La startup di Simone Bronzin e Federica Gregori ha sviluppato un algoritmo di intelligenza artificiale che può comprendere e riconoscere soggetti, azioni, setting e relazioni in un contenuto
MetaLiquid è una startup italiana che ha sviluppato un algoritmo di machine learning in grado di interpretare contenuti video in real time. L’intelligenza artificiale può comprendere e riconoscere soggetti, azioni, setting e relazioni in un contenuto. Ad esempio l’intelligenza artificiale di MetaLiquid può riconoscere se le persone ridono o piangono, dove si svolge la scena, se appaiono scene di violenza o di sesso, i momenti salienti di un’azione sportiva o se i soggetti abbiano intenzioni minacciose. Si tratta di una delle tecnologie più avanzate in commercio e la frontiera dell’applicazione dell’intelligenza artificiale. Ne abbiamo parlato con i founder, Simone Bronzin e Federica Gregori.
credits meta-liquid.com
Qual è lo stato dell’arte dell’applicazione dell’intelligenza artificiale per il riconoscimento video?
Federica: «Ci sono parecchi ricercatori che da circa un anno stanno cercando di applicare algoritmi di machine learning a reti neurali in grado di riconoscere contenuti video. Diciamo che per ora, la maggior parte delle applicazioni commerciali di questa tecnologia riguardano l’interpretazione di immagine statiche. Google Deepmind, ad esempio, è in grado di riconoscere i contenuti delle immagini nel vostro archivio fotografico per facilitare il processo di ricerca»
Simone: «Netflix utilizza da un paio d’anni un sistema analogo ad un nostro servizio, per favorire il binge watching, ovvero il consumo compulsivo di serie TV. L’IA è in grado di riconoscere quando iniziano i titoli di coda in modo da proporre allo spettatore il contenuto successivo, ad esempio la puntata seguente della serie che lo spettatore sta guardando. Amazon utilizza un sistema di analisi video nel nuovo punto vendita senza personale Amazon Go. Una IA è in grado di capire quando i consumatori mettono in tasca un oggetto, stabilendone così l’acquisto. Queste sono solo alcune delle applicazioni che possiamo sviluppare allenando le nostre reti neurali riguardo concetti specifici».
Come mai non ci sono ancora così tanti utilizzi commerciali di questa tecnologia?
Simone: «Credo che in questo siamo stati particolarmente bravi. Abbiamo trovato un metodo di commercializzazione molto efficace che andava a riempire un vuoto che molti network percepivano nell’industria dei media. MetaLiquid infatti fornisce alle media companies dati in tempo reale riguardo ai loro contenuti video che vengono utilizzati per offrire agli spettatori servizi ed esperienze più coinvolgenti ed ottimizzare il posizionamento di advertiser, oltre che gestire l’enorme quantità di digital assets. Fino ad ora, infatti, non c’era modo di automatizzare il processo di analisi dei contenuti, che doveva necessariamente essere fatto da una persona fisica. Banalmente, la nostra IA, analizzando i contenuti, può supportare le strategie di advertising contestualizzando gli spot nei break pubblicitari più idonei al brand in funzione del contenuti che precedono e seguono l’interruzione. Legare il sentiment del contenuto ad adv contestualizzata rende l’esperienza dello spettatore più fluida e valorizza l’investimento dei brand».
Perché pensate che MetaLiquid sia una rivoluzione nell’ambito dell’applicazione dell’AI?
Simone: Perché nessuna lo ha ancora fatto, perlomeno come lo stiamo facendo noi. Abbiamo anche il vantaggio e la fortuna di provenire dal settore media, quindi conoscevamo bene i problemi e le opportunità del settore.
Federica: Le applicazioni di questa tecnologia sono infinite.
Esempi di applicazioni concrete?
Federica: Pensa alle applicazioni nell’ambito dell’entertainment in real time, dello sport ed anche ad altri ambiti come il settore della sicurezza e monitoring, medicale o dell’industrial automation. La nostra tecnologia potrebbe essere utilizzata per monitorare luoghi pubblici quando sopravviene una situazione di pericolo pubblico. La potenzialità del sistema che abbiamo sviluppato, basato su reti neurali è proprio nella versatilità ed espandibilità pressoché illimitata di ciò che può apprendere. Inoltre il sistema affina e impara a modulare nel tempo i pattern necessari al riconoscimento dei concetti.
Federica, come mai ci sono così poche donne nell’ambito startup e ancora meno nel machine learning?
Federica: Non credo sia una questione di atteggiamento. L’ambito del machine learning è nuovissimo e negli ultime anni abbiamo visto una crescita esponenziale nelle iscrizioni di donne a corsi di studio più tecnici. In generale credo nella creazione di ambienti di lavoro dove le competenze tecniche e relazionali permettano la crescita delle persone e dell’impresa, a prescindere dal genere. Spero proprio che un giorno domande come queste possano diventare davvero irrilevanti.
