211service.com
Der Algorithmus von Yahoo Labs identifiziert Kreativität in 6-Sekunden-Vine-Videos
Im Januar 2013 tauchte plötzlich ein Video-Sharing-Dienst namens Vine im Cyberspace auf. Der Dienst, der Twitter gehört, war einzigartig, weil Benutzer Videos aufnehmen und teilen durften, die nicht länger als sechs Sekunden waren. Aber innerhalb weniger Monate wurde es zur beliebtesten Video-Sharing-Anwendung im Internet und zur am häufigsten heruntergeladenen kostenlosen App im Apple Store.
Die Zeitbeschränkung hatte einen interessanten Einfluss auf den kreativen Prozess: Sie zwang die Benutzer, ihre Geschichten in nur sechs Sekunden zu erzählen. Das wiederum hat zu einem völlig neuen Genre des Filmemachens geführt, das jetzt beim Tribeca Film Festival in New York eine eigene Sechs-Sekunden-Kategorie des Filmemachens hat.
Der außerordentliche Erfolg von Sechs-Sekunden-Videos bietet eine kuriose Gelegenheit. Da die Videos so kurz sind, lassen sie sich relativ einfach mit Bildverarbeitungsalgorithmen und Audioanalysetechniken analysieren. Und das wirft eine interessante Frage auf. Können diese automatisierten Techniken den Unterschied zwischen Sechs-Sekunden-Videos erkennen, die von Menschen als kreativ angesehen werden, und solchen, die als nicht kreativ gelten?
Heute erhalten wir eine Antwort dank der Arbeit von Miriam Redi von Yahoo Labs in Barcelona, Spanien, und einigen Freunden, die Crowdsourcing-Techniken und Maschinenalgorithmen verwendet haben, um etwa 4000 Sechs-Sekunden-Videos aus dem Vine-Streamline zu analysieren. Ihre Ergebnisse deuten darauf hin, dass Maschinen ziemlich gut zwischen kreativen und nicht-kreativen Inhalten unterscheiden können – zumindest im Sechs-Sekunden-Genre.
Das Team begann mit dem Datensatz, der zusammengestellt wurde, indem es 1000 Videos auswählte, die bereits als kreativ hervorgehoben worden waren. Sie wählten weitere 200 Videos aus Online-Artikeln über die Kreativität von Vine aus und durchsuchten die von den Autoren dieser Inhalte erstellten Inhalte, um weitere 2300 Videos zu finden. Schließlich wählten sie weitere 500 Videos nach dem Zufallsprinzip aus der Vine-Streamline aus.
Die nächste Aufgabe bestand darin, festzustellen, welche dieser Videos kreativ und welche nicht kreativ waren. Um das herauszufinden, baten sie etwa 300 Crowdsourcing-Freiwillige, sich die Videos anzusehen und die Frage zu beantworten, ist dieses Video kreativ? mit möglichen Antworten, die positiv, negativ oder weiß nicht sind. Jedes Video wurde von fünf verschiedenen Freiwilligen bewertet.
Diese Arbeiter erzielten überraschend konsistente Ergebnisse. Bei 48 Prozent der Videos waren sie sich zu 100 Prozent einig. Mit anderen Worten, alle fünf Bewerter haben fast die Hälfte der Videos mit der gleichen Punktzahl bewertet. Davon stimmten sie darin überein, dass 25 Prozent kreativ waren. Um dies ins rechte Licht zu rücken, identifizierten die Freiwilligen nur 1,9 Prozent der 500 zufällig ausgewählten Videos als kreativ, was eine Hintergrundrate der Kreativität ergibt.
Anschließend analysierten sie jedes Video mit verschiedenen Algorithmen. Sie suchten beispielsweise nach kompositorischen Merkmalen wie der Drittelregel und der geringen Schärfentiefe. Sie verwendeten einen Algorithmus zur Analyse des Inhalts von Videoszenen, der die Konturen und das Layout in einem Bild untersucht. Sie suchten auch nach Beweisen dafür, dass die Videos Stop-Motion-Animationen waren oder darauf ausgelegt waren, in einer scheinbar endlosen Schleife zu laufen, indem sie nach Ähnlichkeiten zwischen dem ersten und letzten Bild suchten. Und sie bewerteten die Neuheit jedes Videos, indem sie seine Eigenschaften mit einer zufällig ausgewählten Gruppe anderer verglichen.
Anschließend suchten sie nach Korrelationen zwischen den Merkmalen, die von maschinellen Algorithmen gefunden wurden, und den Videos, die von menschlichen Freiwilligen als kreativ identifiziert wurden. Es stellt sich heraus, dass der Szeneninhalt am stärksten mit Kreativität korreliert, gefolgt von kompositorischen Merkmalen und Videoneuheit.
In einem letzten Schritt trainierten sie einen maschinellen Lernalgorithmus, um diese Funktionen zu nutzen, um kreative Videos in einem Datensatz zu finden, den er zuvor noch nicht gesehen hatte. Dieser Algorithmus war in der Lage, Videos in 80 % der Fälle korrekt als entweder kreativ oder nicht kreativ zu klassifizieren.
Das ist ein interessantes Ergebnis, das die Möglichkeit eröffnet, den Vine-Livestream automatisch nach den kreativsten Inhalten zu filtern. Dies ermöglicht es uns, audiovisuelle Kreativität auf einer feinkörnigen Ebene zu untersuchen, was uns hilft zu verstehen, was genau Kreativität in Mikrovideos ausmacht, sagen Redi und Co.
Und wenn es einem Algorithmus möglich ist, Kreativität genau zu identifizieren, warum sollte es einem Computer dann nicht möglich sein, kreative Inhalte zu generieren? Tatsächlich könnte es eines Tages eine interessante Übung im Stil eines Turing-Tests sein, den Unterschied zwischen von Menschen erzeugter Kreativität und computergenerierter Kreativität zu erkennen.