YouTube 影片的縮圖通常決定其成功。到目前為止，您要么必須創建並發送您選擇的靜態圖像，要么信任 YouTube 來選擇良好的預覽圖像。然而，在這個遊戲中，YouTube 的自動例程並不總是非常有效：許多業餘影片縮圖都以模糊或無趣的圖像開始。
如果專業的 YouTuber 顯然是在 Photoshop 中製作預覽，那麼對於普通用戶來說並非如此。因此，為了突出 Michu 女士的視頻，人工神經網絡發揮了作用。
開發模型並推進它
人工智慧有幾個面向、幾個磚塊、深度人工神經網路（深度神經網絡或 DNN）就是其中之一。簡而言之，它是一組建模和互動基於大腦結構的演算法，而影像分析中一個有趣的特性是它們的分類能力。
但在分類之前，你需要知道要分類什麼。因此，YouTube 工程師為他們的演算法實施了學習方法：他們向演算法提供了圖像樣本，這些圖像的品質（技術、美學、背景）先前已被人類注意到。這使得演算法能夠將“正”示例與“負”示例進行分類。
人類幫助機器取悅人類
因此，Google的聰明人收集了平庸的自動生成圖像面板，並將它們與最先進的 YouTube 用戶創建的精美預覽進行比較。根據Google 搜尋部落格，在 65% 的情況下，基於人工神經網路的演算法產生的縮圖優於舊縮圖。這項進展不僅有趣，最重要的是，Google的機器有自動改進的空間，因為這種人工「大腦」能夠透過繼續分析和分類它產生的圖像來進行自我學習。
人工神經網路正在發展
如果深度神經網絡它們在紙上和實驗室中已經存在很長時間了，直到最近它們才進入主流服務。它們很快就會出現在汽車中，特別是駕駛輔助和自動駕駛汽車中，它們可以提供即時環境分析。但我們也開始在智慧型手機中找到它們：本週，鍵盤軟體編輯器Android 版 Swiftkey 發布其最新版本已適應在智慧型手機上運行。
我們這些失去大腦的人將會很高興很快就能使用手機。
