考慮到每天都有無數新視頻湧入YouTube、TikTok和Instagram等平台，科技和媒體公司也越來越需要理解所有內容的發展趨勢。好消息是，由麻省理工學院校友創立的Netra公司，正在利用人工智能技術來改進大規模視頻分析。其打造的這套系統能夠識別活動、對象、情感、位置等信息，然後以新的方式來組織視頻、並為其提供上下文。

（來自：MIT / Christine Daniloff）

Netra 聯合創始人兼首席技術官Shashi Kant SM 表示，該公司正在使用Netra 解決方案，將類似內容分組為亮點或新聞片段、標記暴露或暴力內容、以及改善廣告出現的位置。

據悉，Netra 正在幫助將視頻與廣告內容做得更加匹配，以避免採取容易引發隱私顧慮的傳統個人追踪方案（比如cookie）。

與此同時，Netra 認為此舉有助於改善視頻內容的可搜索性。在系統完成了對視頻的處理之後，用戶將能夠更好地使用關鍵詞進行檢索。

舉個例子，在通過Netra 系統對棒球賽季的視頻進行分析處理之後，用戶可以輕鬆搜到每次擊打的精彩片段，或者點擊查看更多內容、找到缺失的其它曲目列表、以及引發觀眾憤怒的噓聲場景。

Kant 指出，視頻是迄今為止最大的信息資源，從信息的豐富程度和大小上看，它讓文本和其它媒體格式都黯然失色，但迄今該領域的高效搜索分析方案仍是一大片空白。

此前，互聯網先驅兼MIT 教授Tim Berners-Lee 一直致力於提昇機器讀取互聯網數據的能力，而Kant 曾是他的研究生，並且受到了改善機器存儲和信息使用方式的遠見啟發。

對Kant 來說，當前的Web 服務仍停留於信息檢索的1.0 階段，甚至Google 在該領域也長期停滯不前。而他們的新目標，就是找到信息檢索的新範式。

作為MIT 100K 創業大賽（當時其實還是50K 美金）的獲勝團隊成員，他曾幫助編寫了一個面向殘障人士的機電矯形器的“主動聯合支撐” （Active Joint Brace）解決方案的計算機代碼。

2006 年畢業後，Kant 創立了一家使用相關解決方案的人工智能企業（名叫Cognika）。由於當時AI 概念已經被鼓吹得有些爛大街，因此Kant 更傾向於在向投資者和客戶推銷時使用“認知計算”之類的術語。

2013 年的時候，Kant 又創立了致力於AI 視頻分析的Netra 。為回應炒作質疑，Netra 決定拿出更有說服力的演示，比如能夠根據不同剪輯中發生的事件，快速分析並組織內容的一套解決方案。

這套系統能夠分析人們正在做的類似事情、表達的相似情感、以及相似產品的使用等場景，然後為不同的場景生成元數據。但Kant 表示，Netra 能做到的，其實遠不止於關鍵詞標記。

Kant 解釋稱，Netra 為視頻內容分類採用了嵌入式方案。舉個例子，當棒球選手達成本壘打的時候，肯定會有相應的特徵，而Netra 可以據此聲稱一套嵌入算法。

作為捕獲內容的數字序列或“向量”，人類常用的標記方案與之有一定的差別。為此，Netra 決定訓練一個模型，以專門檢測所有的本壘打。

但在表象之下，其實Netra 還利用一個神經網絡，其創建了該視頻的嵌入點，並且能夠通過其它方式，將相關場景與外出散步等區分開來。

通過定義不同片段之間的關係，Netra 系統允許客戶以新的方式來組織和檢索其內容。對於媒體公司來說，亦可更好地確定粉絲們的情緒，來確定體育賽事中最激動人心的時刻。

此外他們能夠按照不同的主題、位置，根據剪輯中是否包含敏感或令人不安的內容進行分組。在線上廣告即將迎來重大轉變的關鍵時刻，這些能力也變得更具現實意義。

比如Patagonia 等品牌廣告公司，可藉助Netra 的系統，將戶外服裝客戶的產品廣告放到遠足主題的內容旁邊，媒體公司也能夠在受其贊助的運動員視頻片段中給特定運動品牌打廣告。