Videota on kaikkialla. Sitä kulutetaan puhelimilla, televisiolla ja tietokoneen näytöltä kellon ympäri. Silti suurin osa kuvatusta materiaalista hautautuu arkistoihin, joista sitä ei enää löydy. Ei siksi, että se olisi arvotonta, vaan siksi, että sen läpikäyminen veisi liikaa aikaa. Oululainen Valossa Labs on rakentanut kymmenen vuotta ratkaisua tähän ongelmaan. Nyt se on valmis.
Navettaa haettiin pääministerin kuvalla
Tarina alkaa Oulun yliopiston tutkimuslaboratoriosta 2000-luvun alusta. Silloin koneen opettaminen tulkitsemaan kuvia tarkoitti käsityötä: insinöörit rakensivat manuaalisesti algoritmeja, jotka tunnistivat värejä, reunoja ja tekstuureita. Tulokset olivat vaatimattomia. Ensimmäisessä demossa haettiin kuvaa istuvasta pääministeristä. Kone tarjosi navettaa ja lehmiä.
Käänne tuli 2012, kun syvät neuroverkot mullistivat koko alan AlexNetin myötä. ”2012 mä muistan kahvihuoneessa keskusteltiin tästä neuroverkkojen uudesta tuloksesta ja pohdittiin, jokohan tämä on semmonen edistysaskel, joka tulee korvaamaan tätä feature engineering -vaihetta”, Valossa Labsin Mika Rautiainen muistelee. Oli. Muutamaa vuotta myöhemmin syntyi Valossa Labs, ja toinen perustajista muutti suoraan Kaliforniaan.
Video muuttuu tiedoksi
Kymmenen vuoden kehitystyön tulos on Valossa Assistant, palvelu jossa videota editoidaan keskustelemalla. Käyttäjä lataa materiaalin, kysyy tekoälyltä mitä haluaa, ja saa vastaukseksi leikattuja klippejä, tiivistelmiä tai nostoja. ”Kun keskustelevat tekoälyt yhdistetään videon ymmärtävään tekoälyyn, me saadaan jotain ihan uutta. Ihan uusi tapa käsitellä sitä videotietoa”, Rautiainen kuvailee.
MTV ja TV4 Ruotsissa ovat käyttäneet Valossa-tekoälyä jo vuosikausia: kone käy draamasisällön läpi ja poimii sieltä tunnelmalliset kohtaukset automaattisesti. Nyt sama teknologia on kaikkien saatavilla keskustelevana palveluna.
Rautiainen uskoo, että autenttisuus nousee arvoon tekoälysisällön yleistyessä. ”Kameroihin tulee teknologia, jolla voidaan todentaa materiaalin autenttisuus oikeesta maailmasta.” AI slopp, tekoälyn tuottama massasisältö, käy kuin kulovalkea, joka sammuu kun kuiva ruoho loppuu. Sen jälkeen aito ja generoitu sisältö erotetaan toisistaan selkeästi. Siihen saakka kone muistaa kaiken näkemänsä. Ihminen voi keskittyä olennaiseen.