في سعينا المستمر للحصول على المعلومات، تشهد أدوات البحث وأنماط الاستخدام تغيرات مستمرة. وقد أصبح الذكاء الاصطناعي الآن جزءًا لا يتجزأ من محركات البحث التقليدية، ليقدم ما لا تستطيع خوارزميات مطابقة الكلمات المفتاحية تقديمه: تجربة تفاعلية ذات طابع شخصي وقابلة للتطوير.
لكن في مجال الترفيه، لا يزال معظم مقدمي الخدمات غير مستعدين لتقديم خدمات على غرار ما تقدمه روبوتات الدردشة التي تعمل بالذكاء الاصطناعي التوليدي الشهيرة مثل ChatGPT وGemini. ويرجع ذلك إلى أن نماذج اللغة الضخمة (LLMs1) المرخصة للشركات لا تستند إلى مصادر معرفية خارجية من العالم الواقعي.
نتيجة للتوسع السريع في استخدام الذكاء الاصطناعي، هناك فجوة في التوقعات بين الشركات التي تسعى إلى الاستفادة من نماذج اللغة الكبيرة (LLMs) في تطبيقاتها التجارية الخاصة. ومع ذلك، لكي تتمكن نماذج اللغة الكبيرة المخصصة للمؤسسات من تقديم تجارب المحتوى المتطورة التي تمتلك القدرة على تقديمها، فإن الوصول إلى بيانات موثوقة ومخصصة لقطاع معين يعد أمراً بالغ الأهمية.
في مجال اكتشاف المحتوى، تضع الناس بالفعل آمالاً كبيرة على الذكاء الاصطناعي.
التغلب على تحدي اكتشاف المحتوى في عالم التلفزيون المتشظي
توفر نماذج اللغة الكبيرة (LLMs) إمكانيات جديدة وإمكانات هائلة لتجربة مشاهدة التلفزيون. فهي توفر، على سبيل المثال، قدرات بحث محسّنة بشكل كبير، مما يتيح للمشاهدين طرح أسئلة معقدة للغاية تتجاوز حدود البحث التقليدي. كما يمكن لنماذج اللغة الكبيرة إعادة صياغة أو توسيع وصف فيلم أو حلقة ما بشكل ديناميكي لجعلها أكثر ارتباطًا بالموضوع — بل وأكثر ملاءمةً من الناحية الجغرافية — لكل مستخدم على حدة.
في بعض القطاعات المحددة، يتعين أن تكون بيانات التدريب والتأهيل أكثر تعمقاً بكثير مما يمكن أن يوفره الإنترنت المفتوح. ففي قطاع الترفيه، تتزايد توقعات المستهلكين، مدفوعةً بالتطور التكنولوجي. واستناداً إلى توقعات القطاع بشأنالإنفاق على خدمات البث عبر الإنترنت (OTT) والتلفزيونالمدفوع2، فإن مزودي المحتوى لديهم حافز كبير لتطوير عروضهم القيمة الفردية.
في الوقت الذي يقول فيه 26% من الأمريكيين إنهم يعرفون ما يريدون مشاهدته ولا يزالون غير قادرين على العثورعليه3، فإن الذكاء الاصطناعي لديه القدرة على المساعدة. لكن حتى روبوتات الدردشة الشهيرة تواجه صعوبات في هذا المجال. على سبيل المثال، وجدت دراسة أجرتها Veed Analytics عام 2025 حول استخدام روبوتات الدردشة لاكتشاف المحتوى أن ثلثي النتائج فقط منروبوتات الدردشة التي تم اختبارها كانت صحيحة في تحديد مكان العثور على برنامج معين. وربما ما هو أقل إرضاءً من منظور المستخدم، أن 31% فقط قدمت رابطًا مباشرًا لعنوان البرنامج.
من منظور تحسين عملية اكتشاف المحتوى، توفر نماذج اللغة الكبيرة (LLMs) ثلاث مزايا رئيسية مقارنة بقواعد البيانات التقليدية ووظائف البحث البدائية:
- قدرات بحث دلالي محسّنة بشكل كبير
- قوائم محتوى شاملة ومتسقة
- قدرات قوية في مجال التصنيف والترتيب
أصبح مجال المحتوى اليوم واسعًا للغاية بحيث يتعذر تصفحه باستخدام وظائف البحث التقليدية، حتى داخل المنصات والخدمات الفردية. ومن شأن إدخال تقنية الذكاء الاصطناعي من الجيل الجديد (GenAI) في مجال البحث عن المحتوى واكتشافه أن يُحدث تحولًا جذريًا في تجربة المستخدم، وهو ما ينطوي على إمكانية الحد بشكل كبير من المشاعر السلبية لدى المشاهدين، حيث أن ازدحام المحتوى وتشتته يعيقان الاستمتاع العام بالتلفزيون — ولكن بشرط أن تقدم هذه التقنية نتائج دقيقة.
لمزيد من المعلومات، قم بتنزيل البحث عن البرامج التلفزيونية واكتشافها في عصر الذكاء الاصطناعي .
الملاحظات
- LLMs هي نوع من الذكاء الاصطناعي التوليدي الذي ينشئ محتوى بناءً على الأنماط المكتسبة.
- تتوقع شركة PwC أن يصل إنفاق المستهلكين على خدمات البث عبر الإنترنت (OTT3) والتلفزيون المدفوع إلى 318.5 مليار دولار في عام 2029.
- استطلاع Gracenote لعام 2025 حولالمستهلكين في مجالالبث المباشر.
- ChatGPT، كلود، جيميني، بيربلكسيتي
يمكن للذكاء الاصطناعي أن يحسّن عملية اكتشاف المحتوى، لكن ذلك لن يحدث إذا لم يثق الناس به
تتمتع تقنية الذكاء الاصطناعي العامة (GenAI) بالقدرة على ربط الناس بالمحتوى الذي يبحثون عنه، لكن الثقة تشكل عقبة كبيرة.
البحث عن البرامج التلفزيونية واكتشافها في عصر الذكاء الاصطناعي
تتغير الطريقة التي يبحث بها الناس عن المعلومات، ولكن بدون البيانات الصحيحة، فإن الذكاء الاصطناعي سيؤكد ببساطة أنه لا يمكن الوثوق به.
التفكير المنطقي: لماذا تعتمد تجارب CTV المدعومة بالذكاء الاصطناعي على البيانات؟
البيانات السيئة تشكل تهديدًا حقيقيًا. تعد نماذج اللغة الكبيرة (LLM) أدوات قوية، ولكنها لا تكون فعالة إلا بقدر المعلومات التي يمكنها الوصول إليها.