г. Санкт-Петербург и Ленинградская область, Россия
Пушкин, г. Санкт-Петербург и Ленинградская область, Россия
Россия
Исследуется влияние цифровой трансформации на медиаиндустрию с акцентом на использование технологий искусственного интеллекта. Рассматриваются изменения в подходах к созданию, обработке и персонализации контента, которые включают автоматизацию модерации, улучшение качества визуальных материалов, генерации новых форматов медиа и защиту от фальсификаций. Цель: анализ того, как внедрение технологий искусственного интеллекта трансформирует процессы создания, обработки и персонализации контента. Результаты: показывают, что использование искусственного интеллекта способствует автоматизации модерации, улучшает качество визуальных материалов, упрощает генерацию новых медиаформатов и усиливает защиту контента от фальсификаций. Практическая значимость: заключается в выявлении перспектив применения ИИ-технологий для повышения эффективности и качества медиапроизводства, а также в обозначении направлений их интеграции в различные этапы медиацикла.
цифровая журналистика, цифровизация, машинное обучение, сверточные нейронные сети, генеративно-состязательные сети
1. Червонящий В. В. Цифровая трансформация журналистики: роль креатива и диджитал-технологий // Практический маркетинг. 2023. № 5 (311). С. 40–48. DOI:https://doi.org/10.24412/2071-3762-2023-5311-40-48.
2. Половнева М. В. Анализ развития и применения технологии чат-бот // Теория и практика современной науки. 2018. № 6 (36). С. 917–920.
3. Морозова А. А., Арсентьева А. Д. Проблемы и перспективы использования искусственного интеллекта в сфере массмедиа: мнение российской аудитории // Знак: проблемное поле медиаобразования. 2022. № 2 (44). С. 150–158. DOI:https://doi.org/10.47475/2070-0695-2022-10219.
4. Что такое обучение с учителем в машинном обучении // Skypro Wiki. URL: http://sky.pro/wiki/python/chto-takoe-obuchenie-s-uchitelem-v-mashinnom-obuchenii (дата обращения: 18.12.2024).
5. Маршалко Д. А., Кубанских О. В. Архитектура сверточных нейронных сетей // Ученые записки Брянского государственного университета. 2019. № 4 (16). С. 10–13.
6. Сайфутдинов А. В. Сверточные нейронные сети для решения задач компьютерного зрения // Universum: технические науки. 2023. № 10 (115), Ч. 1. С. 42–44. DOI:https://doi.org/10.32743/UniTech.2023.115.10.16127.
7. Что такое обучение без учителя в машинном обучении // Skypro Wiki. URL: http://sky.pro/wiki/python/chto-takoe-obuchenie-bez-uchitelya-v-mashinnom-obuchenii (дата обращения: 20.12.2024).
8. Левин А. О., Белов Ю. С. Использование генеративно-состязательных сетей для генерации изображений по тексту // Научное обозрение. Технические науки. 2023. № 2. С. 11–15. DOI:https://doi.org/10.17513/srts.1427.
9. Аверченков А. В., Андросов А. А., Малахов Ю. А. Анализ и применение генеративно-состязательных сетей для получения изображений высокого качества // Эргодизайн. 2020. № 4 (10). С. 167–176. DOI:https://doi.org/10.30987/2658-4026-2020-4-167-176.
10. Применение генеративно-состязательных нейросетей для генерации изображений / Е. В. Ильинская, Е. Н. Голышева, А. А. Медведев, Н. С. Масалитин // Научный результат. Информационные технологии. 2024. Т. 9, № 1. С. 73–78. DOI:https://doi.org/10.18413/2518-1092-2024-9-1-0-8.
