Напредъкът може да се разглежда като магистрала с всяка индустрия като собствена кола, движеща се със собствена скорост по тази магистрала, където дестинациите се достигат под формата на пробиви. Важно е обаче да се признае, че като всяка магистрала, има такси, които засягат всички автомобили. Тези такси представляват технологии, които са толкова повсеместни, че оказват влияние върху всяка индустрия. Примери за тези технологии са доста очевидни: пожар, електричество, изчисления и т.н.
Най-новата от тези вездесъщи технологии, компютрите, е интересна в смисъл, че може да бъде разделена на три времеви рамки, които донякъде се припокриват в границите:
· Дигитализация: Преобразуването на физически прояви на информация и съдържание в цифрови обекти, които са обединени от интернет.
· Машинно подпомагане: Използване на увеличената изчислителна мощност за обработка на достатъчно информация за ефективно внедряване на изкуствен интелект и възпроизвеждане на просто вземане на човешки решения.
· Машинно управлявано: Компютрите са в състояние да изпълняват подсъзнателни задачи автономно по начин, който понякога е извън човешкия капацитет.
Тактилни примери за тези три времеви рамки могат да бъдат намерени в индустрията на финансовите услуги. Първо дойде дигитализацията с появата на услуги от спектъра на терминалите на Bloomberg чак до прости уеб страници като Yahoo Finance. След това математиците започнаха да използват машинно обучение, за да разработят изолирани модели за стимулиране на инвестиционни решения и поставиха началото на машинно-подпомогнатата ера. Сега инвеститорите използват високочестотни стратегии за търговия, които разчитат на алгоритми за автономно изпълнение на стратегия за търговия, представляваща времевата рамка, управлявана от машината.
Фокусът на тази част обаче ще бъде анализ на въздействието на тези три изчислителни времеви рамки върху индустрията на съдържанието през цялата история, както и опит да се опише как изчислителната техника може да вземе тази нестабилна индустрия и да я прекъсне от етапа на консерватизъм и липса на креативност . За да направя това, ще посоча къде според мен се намира индустрията на съдържанието в този спектър от трите компютърни времеви рамки, как е била променена и как ще бъде повлияна в бъдеще.
Успоредно с J-кривата на закона на Мур, първоначалната времева рамка на дигитализацията в индустрията на съдържанието отне известно време, за да мигрира. Започвайки с първия GUI, създаден от Xerox PARC в края на 70-те години, хората успяха да създават, манипулират и изживяват цифрово съдържание. Оттам дойде възприемането на цифрови файлове над физическия филм, което фундаментално промени аудиото, видеографията и фотографията. Това преминаване към цифрово за всички форми на съдържание беше подпомогнато от непрекъснатата миграция надолу по кривата на разходите и нагоре по кривата на качеството чрез подобрения в изчислителната мощност. Тази демократизация на създаването на съдържание в крайна сметка достигна своя връх, когато повсеместното разпространение на смартфоните подхрани възхода на водещите в момента социални медийни платформи Facebook, Instagram, Snapchat и Twitter. Тези масивни портали за съдържание промениха фундаментално естеството на потреблението на съдържание, което е изложено добре в „Теорията за агрегиране на Бен Томпсън“; по същество теорията е, че интернет е комерсиализирал доставчиците, поставяйки премия върху потребителите/потребителите. В света на съдържанието това означава, че уеб платформите притежават потребителя и следователно диктуват какво се случва във връзките за разпространение и доставка на стойностната верига. По мое мнение резултатите от теорията на агрегацията, както се проявява в уеб платформи като Facebook, Instagram, Spotify, Netflix и т.н., отразяват съзряването на времевата рамка на дигитализацията, що се отнася до съдържанието.
През последните няколко години имаше непрекъснати и разнообразни усилия за прилагане на машинно обучение и изкуствен интелект в индустрията на съдържанието. Машинното обучение е внедрено за създаване и рефериране на цифрови пръстови отпечатъци (всъщност сме инвестирали в две компании в това пространство в „Dubset“ и „Pex“). Музикантите „използват AI, за да оптимизират ритми и ритми“, за да бъдат най-приятни за широката публика. Най-дръзкият от тези опити в тази процъфтяваща времева рамка на машинно-подпомогнато съдържание е използването на данни за опит за „предсказване на хитово съдържание“, преди „да стане вирусно“. В този момент ефикасността на тези модели е предмет на дебат. Въпреки това, трудността с прилагането на машинно обучение за прогнозиране на резултатите в този смисъл е, че компютърът не се опитва да предскаже дали дадена акция е подценена въз основа на огромни количества подобни данни или дали пациентът има заболяване въз основа на години на множество точки от данни. В това приложение компютърът се опитва да подражава на културния вкус, нещо като думата „готино“, която избягва всяка универсална дефиниция. Тази текуща неспособност да се предскаже последователно какво ще харесат хората е доказателство, че индустрията на съдържанието все още вероятно е в първата половина на времевата рамка, подпомагана от машини, както и причината за липсата на креативност в творческите индустрии днес. Поради „Blockbuster Trap“ от продуцентите на съдържание се изисква да харчат непрекъснато нарастващи суми пари за производство и маркетинг, за да запазят способността си да получават огромна възвръщаемост, която идва само при тези, които произвеждат блокбъстър/шатрово съдържание. Цената за липса на един от тези стълбове е огромна, така че това създава нежелание за риск и рециклиране на доказано съдържание.
Въпреки че може да е трудно за компютъра да предвиди точно какво ще стане вирусно, ако компютърът може да намали пределните разходи за производство на съдържание като цяло, той може да смекчи голяма част от риска, пред който е изправен Холивуд в момента.
Това ни довежда до това, което аз разглеждам като управлявана от машина времева рамка на компютърната ера на съдържанието. Индустрията на съдържанието все още не е тук, но какво ще стане, ако компютрите създават истории сами? Осъзнавам, че току-що казахме, че способността на компютрите да предсказват какво е „готино“ все още предстои да бъде определена. Освен това компютрите не могат да чувстват, не могат да емоционират; как ще създадат нещо, което генерира тези типове реакции при хората? Въпреки това бих искал да твърдя, че няма да е необходимо компютрите да постигнат разум, за да създадат следващия шедьовър и че много от суровините, необходими за постигането на този подвиг, вече съществуват. Всъщност алгоритъм, който нарича себе си Benjamin, наскоро написа сценарий, който се изпълнява от актьори.
Най-лесното изискване за изпълнение вероятно е създаването на самото действително съдържание. Компютрите се използват за генериране на анимации от Приключенията на Андре и Уоли Б. през 1984 г. Преходът към компютри, създаващи тези анимации автономно, е относително лесен; чрез огромните количества данни за употреба, регистрирани в тези графични програми, компютърът може да бъде обучен да генерира изображения сам.
Разказите са сърцето на една история. Те променят темпото и съдържат входовете, които водят до емоционалните резултати на публиката. Те също са предимно еднакви. „В своята отхвърлена магистърска теза“ Кърт Вонегът обсъжда идеята, че всички истории имат форми, които могат да бъдат начертани като линейна графика. Той също така твърди, че за всички различни вкусове на истории, които съществуват, има само няколко различни вида (Мъж в дупка, Момче среща момиче, От лошо към по-лошо, Кой път е нагоре?). Ако наистина има само малък брой различни архетипове на истории, за компютъра е сравнително лесно произволно да генерира такъв.
Героите са марионетките, които се движат в съда на повествованието, докато стигне до края си. Героите са съществени елементи от историята, защото не само прикриват факта, че зрителят гледа разказ, който е гледал преди, но те са тези, на които публиката се интересува, тези, които извличат емоцията. Оказва се също, че завладяващите герои често са базирани на хора от реалния живот. Следователно компютрите имат достъп до множество различни типове хора и какво казват, какво правят, как се чувстват, как изглеждат чрез изображенията, текста и видеоклиповете, които публикуваме онлайн в платформите на социалните медии всеки ден. Днешните компютри ефективно имат достъп до почти всеки човек на Земята, за да генерират завладяващи и ангажиращи герои.
В сравнително кратко време става очевидно, че в някакъв момент в бъдещето компютрите ще бъдат едновременно достатъчно мощни и ще имат достъп до правилните входове, за да създават собствени истории. След като това стане реалност, студиата ще получат незабавно вливане на марж от премахването на повечето разходи за създаване на филм: режисьори, актьори, декори, създаване на история и т.н. и ще могат да преразпределят този новосъздаден марж в това, което е вероятно основният им разход е маркетингът. Въпреки това, има една част от Blockbuster Trap, която остава неразгадана. Какво се случва, ако компютърно генерираният филм се провали? Загубата на приходи от бокс офиси, да не говорим за лошата преса, е ужасно за продуцентско студио. Да, влагането на куп пари в маркетинг на тъп филм е много лошо в този стар модел на създаване на съдържание. Това обаче е мястото, където по-новите стрийминг услуги като Netflix имат огромно предимство. Първо, неговият основен показател, който има значение, е общият приход от абонаменти, а не действителните печалби и загуби на всеки отделен филм, който излиза. Освен това, като агрегатор, Netflix може да рекламира „Netflix“ като цялостна марка за цялото си съдържание, което след това обхваща всички заглавия, намерени на платформата, вместо конкретната нова версия. Всеки от тези елементи драматично помага за смекчаване на въздействието на Blockbuster Trap.
И така, кой изглежда готов да спечели тази битка за автономно съдържание? За мен, от обичайните заподозрени в FAANG, това е хвърляне между Google и Facebook, като леко предимство ще има Google. Основният актив на Apple е това, което гледаме на нашите телефони, Apple TV, iTunes, но няма нищо по отношение на индексиране на уеб съдържание или конски сили за създаване на графики. Netflix е най-напред по отношение на това да бъде агрегаторна платформа плюс услуга за играчи, но също така не успява да създаде графично съдържание или достъп до нашата информация в мащаба на платформа за социални медии. Amazon има много данни за нашите покупки, но много малко за нас лично по отношение на нашите истории и кои сме ние като цяло. Disney може да бъде тъмен кон предвид Pixar и неговото евентуално стартиране на услуга за стрийминг; обаче, за разлика от Netflix, Disney е ограничен до собствения си IP адрес и има много малко социални данни. Това оставя Facebook, който има играч от гледна точка на Facebook Watch, достъп до огромно количество социални данни, но там, където е малко по-малко от Google, е неспособността му да види отвъд собствената си оградена градина. Освен това предполагам, че е малко по-назад по отношение на достъпа до огромни количества изчислителна мощност за машинно обучение. По този начин Google изглежда е най-вероятно да стане доминиращият автономен създател на съдържание. Той има плейър в YouTube, той индексира интернет и е в състояние да вижда информация отвъд това, което Facebook може, и има достъп до огромно количество изчислителна мощност, за да повтори машинното обучение, необходимо за подхранване на процеса.
Като цяло е доста обезсърчително да се мисли за компютрите, създаващи изкуство; просто отговорът на този философски въпрос води до огромно количество писмена работа. Въпреки това, това може да е необходимият курс на действие, за да инжектирате креативността и експериментирането обратно в текущата версия на Холивуд, която изглежда като кошче за рециклиране.
