Nepaisant dirbtinio intelekto pažangos, dauguma vaizdo apsaugos sistemų vis dar nesugeba atpažinti konteksto realiomis sąlygomis. Dauguma kamerų gali užfiksuoti filmuotą medžiagą realiuoju laiku, tačiau sunku ją interpretuoti. Tai problema, virsta vis didėjančiu išmaniųjų miestų dizainerių, gamintojų ir mokyklų susirūpinimu, kurių kiekvienas gali priklausyti nuo dirbtinio intelekto, kad žmonės ir turtas būtų saugūs.
AI vaizdo stebėjimo įmonė „Lumana“ mano, kad šių sistemų gedimas slypi jų kūrimo pagrinduose. „Tradicinės vaizdo platformos buvo sukurtos prieš dešimtmečius, kad būtų galima įrašyti filmuotą medžiagą, o ne ją interpretuoti“, – sakė Jordanas Shou, Lumana rinkodaros viceprezidentas. AI pridėjimas prie pasenusios infrastruktūros yra tarsi išmaniojo lusto įdėjimas į besisukantį telefoną. Jis gali veikti, bet jis niekada nebus pakankamai protingas ar patikimas, kad suprastų, kas fiksuojama, arba padėtų komandoms priimti išmanesnius sprendimus realiuoju laiku.
Didelės pasekmės
Kai tradicinės vaizdo apsaugos sistemos dengia dirbtinį intelektą ant senesnės infrastruktūros, atsiranda klaidingų įspėjimų ir našumo problemų. Perspėjimai ir praleisti aptikimai yra ne tik techniniai nesklandumai, bet ir rizika, kuri gali turėti pražūtingų pasekmių. Shou atkreipia dėmesį į neseniai įvykusį atvejį, kai mokyklos stebėjimo sistema, kuri naudojo dirbtinio intelekto priedą ginklui aptikti, klaidingai nustatė nekenksmingą ginklo objektą, sukeldama nereikalingą policijos reakciją.
„Kiekviena klaida, nesvarbu, ar tai būtų praleistas įvykis, ar klaidingas įspėjimas, dėl kurios reaguojama netinkamai, griauna pasitikėjimą“, – sakė jis. „Tai eikvoja laiką, pinigus ir gali traumuoti žmones, kurie nieko blogo nepadarė.
Klaidos taip pat gali brangiai kainuoti. Kiekvienas klaidingas pavojaus signalas verčia komandas pristabdyti realų darbą ir ištirti – procesą, kuris kasmet gali atimti milijonus iš visuomenės saugumo ir veiklos biudžetų.
Sumanesnio pagrindo kūrimas
Užuot sluoksniavusi AI ant senų vaizdo saugos sistemų, „Lumana“ atkūrė pačią infrastruktūrą naudodama „viskas viename“ platformą, kuri sujungia modernią vaizdo saugos aparatinę įrangą, programinę įrangą ir patentuotą AI. Bendrovės hibridinio debesies dizainas sujungia bet kokią apsaugos kamerą su GPU maitinamais procesoriais ir prisitaikančiais AI modeliais, veikiančiais pakraščiuose – tai reiškia, kad jie yra kuo arčiau filmavimo vietos.
Rezultatas, pasak Shou, yra greitesnis veikimas ir tikslesnė analizė. Kiekviena kamera tampa nuolatinio mokymosi įrenginiu, kuris laikui bėgant tobulėja, supranta judesį, elgesį ir aplinkai būdingus modelius.
„Problema ta, kad dauguma šiuolaikinių vaizdo stebėjimo sistemų naudoja statinius, paruoštus dirbtinio intelekto modelius, kurie buvo sukurti veikti tik tam tikroje aplinkoje. Dirbti dirbtiniu intelektu neturėtų būti reikalinga tobula laboratorijos aplinka”, – paaiškino Shou. „Jis turėtų veikti realiomis sąlygomis ir prisitaikyti pagal gaunamus vaizdo duomenis. Štai kodėl klientai, lygindami „Lumana“ su esamomis ar kitomis dirbtinio intelekto sistemomis, iš karto akivaizdūs skirtumai ir našumo spragos.
Bendrovės dizainas taip pat teikia pirmenybę privatumui. Visi duomenys yra užšifruoti, valdomi prieigos kontrolės ir atitinka SOC 2, HIPAA ir NDAA standartus. Klientai gali išjungti veido arba biometrinį stebėjimą, jei nori. „Mūsų dėmesys skiriamas veiksmams, o ne tapatybėms“, – sakė Shou.
Realaus pasaulio naudojimo atvejai
„Lumana“ sistemos buvo įdiegtos keliose pramonės šakose. Vienas iš labiausiai matomų projektų yra su JKK Pack, 24 valandas per parą dirbančiu pakuočių gamintoju, kuris naudoja apsaugos kameras savo objektų saugai ir veiklos efektyvumui stebėti.
Prieš „Lumana“ dislokavimą kameros užfiksavo tik incidentus, kad būtų galima peržiūrėti vėliau, dėl kurių buvo praleisti įvykiai ir reaguojama į incidentus. Po atnaujinimo ta pati aparatinė įranga gali realiu laiku aptikti nesaugius judesius, įrangos gedimus ar gamybos kliūtis. Bendrovė pranešė, kad tyrimai ir įspėjimai buvo pateikti 90 % greičiau nei per sekundę, o tai žymiai pagerino reagavimą į saugos incidentus, nepakeitus nė vienos kameros.
Kitu diegimu bakalėjos mažmenininkas integravo Lumana AI į esamą kamerų tinklą, kad pažymėtų neįprastą pardavimo vietą, pvz., pasikartojančias tuštumas, ir susietų tuos įvykius su vaizdiniais įrodymais. Sistema sumažino susitraukimą ir pagerino darbuotojų atskaitomybę pateikdama realius politikos pažeidimų pavyzdžius.
Be gamybos, Lumana sistema buvo naudojama dideliuose viešuose renginiuose, restoranuose ir savivaldybių veikloje. Miestuose tai padeda nustatyti nelegalius sąvartynus ir gaisrus; greitojo aptarnavimo tinkluose stebi virtuvės saugą ir maisto tvarkymą.
Platesnis pastangas užtikrinti patikimą AI vaizdo apsaugą
„Lumana“ dirba tuo metu, kai tikslumas ir atskaitomybė keičia greitį kaip svarbiausius įmonės AI prioritetus. Neseniai atliktas F5 tyrimas parodė, kad tik 2 % įmonių mano, kad yra visiškai pasirengusios didinti DI, o pagrindiniai iššūkiai yra valdymas ir duomenų saugumas.
Šis atsargumas atsispindi rinkoje, o analitikai perspėja, kad AI priėmus daugiau sprendimų, sistemos turi išlikti „audituojamos, skaidrios ir be šališkumo“.
„Lumana“ architektūra pakartoja atskaitomybės raginimą, suderinant našumą ir kontrolę su duomenų valdymu ir kibernetiniu saugumu, naudojant lengvai įdiegiamą sprendimą, kuris pagerina esamą apsaugos kamerų infrastruktūrą ir padeda organizacijoms išgauti tiesioginę AI vaizdo vertę.
Kitas mašinos matymo žingsnis
Shou sakė, kad kitu „Lumana“ plėtros etapu siekiama pereiti nuo aptikimo ir supratimo prie numatymo.
„Kita AI vaizdo įrašo raida bus apie samprotavimus“, – sakė jis. „Gebėjimas suvokti kontekstą realiuoju laiku, pateikti veiksmingų ir paveikių įžvalgų iš surinktų vaizdo įrašų duomenų pakeis mūsų požiūrį į saugą, operacijas ir informuotumą.
„Lumana“ tikslas yra ne tik išmokyti dirbtinį intelektą, kaip geriau matyti, bet ir padėti suprasti, ką ji mato, ir leisti tiems, kurie remiasi tais vaizdo duomenimis, priimti protingesnius ir greitesnius sprendimus.
Vaizdo šaltinis: Unsplash
