasztalatokkal, míg az automatizált képcímkézés számítógépes látást használ a kereten belüli konkrét objektumok vagy attribútumok azonosítására és kategorizálására az adatok rendszerezése és kereshetősége érdekében.
A képek, grafikák és videók használatának művészete egy történet közvetítésére vagy a közönségben érzelmek kiváltására.
Az a folyamat, amelynek során mesterséges intelligencia algoritmusokat használnak a digitális képen található objektumok automatikus felismerésére, címkézésére és kategorizálására.
| Funkció | Vizuális történetmesélés | Automatizált képcímkézés |
|---|---|---|
| Elsődleges cél | Érzelmi hatás és narratíva | Adatkategorizálás és -visszakeresés |
| Alapmechanizmus | Emberi kreativitás és empátia | Gépi tanulás és mintázatfelismerés |
| Kimeneti formátum | Reklámkampányok, filmek vagy fotóesszék | Szöveges címkék, metaadatok és alt szöveg |
| Kontextustudatosság | Magas (érti az iróniát, a hangulatot és a mögöttes szöveget) | Alacsony (mélyebb jelentés nélküli tárgyakat azonosít) |
| Skálázhatóság | Alacsony (időigényes emberi erőfeszítést igényel) | Magas (masszívan skálázható felhőalapú számítástechnikán keresztül) |
| Szubjektivitás | Nagyon szubjektív és értelmezésre nyitott | Objektív, szó szerinti pontosságra törekszik |
| Fő eszközök | Kamerák, Adobe Creative Cloud, Storyboardok | TensorFlow, PyTorch, Cloud Vision API-k |
A vizuális történetmesélés célja, hogy megindítsa az embereket, legyen szó akár arról, hogy meggyőzzük őket egy termék megvásárlásáról, akár arról, hogy egy adott érzelmet váltsunk ki bennük. Ezzel szemben az automatizált címkézés segít a gépeknek megérteni, hogy mi van egy fotón, hogy az emberek később megtalálhassák azokat. Az egyik egy utazást hoz létre a néző számára, míg a másik egy térképet épít egy adatbázis számára.
Egy emberi mesélő tudja, hogy egy esőben lévő magányos esernyő fotója a magányt vagy a rugalmasságot jelképezheti. Egy mesterséges intelligencia által fejlesztett címkézőeszköz egyszerűen csak az „esernyő” és az „eső” szavakat látja. A gép nem képes megragadni azokat a szimbolikus súlyokat vagy kulturális árnyalatokat, amelyek egy történetet lebilincselővé tesznek az emberi közönség számára.
Nem lehet siettetni egy erőteljes történet elkészítését; átgondolt kurátori munkát és a közönség gondolkodásmódjának megértését igényli. Az automatizált címkézés azonban a mennyiségtől függ. Egymillió fotóból álló teljes könyvtárat képes átvizsgálni annyi idő alatt, amennyi alatt egy mesélő kiválaszt egyetlen fejlécképet, így nélkülözhetetlen a modern big data alkalmazásokhoz.
történetmesélésben az elmosódott fotó lehet szándékos választás a mozgás vagy a káosz bemutatására. Egy automatizált címkéző számára ugyanez az elmosódás „alacsony minőségű” hibaként vagy a téma azonosításának elmulasztásaként jelenhet meg. Ez rávilágít a technikai pontosság és a művészi kifejezés közötti szakadékra.
A mesterséges intelligencia végül teljesen felválthatja az emberi mesélőket.
Bár a mesterséges intelligencia képes elrendezéseket javasolni vagy témákat címkézni, hiányzik belőle az a megélt élmény és empátia, amely ahhoz szükséges, hogy olyan történetet alkosson, amely valóban megérinti az emberi lelket.
Az automatizált címkézés 100%-ban pontos.
Az algoritmusok továbbra is küzdhetnek a „szélsőséges esetekkel”, például a szokatlan kameraszögekkel, a rossz megvilágítással vagy a hasonló kinézetű tárgyakkal, amelyek humoros vagy akár sértő címkézési hibákhoz vezethetnek.
A vizuális történetmesélés lényege a szép képek.
Az igazi történetmesélés stratégiai sorrendet és a közönség pszichológiájának mély megértését igényli; egy gyönyörű fotó „kavalkád” nélkül nem történet.
A manuális címkézés jobb, mint a mesterséges intelligencia általi címkézés.
Nagyobb léptékű projektek esetén az emberek valójában kevésbé következetesek és hajlamosabbak a fáradásra, mint a mesterséges intelligencia, így az automatizált rendszerek jobbak az alapvető kategorizálásban.
Válassza a vizuális történetmesélést, ha személyes vagy érzelmi szinten kell kapcsolatba lépnie a közönséggel. Forduljon az automatikus képcímkézéshez, ha hatalmas mennyiségű tartalommal kell rendelkeznie, amelyet rendszerezni, kereshetővé és a háttérrendszerek számára hozzáférhetővé kell tenni.
Ez az összehasonlítás a fényképezés, mint az egyéni kreatív kifejezés médiuma, és a modern szerepe, mint a gépi tanulási modellek betanítására és a globális adatok rendszerezésére használt hatalmas vizuális információtár közötti feszültséget vizsgálja.
modern médiatájban mély feszültség feszül a figyelemgazdaság – amely az emberi figyelmet szűkös, profitorientált árucikknek tekinti – és a polgári diskurzus között, amely a tudatos, ésszerű eszmecserére támaszkodik az egészséges demokrácia fenntartása érdekében. Míg az egyik a virális elköteleződést helyezi előtérbe, a másik türelmes, befogadó részvételt követel.
A modern médiatudatosság szempontjából elengedhetetlen megérteni a szakadékot a konkrét politikai elfogultságokat megerősíteni hivatott hírek és a semlegességen alapuló tudósítások között. Míg a pártos üzenetek egy adott ideológiai programot vagy narratívát helyeznek előtérbe, az objektív tudósítás arra törekszik, hogy ellenőrizhető tényeket mutasson be anélkül, hogy állást foglalna, lehetővé téve a közönség számára, hogy a rendelkezésre álló bizonyítékok alapján saját következtetéseket vonjon le.
