Beamr kondigt aan op een nieuw front vooruit te gaan en onthult dat het Machine Learning voor video kan stimuleren. Machine Learning en Kunstmatige Intelligentie voor video hebben enorme resultaten laten zien en hebben zelfs nog meer enorm potentieel. Dit vakgebied breidt zich snel uit als onderdeel van de computervisiemarkt die al op meer dan $20 miljard wordt geschat en de komende jaren naar verwachting exponentieel zal groeien.

Maar een van de grootste pijnpunten die de vooruitgang vertraagt, is het beheren van extreem grote bestanden en bibliotheken. Dat komt omdat videobestanden relatief groot zijn, en om computernetwerken te trainen om bewegende objecten te herkennen, zijn er heel veel van nodig. Denk maar aan het herkennen van een auto of een mens.

Voor ons is dat een gemakkelijke taak, maar niet voor een computer, noch in een enkel beeld, noch zeker niet in een video. Elke beweging verandert hoe het object eruitziet, zijn vorm, grootte en hoek. Daarom moeten computernetwerken ontelbare video's scannen en analyseren om te leren herkennen of er een mens, een auto, een kat of iets anders in voorkomt.

Spelers in Machine Learning hebben te maken met, om niet te zeggen zitten opgescheept met, grote clusters videobestanden die extreem moeilijk te beheren, op te slaan en over te dragen zijn. Al deze technische details komen samen tot een zeer duidelijke conclusie voor de vele bedrijven en start-ups op dit gebied: zware uitgaven die hun groei belemmeren. De tests werden uitgevoerd op NVIDIA DeepStream SDK - een tool voor AI-gebaseerde multi-sensorverwerking, video-, audio- en beeldbegrip, die een natuurlijke keuze was voor Beamr als NVIDIA Metropolis-partner.