پلتفرم یوتیوب با بهره‌گیری از مدل‌های زبانی پیشرفته، قابلیت جدید «Ask YouTube» را برای کاربران نسخه موبایل عرضه کرده است. این ابزار که پیش‌تر در قالب پروژه‌ای آزمایشی معرفی شده بود، اکنون به دنبال تغییر پارادایم جستجوی سنتی و تبدیل آن به یک تعامل مبتنی بر چت و هوش مصنوعی مولد است تا کاربران بتوانند به جای کلمات کلیدی، سوالات خود را درباره محتوای ویدیوها مطرح کنند.
معماری هوشمند جستجوی محاوره‌ای در یوتیوب
قابلیت جدید Ask YouTube بر پایه درک متنی عمیق از محتوای ویدیوها طراحی شده است. برخلاف جستجوی کلاسیک که تنها بر اساس متا‌داده‌ها (عنوان، توضیحات و برچسب‌ها) عمل می‌کند، این سیستم جدید با تحلیل محتوای گفتاری و بصری ویدیو، به کاربران اجازه می‌دهد سوالاتی در مورد جزئیات مطرح شده در ویدیو بپرسند. این فرآیند از طریق یک رابط کاربری چت‌بات‌گونه اجرا می‌شود که مستقیماً در اپلیکیشن اندروید و iOS ادغام شده است.
چگونه Ask YouTube تجربه تماشا را دگرگون می‌کند؟
یکی از بزرگترین چالش‌های کاربران در تماشای ویدیوهای طولانی، یافتن پاسخ‌های خاص در میان حجم انبوهی از اطلاعات است. با فعال‌سازی این قابلیت، کاربر می‌تواند سوالاتی مانند «در این بخش از ویدیو چه ابزاری معرفی شد؟» یا «خلاصه استدلال ارائه‌شده چیست؟» را بپرسد. هوش مصنوعی یوتیوب با اسکن دقیق بازه‌های زمانی ویدیو، پاسخ را استخراج کرده و به صورت متنی در اختیار کاربر قرار می‌دهد. این یعنی کاهش چشمگیر زمان اتلاف شده برای جستجوی دستی در تایم‌لاین ویدیوها.
زیرساخت‌های فنی و ملاحظات حریم خصوصی
- موتور پردازش: مدل‌های زبانی بزرگ گوگل (LLMs) بهینه‌سازی شده برای محتوای چندرسانه‌ای.
- سازگاری: در حال حاضر برای کاربران نسخه Premium در مناطق منتخب در دسترس است.
- نحوه دسترسی: دسترسی از طریق دکمه «Ask» در زیر پلیر ویدیو.
- قابلیت‌های هسته: خلاصه‌سازی خودکار، استخراج پاسخ دقیق از متن ویدیو و پیشنهاد پرسش‌های مرتبط.
از منظر معماری فنی، این سیستم از یک پردازشگر سمت سرور استفاده می‌کند که پیش‌نویس متن (Transcript) ویدیوها را به بردارهای معنایی (Embedding) تبدیل کرده و سپس با استفاده از تکنیک RAG (تولید مبتنی بر بازیابی)، پاسخ دقیق را تولید می‌کند. سیستم طوری طراحی شده است که در صورت عدم وجود اطلاعات کافی در ویدیو، پاسخ‌های گمراه‌کننده (Hallucination) ارائه ندهد.
چشم‌انداز آینده و محدودیت‌های کنونی
در حالی که این قابلیت در پاییز ۱۴۰۳ به صورت آزمایشی در موبایل ظاهر شده است، محدودیت‌هایی نیز در آن دیده می‌شود. فعلاً این سرویس برای همه ویدیوها در دسترس نیست و به توان پردازشی سرورهای گوگل وابسته است. با این حال، با توجه به گسترش استفاده از Google AI در محصولات این شرکت، انتظار می‌رود که این ابزار به زودی به ابزاری استاندارد برای تمامی محتواهای آموزشی و طولانی تبدیل شود. توسعه‌دهندگان باید توجه داشته باشند که این سیستم به طور مستقیم با APIهای عمومی یوتیوب برای توسعه‌دهندگان شخص‌ثالث یکپارچه نشده است و فعلاً تجربه‌ای انحصاری در اپلیکیشن اصلی محسوب می‌شود.
