Beamr ha annunciato l'avanzamento su un nuovo fronte e rivela la sua capacità di potenziare il Machine Learning per i video. L'Apprendimento Automatico e l'Intelligenza Artificiale per il video hanno dimostrato risultati immensi e hanno un potenziale ancora più straordinario. Questo campo caldo si sta espandendo rapidamente come parte del mercato della computer vision, che è già stimato in oltre 20 miliardi di dollari e che si prevede crescerà in modo esponenziale nei prossimi anni.

Ma uno dei maggiori problemi che rallentano il progresso è la gestione di file e librerie estremamente grandi. Questo perché i file video sono relativamente grandi e, per addestrare le reti di computer a riconoscere gli oggetti in movimento, ne servono moltissimi. Pensi a come riconoscere un'auto o un essere umano.

Per noi è un compito facile, ma non per un computer, sia in una singola immagine che in un video. Ogni movimento cambia l'aspetto dell'oggetto, la sua forma, le dimensioni e l'angolazione. Ecco perché le reti informatiche devono scansionare e analizzare innumerevoli video per imparare a riconoscere se c'è un essere umano, un'auto, un gatto o qualsiasi altra cosa.

Gli operatori del Machine Learning hanno a che fare, per non dire che sono bloccati, con grandi cluster di file video che sono estremamente difficili da gestire, archiviare e trasferire. Tutti questi dettagli tecnici si riassumono in una linea di fondo molto chiara per le molte aziende e start-up in questo campo: spese pesanti che ostacolano la loro crescita. I test sono stati condotti su NVIDIA DeepStream SDK - uno strumento per l'elaborazione multi-sensore basata sull'AI, la comprensione di video, audio e immagini, che è stata una scelta naturale per Beamr come partner di NVIDIA Metropolis.