يعمل موظفو Google السابقون على إنشاء بنية تحتية لمساعدة الشركات على فهم بيانات الفيديو الخاصة بهم

تنتج الشركات مقاطع فيديو أكثر من أي وقت مضى. من سنوات من أرشيفات البث إلى آلاف كاميرات المتجر وساعات لا حصر لها من لقطات الإنتاج، معظمها غير مستخدم على الخوادم، وغير مراقب وغير تحليلي. هذه بيانات مظلمة: مورد ضخم غير مستغل تجمعه الشركات تلقائيًا ولكنها لا تستخدمه أبدًا بطريقة ذات معنى.

ولمعالجة هذه المشكلة، قرر آزا كاي (الرئيس التنفيذي) وهيراكو ياناجيتا (المدير التنفيذي للعمليات)، وهما موظفان سابقان في Google أمضيا ما يقرب من عقد من الزمن في العمل معًا في Google Japan، إنشاء الحل الخاص بهما. شارك الثنائي في تأسيس InfiniMind، وهي شركة ناشئة مقرها طوكيو تعمل على تطوير البنية التحتية التي تحول بيتابايت من الفيديو والصوت غير المعروض إلى بيانات أعمال منظمة وقابلة للاستعلام عنها.

قال كاي: “لقد رأيت أنا وشريكي المؤسس، الذي قضى عقدًا من الزمن في قيادة العلامات التجارية وحلول البيانات في Google Japan، نقطة التحول هذه عندما كنا لا نزال في Google”. وأضاف أنه بحلول عام 2024، كانت التكنولوجيا قد نضجت، وأصبح الطلب في السوق واضحًا بدرجة كافية لدرجة أن المؤسسين المشاركين شعروا بأنهم مضطرون إلى بناء الشركة بأنفسهم.

أوضح كاي، الذي عمل سابقًا في Google Japan عبر السحابة والتعلم الآلي وأنظمة الإعلانات ونماذج توصيات الفيديو وقاد لاحقًا فرق علوم البيانات، أن الحلول الحالية تفرض مقايضة. كان بإمكان الأساليب السابقة تصنيف الكائنات في إطارات فردية، لكنها لم تتمكن من تتبع السرد، أو فهم السببية، أو الإجابة على الأسئلة المعقدة حول محتوى الفيديو. بالنسبة للعملاء الذين لديهم عقود من أرشيفات البث وبيتابايت من اللقطات، فحتى الأسئلة الأساسية حول المحتوى الخاص بهم غالبًا ما تظل دون إجابة.

ما تغير حقًا هو التقدم في نماذج لغة الرؤية بين عامي 2021 و2023. وذلك عندما بدأ الذكاء الاصطناعي للفيديو في التحرك إلى ما هو أبعد من وضع العلامات البسيطة على الأشياء، كما أشار كاي. وقد ساعد انخفاض تكاليف وحدة معالجة الرسومات ومكاسب الأداء السنوية بما يقرب من 15% إلى 20% على مدى العقد الماضي، ولكن القصة الأكبر كانت تتعلق بالقدرة – حتى وقت قريب، لم تكن النماذج قادرة على القيام بهذه المهمة، كما قال لـ TechCrunch.

حصلت InfiniMind مؤخرًا على تمويل أولي بقيمة 5.8 مليون دولار، بقيادة UTEC وانضمت إليها CX2 وHeadline Asia وChiba Dojo وباحث في الذكاء الاصطناعي في a16z Scout. وتقوم الشركة بنقل مقرها الرئيسي إلى الولايات المتحدة، بينما تواصل تشغيل مكتب في اليابان. قدمت اليابان منصة الاختبار المثالية: أجهزة قوية، ومهندسين موهوبين، ونظام بيئي داعم لبدء التشغيل، السماح للفريق بضبط التكنولوجيا الخاصة به مع العملاء المتطلبين قبل الانطلاق إلى العالمية.

تم إطلاق منتجها الأول، TV Pulse، في اليابان في أبريل 2025. وتقوم المنصة المدعومة بالذكاء الاصطناعي بتحليل المحتوى التلفزيوني في الوقت الفعلي، مما يساعد شركات الإعلام والبيع بالتجزئة على “تتبع عرض المنتج، ووجود العلامة التجارية، ومعنويات العملاء، وتأثير العلاقات العامة” لكل شركة ناشئة. وبعد البرامج التجريبية مع محطات البث والوكالات الكبرى، أصبح لديها بالفعل عملاء يدفعون، بما في ذلك تجار الجملة وشركات الإعلام.

والآن أصبح InfiniMind جاهزًا للسوق الدولية. وقال كاي إن منتجها الرئيسي، DeepFrame، وهو عبارة عن منصة ذكاء فيديو طويلة قادرة على معالجة 200 ساعة من اللقطات لتحديد مشاهد أو مكبرات صوت أو أحداث معينة، من المقرر إصداره تجريبيًا في مارس، يليه إطلاق كامل في أبريل 2026.

مساحة تحليل الفيديو مجزأة للغاية. وقال كاي إن شركات مثل TwelveLabs توفر واجهات برمجة التطبيقات (APIs) ذات الأغراض العامة لفهم الفيديو لمجموعة واسعة من المستخدمين، بما في ذلك المستهلكين والمستهلكين والشركات، بينما تركز InfiniMind بشكل خاص على حالات استخدام المؤسسات، بما في ذلك المراقبة والسلامة والأمن وتحليل محتوى الفيديو للحصول على رؤى أعمق.

قال كاي: “لا يتطلب الحل الذي نقدمه أي تعليمات برمجية؛ حيث يقوم العملاء بإحضار بياناتهم، ويقوم نظامنا بمعالجتها، مما يوفر رؤى قابلة للتنفيذ”. “نحن أيضًا ندمج فهم الصوت والصوت والكلام، وليس فقط المرئيات. يمكن لنظامنا التعامل مع طول فيديو غير محدود، وتعد كفاءة التكلفة عامل تمييز رئيسي. تعطي معظم الحلول الحالية الأولوية للدقة أو حالات استخدام محددة ولكنها لا تحل تحديات التكلفة.”

سيساعد التمويل الأولي الفريق على مواصلة تطوير نموذج DeepFrame، وتوسيع البنية التحتية الهندسية، وتوظيف المزيد من المهندسين، والوصول إلى عملاء إضافيين في جميع أنحاء اليابان والولايات المتحدة.

قال كاي: “هذه مساحة مثيرة، وأحد المسارات نحو الذكاء الاصطناعي العام”. “إن فهم ذكاء الفيديو العام يتعلق بفهم الواقع. التطبيقات الصناعية مهمة، ولكن هدفنا النهائي هو دفع حدود التكنولوجيا لفهم الواقع بشكل أفضل ومساعدة البشر على اتخاذ قرارات أفضل.”