ico Aivonプロジェクトをレビューする

AIコンピューティングリソースとヒューマンプロフェッショナルコミュニティのコンセンサスネットワーク上に作成されたオープンソースのブロックベースのプロトコルシステムを使用して、通常の拡張されたコンテンツ（ビデオ）メタデータを生成する分散型のAIVONまたはArtificial Intelligence Video Open Network

コンテンツ制作者は、AIVONシステムのトップに分散型アプリケーションまたはアプリケーションを作成できます。プラットフォーム貢献者は、人工知能ノードを実行したり、専門知識を提供したり、AVO仮想資産に満足しています。

GPUおよびCPUリソースを実装するノード上で実行されるAIアルゴリズムのコンピュータ版は、メディアファイルのスキャンに適用され、タイムコード、カテゴリ、分類、翻訳、トランスクリプト、およびビデオコンテンツのオブジェクトインデックスを含むメタデータになります。

編集、タグ付け、翻訳に関する知識を持つ人間は、AIVONプロトコルの共有財務システムに貢献して、ビデオメタデータの検証、検証、作成を支援します。

学習アルゴリズムAIデバイスは、よりインテリジェントな、より良いになるために、コミュニティアクションAIVONプロトコルから学ぶしていきます。AIVONプロトコルは、コミュニティが確認できるようにするツールとそれらをエンパワー確認し、適度なカテゴリ、メタタグ、コンテンツを翻訳または転写だけでなく、AVOトークンを通じて信頼にこれらの活動を提供するために、経済的なインセンティブを提供します

AIVONプロトコルの特長

このAIVONプロトコルプロジェクトの主な特徴は、コンテンツグラフィックスと呼ばれる商標コンテンツのセキュリティインデックスです。AIVONプロトコルは、AIを適用して、次のようないくつかのコンテンツセキュリティ属性の1つの信頼スコアを確認します。

•成人
•ヌード
•嫌悪感
•暴力
•アルコール
•荒い言語
•宗教
•武器

一緒にMPAAの映画の評価が、もう少しカバーし、粒状のインターネットビデオコンテンツで、これらの数字は、その後、いくつかの数値フィルタ基準に基づいて映像コンテンツの安定プログラムの決意を許可するコンテンツのグラフと呼ばれる数字の配列に組み込まれます。セキュリティ属性は、映像コンテンツを拡大することができ、そのようなジェンダーバイアスとして、最新の属性は、人工知能の内容を認識する能力を有する任意の時点で入力することができます。

問題

ビデオオンラインはグローバルだが、ローカリゼーションは大きな問題だ

オンラインビデオはグローバルですが、ローカリゼーションは大きな問題です – ビデオ業界のもう一つの課題は、インターネット上のコンテンツの少なくとも80％が上位10の言語のうちの1つだけにアクセスできることです。インターネット上のほとんどのビデオには
、通常は英語で1つの言語でしかアクセスできません。これは、ビデオ配信が限られており、検索エンジンやビデオプラットフォームを通じてビデオにアクセスできるかどうかにかかわらず、世界のほとんどがコンテンツ制作者の手の届かないところにいることを意味します。

私たちのソリューション

AIVONは、インターネット上のインターネットやサービスが分散されていなければならないとか、あまりにも強すぎる手に多すぎるパワーがあると考えています。AIVONは、地方分権とオンラインビデオの民主化に焦点を当て、インターネットユーザーに力を与える。問題は、わずか数手でインターネットの力を持っているがほとんど、あるいはまったく透明性があり、かつこれらの企業のいくつかは、よく意味場合でも、彼らは今、それらを振るために多くの方法があることが非常に大きいということです。2017年、GoogleとFacebookは、システムのギャップを利用した悪役の大スキャンダルに直面した。GoogleのYouTubeは、ブランドのセキュリティとコンテンツに関する論争を引き起こして悪意のあるコンテンツを投稿するユーザーと何度か妥協してきた。FacebookはCambridge Analyticaによる偽のニュース問題やデータ違反に直面している。

優秀AIVON

人工知能 マイニングノードでは特別なAIアルゴリズムが使用されるため、CPUリソースやGPUマイナーを使用してメディアファイルをスキャンし、コードタイムコード、分類、カテゴリ、トランスクリプトと変換、ビデオオブジェクトインデックスなどのメタデータを改善できます。

抽出された完全な番組またはクリップなどの各ビデオオブジェクトには、エンターテインメント識別子レジストリ（EIDR）を使用して固有の識別子が与えられます。EIDRは、エンターテイメント取引に関連するオーディオビジュアルオブジェクトタイプの全範囲に対してグローバルな一意の識別子を提供します。

AIVONノードは、EthereumブロックチェーンにアンカーするJSON形式でメタデータを記録します。ほとんどのメタデータはブロックチェーンに直接格納されるのではなく、EIDR識別子を使用してメタデータにリンクされます。これは、特に転写物や翻訳を入力するときに、データのサイズが非常に大きくなる可能性があるためです。

ContentGraphは、コンテンツ属性が横軸にプロットされ、信頼スコアが縦軸にプロットされる棒グラフとして視覚化できます。信頼がゼロで、特徴が検出されない属性があります。左から右の順序がスキームの下に提供され、2つ以上のContentGraphパターンを比較することができます。配列インデックスを表す1つの添字を含む属性にアクセスします（たとえば、graph [6]は6番目の要素の値を返します）。記録された特定の属性に対応する位置の数は、他のグラフィックスの使用に影響を与えることなく、時間とともに増加する可能性があります。

ContentGraphには、新しいコンテンツセキュリティ属性を追加するように拡張され、時間の経過とともに社会規範が変わるにつれて関連性を維持する必要性を克服するなど、多くの興味深い機能があります。AIがビデオコンテンツの新しい安全属性を認識するように訓練できる場合、他の属性に影響を与えたり、前のグラフを使用したりすることなく、ContentGraphに属性を追加することができます。

オンライン動画が増えているため、動画コンテンツを見つけることは難しい

AIVONは、ビデオの検索と検索がより困難になっているため、OVSEの必要性は非常に高いと考えています。YouTubeは動画検索エンジンとして知られていますが、実際には動画ホスティングプラットフォームであり、ユーザーはYouTubeにアップロードする動画しか見つけられません。そのほとんどは長くて未使用のコンテンツです。多くのプレミアムコンテンツのサイト運営者は通常、プレミアム動画コンテンツをYouTubeにアップロードしないで、自分のサイトや動画アプリケーションにアップロードすることをおすすめします。

インターネットとオンラインビデオには地方分権が必要

今日では、我々はオンライン、オンラインビデオやウェブトラフィック、ユーザー、ユーザーデータ、オンライン広告、検索やソーシャルネットワーキングなどのないすべてがFaang（フェイスブック、アップル、アマゾン、ネットフリックス、グーグル）またはBAT（百度、アリババ、テンセントによって支配されます）中国で。1日にGoogleとFacebookで11億以上の動画再生回数が視聴されています。プレミアムサブスクリプションビデオサービスとプレミアムでは、AmazonやNetflixが場合は2017年にオンデマンドビデオサービスの米国でのサブスクリプション（SVOD）と$ 14.9億SVODの収益の60％近くに1.138億加入者の69％以上を制御しますすべてのインターネットトラフィックの70％をGoogleやFacebookから来ている上で、あなたは、あなたのウェブサイトや動画へのWebトラフィックをしたいです。ページや動画から収益を得たい場合は、GoogleとFacebookは、すべてのオンライン広告の77％を占め、新しいオンライン広告の成長率の99.7％を占めています。すべてのスマートフォンとアプリケーションのエコシステムの99％は、Android（Google）またはiOS（Apple）によって強化されています。FAANGとBATは、ほとんどのAI技術とアプリケーションを開発し、制御しています。FAANGとBATがインターネット上のデジタルライフを支配していることは明らかです。つまり、インターネットのパワーは、この支配的で集中化された技術大手の手に集中しています。FAANGの合併時価総額は、3.01兆米ドルを超え、NASDAQに上場している全企業の時価総額の27％を超えています。つまり、インターネットのパワーは、この支配的かつ集中化された技術大手の手に集中しています。FAANGの合併時価総額は3米ドルを超え、ナスダックに上場している全企業の時価総額の1兆1000億（27％）を占めています。つまり、インターネットのパワーは、この支配的かつ集中化された技術大手の手に集中しています。FAANGの合併時価総額は、3.01兆米ドルを超え、NASDAQに上場している全企業の時価総額の27％を超えています。

AI Node

ニューラルネットワークは、パターンを認識するように設計された、人間の脳の後ろに緩やかにモデル化された相互接続ノードを持つアルゴリズムのセットです。Neural Networkは、既知の人々（親など）の行動を模倣し、学習結果を適用して自分の行動を修正することによって子供が学習する方法と同様に、出力と学習の誤差を最小限に抑えるためにラベル付きトレーニングデータを最適化してタスクを実行する “望ましい結果。

残念ながら、「万能」必要なすべてのタスクを実行することができ、一般的なAIアルゴリズムやニューラルネットワークはありません。例えば、オブジェクトを識別するために最適化され訓練されたCNNは、CNNは異なるであろう顔を識別するように構成される。したがって、我々は、特別に、次のタスクを実行するために訓練されたニューラルネットワークモデルに基づいたソフトウェアパッケージAIを開発するために、さまざまなAI技術に最高を結合する必要があります。
視覚的な顔の•はじめに、フレームのレベルでのシーンのオブジェクトを
•可視属性のはじめにフレームレートをContentGraph
•音声テキストの転写
自動的•テキスト・ツー・テキストの翻訳を自動的に

メタデータ抽出

ソースメタデータは、ファイルに暗示されている情報です。これには、ファイルタイプ、ファイルサイズ、期間、コーディング方法、解像度、アスペクト比、データ速度、オーディオトラック数、閉じたテキスト、タイムコードなどが含まれます。アップローダは、タイトル、説明、ロケールなどのデータを提供して、インデックス作成のために多くの情報を提供できます。