実はYouTubeショートにGoogleのDeepMindが開発する新型AIモデル「Flamingo」が使われていることが判明
GoogleのAI部門であるGoogle DeepMindが、YouTubeで最大60秒の縦型動画を共有する「YouTubeショート」で、視覚言語モデル「Flamingo」を使って動画のメタデータを自動生成していることを明らかにしました。
Our powerful visual language model Flamingo is changing the way ???????????? can watch @YouTube Shorts. ????
It automatically generates descriptions for hundreds of millions of videos in their metadata, making them more searchable.
Here’s how AI is helping creators and viewers. ⬇️ pic.twitter.com/pAt7MxFNs1— Google DeepMind (@DeepMind) May 24, 2023
A Google DeepMind AI language model is now making descriptions for YouTube Shorts - The Verge
https://www.theverge.com/2023/5/24/23735850/google-deepmind-ai-flamingo-language-model-descriptions-youtube-shorts
また、YouTubeショートの製品管理ディレクターであるトッド・シャーマン氏は「YouTubeショートはフィード上で視聴されることがほとんどで、積極的に検索して動画を探し出すのではなく、次の動画にスワイプして見つけるスタイルなので、メタデータを追加するインセンティブはそれほど高くありません」と述べています。
視覚言語モデルのFlamingoは、動画の最初のフレームを分析し、言語化することで説明文を自動で作成します。
この説明文はユーザーから見えるものではなく、あくまでもメタデータとして保存され、YouTubeショートの動画の検索性を向上させるために活用されます。
シャーマン氏は「FlamingoモデルはYouTubeショートの動画を理解し、説明的なテキストを提供します。この機能は、メタデータを必要としている検索システムにとって非常に価値があります。これによって、ユーザーはビデオを適切に検索できるようになります」と述べています。
IT系ニュースサイトのThe Vergeは、YouTubeショート以外の動画にもFlamingoによるメタデータ作成が行われるかどうかをシャーマン氏に質問しています。シャーマン氏は「その可能性は十分に考えられますが、その必要性はYouTubeショートに比べると少しは低くなると思います」とコメント。長い動画の場合は、クリエイターが撮影や編集に何時間も費やし、動画のメタタグやサムネイルなどにも細かく手を入れるため、Flamingoでわざわざメタデータを作成する意味が薄くなります。
なお、The VergeはAIのFlamingoが動画を分析してテキストタグをつけることについて、過去にGoogleフォトが黒人をゴリラとタグ付けした事件に言及し、「重大な間違いを犯し、クリエイターに損害を与え、Googleを大きな批判にさらす可能性があります」と指摘しています。
GoogleのAIが黒人を「ゴリラ」と分類した事件から8年が経過してもGoogle・Apple・Amazon・MicrosoftのAIはゴリラのラベル付けを避けている - GIGAZINE
