· AI Engineer World's Fair 2026
У видео нет памяти. Вот как мы её создали
Video Has No Memory. Here's How We Built One.
Видеоархив нужно превращать в постоянную структуру памяти, которую строят один раз и запрашивают много раз, вместо ответов на каждый запрос с нуля.
- Разбор на этапе загрузки — дорогую интерпретацию видео выгодно сделать при индексации, тогда повторные запросы не перечитывают архив. По словам спикера, так удаётся работать с годами записей и несколькими ракурсами с меньшей задержкой и стоимостью.
- Граф контекста вместо списка кадров — узлы моментов, появлений сущностей, связей и тем всей коллекции, где поиск идёт в момент, а сюжет строится по связям во времени. Каждый ответ привязан к таймкоду, чтобы его можно было проверить.
- Память зависит от задачи — один и тот же футаж нужен спорту, брендбезопасности и комплаенсу с разными примитивами, поэтому набор извлекаемого задаётся настройкой загрузки.
- Агент для видео вместо одного вызова модели — спикер описывает агента как систему с памятью, планированием и retrieval, которая работает в заданных лимитах по времени, стоимости и глубине просмотра. Результат проверяется по тому, нашёлся ли нужный фрагмент и уложился ли агент в бюджет.
Кому полезно: тем, кто строит поиск, аналитику или монтаж по большим видеоархивам. Доклад в основном рассказывает о продукте TwelveLabs, но инженерная часть про память применима и к другим видео-стекам.
Статья по теме
Главы
Похожие доклады
Мастер-класс по памяти: научите AI-агентов помнить, что они делают!
Daniel Chalef, Alex Gilmore, Mark Bain, Vasilije Markovic
AI Engineer World's Fair 2025
Близко по содержанию
Как научить Gemini понимать YouTube: адаптация LLM для видеорекомендаций с аудиторией более 2 млрд DAU
AI Engineer World's Fair 2025
Близко по содержанию
Не используйте RAG как память
AI Engineer World's Fair 2025
Близко по содержанию
CrabRAG: почему автоматизированным ассистентам нужна графовая память, а не больше токенов
AI Engineer World's Fair 2026
Близко по содержанию

