CC BY
139
УДК 070 йО!: 10.14529/взИ220114
ВЛИЯНИЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ВИДЕОПРОИЗВОДСТВО В СФЕРЕ ПРОДВИЖЕНИЯ СЕТЕВОГО КОНТЕНТА
А. М. Шестерина
Воронежский государственный университет, г. Воронеж, Российская Федерация
Активное развитие технологий искусственного интеллекта в сфере рекомендательных алгоритмов провоцирует создателей сетевого контента изменять стратегии его производства. Этот процесс особенно ощутим в области сетевого видео вообще и видеоблогинга в частности. В статье осуществляется попытка конкретизировать стратегии реагирования современных аудиовизуальных медиа на требования машинных алгоритмов. На основе анализа процессов, протекающих в англоязычном и русскоязычном секторе УоиТиЪе, выявляются как позитивные, так и негативные эффекты этих процессов. С учетом особенностей работы алгоритмов и дешифровки ими различных способов предъявления информации (вербального, визуального, аудиального) рассматривается процесс адаптации сетевого видео не только под требования аудитории, но и под требования машинного интеллекта. Учитываются продиктованные этой потребностью эффекты, связанные с необходимостью производства мультимедийного контента. Рассматривается трансформация композиции произведений и изменение жанровых предпочтений видеоблогеров. Поднимается вопрос о формировании социальных пузырей и связанном с ними процессе деградации информационных запросов аудитории. Делаются выводы о необходимости контроля скорости развития алгоритмов в медиасфере.
Ключевые слова: искусственный интеллект, рекомендательные алгоритмы, сетевое видео, видеоблогинг.
Введение
Искусственный интеллект - одно из самых востребованных и быстро распространяющихся явлений в индустрии высоких технологий, медиа, массмедиа и индустрии развлечений. Самое общее его определение было дано еще в 1956 году Джоном Маккарти как «...способность машины находить ранее неизвестные решения поставленной задачи» [1]. Применительно к медиа это программа, решающая проблемы, или неспециальный ап-проксиматор функции.
Эти два определения в общем идентичны, но второе определяет Искусственный Интеллект математически. Однако это второе определение намного более полезно - оно определяет Искусственный Интеллект не через его возможности, а через принцип действия. Искусственный Интеллект пытается заменить людей и другие программы в решении задач, которые можно обозначить как функции. Аппроксиматор - это нечто, что стремится к подобию, к созданию подобия. Аппроксиматор функции стремится имитировать, приблизительно повторить функцию, которая часто неизвестна. Неспециальность обозначает, что Искусственному Интеллекту безразлично, какие данные в него будут заложены на входе. Он сгенерирует оптимальное решение на основе любых данных.
На сегодняшний день подавляющее большинство решаемых Искусственным Интеллектом задач - анализ клиентских баз. Это может быть анализ поведения клиента в целом, групп клиентов, анализ конкретных людей. В этом смысле машинные алгоритмы, считывающие поведение
пользователей, обладают и преимуществами, и недостатками. Они, с одной стороны, умеют быстро обрабатывать потоковые данные и генерировать решения о пользовательских предпочтениях на уровне идеальных, а с другой - в какой-то момент, оценив степень выполнения задачи как достаточную, перестают обрабатывать пользовательские запросы, замораживая тем самым пользователя в его развитии. Ситуация усугубляется еще и тем, что в данном случае речь идет о жестких алгоритмах.
Алгоритмы рекомендации персонализированного контента в особенности опасны - они способны менять общественное мнение, создавать идеологические тренды, продвигать фальшивые новости, провоцировать общественный гнев. Социальные процессы в масштабе страны и мира могут целенаправляться с помощью этих систем. Сейчас подобные системы используются корпорациями в целях получения прибыли. И там, где получение максимальной прибыли нарушает закон, он может быть нарушен. Например, социальной сети выгодно хранить данные об активности пользователей для улучшения качества работы, но ещё выгоднее - продавать эти данные представителям бизнеса для создания персонализированной рекламы. Социальной сети выгодно отдавать предпочтение тем или иным новостям в зависимости от того, кто ей платит. Социальной сети выгодно делиться этой информацией с разными структурами, как российскими, так и зарубежными. Подобные тенденции ставят человечество перед принципиальным вопросом:
где та черта, которую машинные алгоритмы не имеют права переступить? [2, 3]
В нашей статье мы предпримем попытку конкретизировать позитивные и негативные эффекты использования алгоритмов не на уровне восприятия, а на уровне создания видеоконтента. Если некоторое время назад видеоблогер, например, исходил из аудиторных предпочтений в ходе создания своего контента, то сегодня он учитывает (и иногда даже в большей степени) работу алгоритмов, которые должны предложить его произведение аудитории. Такой процесс меняет антропоцентрическую модель медиапроизводства на техно-центрическую и не может не приводить к трансформации креативных процессов.
Обзор литературы
Исследователи сегодня предпринимают активные попытки осмыслить роль Искусственного Интеллекта в разных сферах - в том числе и в медийной. Неслучайно на Международной научно-практической конференции «Журнали-стика-2019. Творчество, профессия, индустрия» состоялась дискуссия в рамках круглого стола «Искусственный интеллект и современные меди-апрактики». В ней приняли участие такие видные российские ученые и практики, как Е. Л. Вартанова, Т. И. Фролова, А. В. Замков, А. Г. Крайнов, М. А. Крашенинникова, М. М. Лукина, А. В. Незнамов, Д. М. Пенчилова, Ю. А. Погорелый, Г. С. Федоров, Н. А. Цынарёва [4]. Исследователи попытались наметить ключевые точки соприкосновения новых технологий и медиаот-расли. В своих докладах ученые использовали такой термин, как «робожурналистика», интерпретируя ее как «автоматизированную генерацию журналистских текстов» [5]. Это отчасти коррелирует с работами таких известных ученых, как А. Графф [6], Д. Рэдклиф [7]. Искусственный Интеллект в его оптимальном понимании еще не изобретен, но вопросы о его эффективности в медиасфере обсуждаются активно [8, 9]. При этом разграничиваются произведения, созданные Искусственным Интеллектом, и произведения, созданные при помощи Искусственного Интеллекта [10].
Важность такого разграничения подчеркнули участники состоявшейся в декабре 2021 года в Высшей школе телевидения МГУ им. М. В. Ломоносова IV научной конференции «Актуальные проблемы экранных и интерактивных медиа», тема которой была связана с исследованием процесса проникновения технологий Искусственного Интеллекта в сферу видеопроизводства.
Вместе с тем, несмотря на значительный интерес к проблеме в целом, ее отдельные формы проявления остаются изученными слабо [11]. Так, если в сфере анализа последствий влияния машинных алгоритмов на поисковые запросы со стороны аудитории все более или менее понятно, то вопрос о
том, как эти алгоритмы воздействуют на работу творца, остается открытым. Ученые предпринимают попытки оценить результаты участия Искусственного Интеллекта в творческом процессе, однако эти попытки осуществляются, как правило, фрагментарно и чаще всего в правовом аспекте [12, 13]. Мы в нашем исследовании попытаемся компенсировать этот пробел на основе анализа русскоязычного и англоязычного сектора УоиТиЪе.
Методы исследования
В процессе исследования применялись текстологический, сравнительно-типологический, историко-функциональный методы, метод анализа контента и метод синтеза. Мы попытались комплексно определить процессы влияния алгоритмов на творческие подходы авторов аудиовизуальных произведений.
Результаты и дискуссия
Большинство онлайн-платформ так или иначе контролируют размещаемый пользователями контент посредством Искусственного Интеллекта. Это могут быть настраиваемые пользователем фильтры, скрывающие контент со словами-триггерами; это может быть обязательный элемент контроля онлайн-форумов, запрещающий сообщения со словами ненависти или с буквальными призывами к насилию над собой или другими людьми; фильтры, скрывающие изображения порнографии в сообществах, доступных детям и т. д.
Именно алгоритмы для отслеживания объектов - поиска определенных сочетаний форм, цветов и текстур - стали первым удачным массовым применением Искусственного Интеллекта в индустрии высоких технологий (например, в системах антиплагиата). Такие алгоритмы появились раньше генеративных и успешно используются на протяжении последнего десятилетия на всех крупных интернет-площадках, допускающих создание контента пользователями, особенно монетизируемого контента.
Наиболее ярким образцом, который мы будем использовать в качестве примера, является платформа УоиТиЪе. На данный момент это самый крупный видеохостинг, обладающий, вероятно, самой изощрённой и эффективной системой антиплагиата и фильтрации контента из существующих [14]. К сожалению, он, как и все такие системы, не решает, а только усугубляет проблему плагиата и её последствия.
Анализируя характер работы рекомендательных алгоритмов и направление их влияния на процесс производства видеоконтента, невозможно не обратить внимание на ограничения, связанные с обработкой разного типа информации. Так, машинные алгоритмы прекрасно анализируют вербальную информацию, в меньшей мере их интерпретации поддается статичная иллюстрация, еще хуже они анализируют потоковое видео и аудиофайлы [15]. Это связано с тем,
Литературоведение. Журналистика
что потоковые данные сложно верифицируемы с помощью алгоритмов, поскольку это большие объемы постоянно обновляемой информации. Понимание этого заставляет видеоблогеров развивать процесс создания своего контента в двух противоположных направлениях:
1. Направление узнаваемости для алгоритма. Это тот случай, когда блогер делает все для того, чтобы машинный интеллект «понял», о чем идет речь в произведении. С этой целью блогеры создают конвергентные тексты. Они сопровождают видеоконтент предельно предметным названием, дополняют его легко считываемой обложкой, поясняют описанием, которое необходимо не столько аудитории, сколько алгоритмам. Примером могут служить описания YouTube-каналов. Аналитика показывает, что пользователь крайне редко заглядывает в этот раздел. Однако большинство видеоблогеров не игнорирует его. И это связано с тем, что в этот раздел «заглядывают» алгоритмы. Конвергенция становится способом много раз повторить одну и ту же информацию для алгоритмов, игнорируя ее бесполезность для зрителя.
2. Направление неузнаваемости для алгоритма. Оно выбирается в случае нарушения бло-гером авторских прав. Несмотря на успехи машинных алгоритмов в сфере идентификации видео- и аудиоряда, их пока легко обмануть, немного увеличив скорость воспроизведения, отзерка-лив изображение, изменив кадрирование или последовательность монтажа. Также небесполезными могут быть колоризация и добавление элементов саунддизайна. Подобные хитрости, несомненно, используются видеоблогерами и влияют на процесс создания контента. Однако машинные алгоритмы уже сегодня умеют в той или иной степени распознавать плагиат. Основная проблема такой системы - невозможность дискриминировать истинный плагиат и видео, использующие копирайт-контент в трансформативных целях (например, видеоблогер может использовать фрагмент фильма в качестве объекта критики). Такое использование копирайта - в трансформативных целях и, конкретно, в целях критики -разрешено законом и политикой YouTube, однако фактический принцип действия данной системы номинально запрещает использование любых оригинальных видеофрагментов. Это рискованно, так как невозможно предугадать, сочтёт ли система плагиатом тот или иной фрагмент.
Здесь следует отметить, что последствия этого весьма существенны для создателей: в зависимости от типа контента видео может быть демоне-тизировано, временно или окончательно удалено с платформы, а повторные нарушения как этого, так и других правил приведёт к удалению канала пользователя, который для многих является единственным источником дохода.
На данный момент очевидного решения этой проблемы в рамках платформы не существует, а альтернативы работают плохо и не всегда: например, некоторые блогеры при проигрывании таких сегментов ставят под видео таймер, отсчитывающий 10 секунд - максимальное разрешенное время проигрывания копирайта на одно видео.
Еще одной существенной проблемой -для создателей контента больше чем для платформы - является политика компании в отношении того, какой контент считается нежелательным. Основная причина существования этой системы - нежелание рекламодателей аффилировать свой бренд с контентом, снижающим их популярность и престиж. Такой нежелательный контент далеко не всегда нарушает правила самой платформы, далеко не всегда содержит графические сцены насилия, или порнографии, или слов ненависти, или буквальных призывов к насилию, часто это просто слова или изображения, потенциально расстраивающие, раздражающие или отвращающие покупателя. Например, во время пандемии любое упоминание коронави-руса, в особенности слов COVID, COVID-19, Coronavirus, The Pandemic, Lockdown и многих других, стало приводить к демонетизации видео не потому, что контент плохой или дезинформирующий, а потому что упоминание пандемии считается невыгодным с точки зрения маркетинга. Безусловно, это повлияло на процесс создания контента монетизированными блогерами - они начали игнорировать важную для общества тему просто потому, что не хотели лишиться монетизации.
Так же работает система в отношении тем насилия, суицида, расовой ненависти и огромного числа других тем, независимо от контекста, независимо от того, критикуются они, восхваляются или просто упоминаются - система не дискриминирует и отслеживает любое их упоминание.
Конечно, большинство случаев демонетизации не значат удаление видео с платформы - автор просто не получает за него деньги. Однако, поскольку большинство крупных блогеров, создающих качественный, приносящий прибыль контент, сами рассчитывают на прибыль от этого контента, такая система ненамеренно выступает как очень эффективная форма цензуры. Объекты этой цензуры часто нелепы и мотивируются маркетинговыми стратегиями корпораций, однако её эффект от этого не становится менее заметным - почти в каждом видео длиной более 10 минут можно найти момент, когда автор намеренно останавливает себя, заменяя очевидное слово вроде «пандемия» на «событие, о котором говорить нельзя».
Еще один фактор работы алгоритмов, влияющий на создание контента - это формальные параметры видео. Безусловно, алгоритмы учитывают достаточно сложные показатели (ка-
кой процент людей нашел видео через поиск, какой процент - через рекомендации; какой процент посмотревших видео затем начал смотреть другие похожие видео; какой процент зрителей при просмотре кликнул на рекламу впервые за долгое время; какой процент зрителей поставил видео на паузу или прервал просмотр, и как быстро и т. д.). Однако эти параметры невозможно вычислить при незначительном количестве просмотров. Единственная возможность избежать рисков в такой ситуации - жестко формализовать оценку на незначительных просмотрах. Так, например, многие алгоритмы в этом случае учитывают длину (хронометраж, продолжительность) видео. Такой подход оказался очень эффективным, но не без странностей: так как параметры контента на платформе теперь определяются не только авторами и аудиторией, но и алгоритмом, очевидно, что видео, которые по той или иной причине алгоритму нравятся, станут более распространены. Их вторичные маркеры становятся выигрышными, даже если не имеют прямой связи с популярностью и прибылью. Например, в последние годы на УоиТиЪе стали популярны видео в формате эссе. Это длинные (от часа и больше) обзоры, критики, анализы различных объектов поп-культуры, событий, персон, фильмов, книг и т. д., в которых рассказчик в спокойной неформальной обстановке делится со зрителем результатами своих исследований или личными впечатлениями о предмете. Есть множество причин популярности таких видео - глубокое тщательное исследование предмета, высокое качество монтажа, успокаивающий голос, ненавязчивый видеоряд, позволяющий проигрывать видео в фоновом режиме... Нейросеть не знает ничего об окружающем мире. Она не может посмотреть видео или прочитать комментарии и логически заключить, что эти аспекты, вероятнее всего, привели к успеху формата. Вместо этого она попытается найти в факторах этих видео нечто общее, в чём наверняка заключается секрет их популярности. Так как видеоэссе делаются разными людьми, на разные темы, с разными тэгами, нейросеть справедливо заключила, что причина их популярности - длина. После всплеска популярности видеоэссе и впоследствии длинных видео сообществу авторов быстро стало понятно, что происходит с алгоритмом. Авторы, работающие в других форматах, начали публиковать видео длиной в несколько часов для того, чтобы их подхватила волна тренда. Это могли быть двухчасовые обзоры видеоигр, летс-плеи, новостные выпуски, компиляции падений, туто-риалы по сборке велосипедов и что угодно еще.
Это далеко не единственный случай, когда алгоритм случайно и коренным образом изменил правила игры на платформе. Это также отличный,
хотя и относительно невинный пример непредвиденных последствий корпоративной жадности. Его единственным негативным аспектом стала необходимость многим авторам кардинально менять формат и структуру своего контента чтобы остаться на плаву. Схожие непредвиденные последствия гибких алгоритмов имеют место и на других типах онлайн-платформ.
Выводы
Подводя итоги исследования, приходится признать, что работа рекомендательных алгоритмов влияет не только на условия продвижения контента, но и на процесс его создания. Ви-деоблогерам приходится зачастую исходить не из интересов аудитории или темы, а из параметров, которые учитывает алгоритм. Это проявляется как в стратегии подстройки под алгоритмы, так и в стратегии отстройки от них. Бло-геры либо подчиняются требованиям социальных сетей и видеохостингов, либо пытаются их обмануть. Подобные попытки влияют на выбор темы, определяют приоретизацию жанров и хронометража произведения, заставляют менять его структуру и вводить параметры муль-тимедийности.
Эта и многие другие вызванные корпоративной жадностью проблемы обладают существенным негативным влиянием на человеческое миропонимание, на формирование картины мира аудитории в целом.
Литература
1. McCartney, J. What is Artificial Intelligence? - URL: http://jmc.stanford.edu/articles/what isai.html (дата обращения: 10.12.2021).
2. Права человека в эпоху искусственного интеллекта: Европа как созидатель международных стандартов в области искусственного интеллекта // Бюллетень Европейского Суда по правам человека. - 2021. - № 2 (224). -С.142-144.
3. Пылов, П. А. Человек управляет искусственным интеллектом или искусственный интеллект управляет человеком? / П. А. Пылов, И. В. Кудаева // Россия молодая. - Кемерово, 2021. - С. 94703.3-946703.5.
4. Журналистика в 2019 году: творчество, профессия, индустрия. - М. : Фак. журн. МГУ, 2020. - 616 с.
5. Замков, А. В. Роботизированная журналистика: от научного дискурса к журналистскому образованию / А. В. Замков, М. А. Крашенинникова, М. М. Лукина, Н. А. Цынарёва // Медиаскоп. -2017. - № 2. - URL: http://www.mediascope.ru/2295 (дата обращения: 09.12.2021).
6. Graffe, A. Guide to Automated journalism / A. Graffe. - URL: http://towcenter.org/research/guide-to-automated-journalism/ (дата обращения: 09.12.2021).
Литературоведение. Журналистика
7. Radcliffe, D. The Upsides (and Downsides) of Automated Robot Journalism D. Radcliffe. - URL: http://mediashift.org/2016/07/upsides -downsides-automated-robot-journalism/ (дата обращения: 09.12.2021).
8. Шестерин, Н. О. О корректности использования термина «Искусственный Интеллект» в медиа-сфере / Н. О. Шестерин, А. М. Шестерина // Ученые записки НовГУ им. Ярослава Мудрого. - 2020. - № 4 (29). - URL: https://cyberleninka.ru/article/n/o-korrektnosti-ispolzovaniya-termina-iskusstvennyy-intellekt-v-mediasfere (дата обращения: 28.11.2021).
9. Рязанов, С. И. Искусственный интеллект как множество - классификация искусственных интеллектов / С. И. Рязанов // Вузовская наука в современных условиях. - Ульяновск, 2020. -С. 72-75.
10. Результат интеллектуальной деятельности, созданный Искусственным Интеллектом, и результат интеллектуальной деятельности, созданный при помощи Искусственного Интеллекта // Актуальные проблемы науки и практики. - СПб., 2019. - С. 123-126.
11. Мустафина, Н. М. Области применения искусственного интеллекта / Н. М. Мустафина, А. Г. Шарафутдинов // NovaInfo.Ru. - 2016. - Т. 1, № 47. - С. 253-256.
12. Гривский, К. Творчество и искусственный интеллект. Правовые аспекты создания произведения / К. Гривский // Интеллектуальная собственность. Авторское право и смежные права. - 2020. -№ 1. - С. 55-60.
13. Кудряшев, А. Ф. Творческий процесс в системах с искусственным интеллектом / А. Ф. Кудряшев, О. И. Елхова // Информационные технологии интеллектуальной поддержки принятия решений. - Уфа, 2014. - С. 191-195.
14. Медиапотребление в России - 2021 // Deloitte. - URL: https://www2.deloitte.com/ru/ru/ pages/technology-media-and-telecommunications/ar ticles/mediaconsumption-in-Russia-2021.html (дата обращения: 28.11.2021).
15. Votentsev, A. S. Artificial Intelligence. Languages in professional communication / A. S. Votentsev. - Ekaterinburg, 2020. - P. 500-507.
Шестерина Алла Михайловна - доктор филологических наук, профессор, профессор кафедры электронных СМИ и речевой коммуникации, Воронежский государственный университет (Воронеж), e-mail: [email protected]. ORCID 0000-0001-7270-2376
Поступила в редакцию 21 декабря 2021 г.
DOI: 10.14529/ssh220114
THE IMPACT OF ARTIFICIAL INTELLIGENCE TECHNOLOGIES ON VIDEO PRODUCTION IN THE PROMOTION OF NETWORK CONTENT
A. M. Shesterina
Voronezh State University, Voronezh, Russian Federation
The dynamic growth of artificial intelligence technologies in the field of recommendation algorithms encourages the online content creators to change its production strategies. This process is particularly tangible both in the field of network video and video blogging. The article attempts to specify the strategies of contemporary audiovisual media response to the demand of machine algorithms. The analysis of the processes, taking place in English and Russian-speaking sectors of YouTube helps to reveal positive as well as negative effects of these processes. Network video adaptation not only to the audience's requirements, but also to the r e-quirements of machine intelligence is examined with reference to the peculiarities of algorithms' work and their decryption of different types of information presentation (verbal, visual, audial). The effects caused by this need, related to the necessity to produce multimedia content, are considered. The research focuses on the transformation of the composition structure and the change in genre preferences of video bloggers. The author raises the issue of social bubble formation and the related process of degradation of audience information requests. The study draws conclusions concerning the necessity to control the speed of algorithm development in the media sphere.
Keywords: artificial intelligence, recommendation algorithms, network video, video blogging.
References
1. McCartney J. What is Artificial Intelligence? URL: http://jmc.stanford.edu/articles/whatisai.html (data obrashcheniya: 10.12.2021).
2. Prava cheloveka v epokhu iskusstvennogo intellekta: Yevropa kak sozidatel' mezhdunarodnykh standartov v oblasti iskusstvennogo intellekta [Human Rights in the Age of Artificial Intelligence: Europe as a Creator of International AI Standards] // Byulleten ' Yevropeyskogo Sudapo pravam cheloveka. 2021. Iss. 2 (224). S. 142-144.
3. Pylov P.A., Kudayeva I.V. Chelovek upravlyayet iskusstvennym intellektom ili iskusstvennyy intellekt upravlyayet chelovekom? [Man Controls Artificial Intelligence or Artificial Intelligence Controls Man?] // Rossiya molodaya. Kemerovo. 2021. S. 94703.3-946703.5.
4. Zhurnalistika v 2019 godu: tvorchestvo, professiya, industriya [Journalism in 2019: Creativity, Profession, Industry]. M.: Faulty of Journalism of Moscow State University, 2020. 616 s.
5. Zamkov A.V., Krasheninnikova M.A., Lukina M.M., Tsynarova N.A. Robotizirovannaya zhurnalistika: ot nauchnogo diskursa k zhurnalistskomu obrazovaniyu [Robotic Journalism: From Scientific Discourse
to Journalism Education] // Mediascope. 2017. Iss. 2. URL: http://www.mediascope.ru/2295 (data obrashcheniya: 09.12.2021).
6. Graffe A. Guide to Automated journalism. URL: http://towcenter.org/research/guide-to-automated-journalism/ (data obrashcheniya: 09.12.2021).
7. Radcliffe D. The Upsides (and Downsides) of Automated Robot Journalism. URL: http://media-shift.org/2016/07/upsides-downsides-automated-robot-journalism/ (data obrashcheniya: 09.12.2021).
8. Shesterin N.A., Shesterina A.M. O korrektnosti ispol'zovaniya termina «Iskusstvennyy Intellekt» v mediasfere [On The Correctness of Using The Term «Artificial Intelligence» In The Media Sphere] // Uchenyye zapiski NovGU im. Yaroslava Mudrogo. 2019. № 9. URL: https://cyberleninka.ru/article/n/o-korrektnosti-ispolzovaniya-termina-iskusstvennyy-intellekt-v-mediasfere (data obrashcheniya: 28.11.2021).
9. Ryazanov S.I. Iskusstvennyy intellekt kak mnozhestvo - klassifikatsiya iskusstvennykh intellektov [Artificial Intelligence as a Multitude - Classification of Artificial Intelligence] // Vuzovskaya nauka v sovremennykh usloviyakh. Ulyanovsk, 2020. S. 72-75.
10. Rezul'tat intellektual'noy deyatel'nosti, sozdannyy Iskusstvennym Intellektom, i rezul'tat intellektual'noy deyatel'no-sti, sozdannyy pri pomoshchi Iskusstvennogo Intellekta [The Result of Intellectual Activity, Created by Artificial Intelligence, and The Result of Intellectual Activity, created with the help of Artificial Intelligence] //Aktual'nyyeproblemy nauki ipraktiki. SPb., 2019. S. 123-126.
11. Mustafina N.M., Sharafutdinov A.G. Oblasti primeneniya iskusstvennogo intellekta [Fields of Application of Artificial Intelligence] // NovaInfo.Ru. 2016. Iss. 1. № 47. S. 253-256.
12. Grivskiy K. Tvorchestvo i iskusstvennyy intellekt. Pravovyye aspekty sozdaniya proizvedeniya [Creativity and Artificial Intelligence. Legal Aspects of Creating a Work] // Intellektual'naya sobstvennost'. Avtorskoye pravo i smezhnyye prava. 2020. Iss. 1. S. 55-60.
13. Kudryashev A.F., Yelkhova O.I. Tvorcheskiy protsess v sistemakh s iskusstvennym intellektom [The Creative Process in Artificial Intelligence Systems] // Informatsionnyye tekhnologii intellektual'noy podderzhkiprinyatiya resheniy. Ufa, 2014. S. 191-195.
14. Mediapotrebleniye v Rossii - 2021 [Media Consumption in Russia - 2021] // Deloitte. URL: https://www2.deloitte.com/ru/ru/pages/technology-media-and-telecommunications/articles/mediaconsumption-in-Russia-2021.html (data obrashcheniya: 28.11.2021).
15. Votentsev A.S. Artificial Intelligence. Languages in Professional Communication. Ekaterinburg, 2020. S. 500-507.
Alla M. Shesterina - D. Sc. (Philology), Professor, Professor of the Department of Electronic Media and Speech Communication, Voronezh State University (Voronezh), e-mail: [email protected]
Received December 21, 2021
ОБРАЗЕЦ ЦИТИРОВАНИЯ
Шестерина, А. М. Влияние технологий искусственного интеллекта на видеопроизводство в сфере продвижения сетевого контента / А. М. Шестерина // Вестник ЮУрГУ. Серия «Социально-гуманитарные науки». - 2022. - Т. 22, № 1. - С. 108-113. Б01: 10.14529^^20114
FOR CITATION
Shesterina A. M. The Impact of Artificial Intelligence Technologies on Video Production in the Promotion of Network Content. Bulletin of the South Ural State University. Ser. Social Sciences and the Humanities, 2022, vol. 22, no. 1, pp. 108-113. (in Russ.). DOI: 10.14529/ssh220114
