Reconeixement per Ordinador - Donant Visió als Ordinadors
El reconeixement per ordinador i la visió per ordinador, en general, tenen una llarga i àmplia història de ser camps desafiants i complexos on el progrés fins a l'arribada de ML/AI va ser limitat. En fort contrast, amb els gràfics per ordinador, nombrosos avenços han ocorregut en un breu període de temps dins dels camps de modelització 2D/3D, disseny assistit per ordinador (CAD), pel·lícules d'imatge digital com les produïdes per Pixar i videojocs. La computació moderna es prestava bé a capturar i crear imatges però no a percebre-les.
L'anàlisi, per exemple, pot proporcionar notificacions accionables en temps real al personal de seguretat i relacionat. Escriure un programa algorítmic clàssic per resoldre problemes de reconeixement per computadora/visió per computadora és difícil, tot i que utilitzar Intel·ligència Artificial fa que el problema sigui tractable.
Resoldre el problema mitjançant intel·ligència artificial
Aquest problema planteja preguntes sobre com els humans identifiquen objectes dins d'un abast visual que també són increïblement difícils de respondre. Tot i que aquesta segueix sent una qüestió molt oberta, les xarxes neuronals artificials han demostrat ser increïblement útils en l'àmbit del reconeixement per ordinador/visió per ordinador.
Amb tècniques d'aprenentatge profund i un ampli conjunt de dades d'imatges, és possible entrenar un model per identificar objectes. El conjunt de dades més comú és el Common Objects in Context (https://cocodataset.org/) que conté el següent segons la seva definició:
- Segmentació d'objectes
- Reconeixement en context
- Segmentació de material de superpíxels
- 330K imatges (>200K etiquetats)
- 1,5 milions d'instàncies d'objectes
- 80 categories d'objectes
- 91 categories de coses
- 5 subtítols per imatge
- 250.000 persones amb punts clau
L'entrenament de diversos models d'intel·ligència artificial amb aquesta informació ha demostrat ser molt efectiu quan s'executa el model en un conjunt de dades d'avaluació.
Visió general del repte organitzatiu
Suposant que existeix la capacitat de la AI per analitzar objectes dins de fluxos de vídeo (que existeix), com implementaria una organització aquesta solució? Encara hi ha el problema més ampli d'implementar aquest model en un entorn de producció que pugui escalar i operar dins d'un marc regulador.
Tradicionalment, les organitzacions encarregaven als seus departaments de TI la instal·lació d'aquesta capacitat. Normalment, les organitzacions trobaven programari estandarditzat per resoldre el problema o buscaven un proveïdor de programari personalitzat per construir o adaptar una solució existent si aquesta solució no estava fàcilment disponible. Donada la complexitat dels sistemes d'Intel·ligència Artificial, ambdues opcions no estarien disponibles durant força temps.
A més dels reptes tècnics, també hi ha polítiques internes i diversos requisits de compliment que les organitzacions han de respectar habitualment, com ara la privadesa de les dades que, tot i estar relacionats, són qüestions que corresponen a diferents experts del domini. Per tant, la implementació d'una solució d'aquest tipus requerirà coneixements de moltes altres àrees d'una organització, exigint una gestió de projectes complexa. Una alternativa a les estratègies internes és accedir a aquesta capacitat mitjançant un negoci d'intel·ligència artificial com a servei, com ara Telemus AI™, de manera semblant a com s'accedeix als serveis al núvol.
Dades organitzatives disponibles com a entrada d'IA
La majoria de les organitzacions utilitzen CCTV amb finalitats de seguretat i tenen diversos canals de vídeo enviats a una sala de control per a la seva supervisió. Normalment, aquests canals de vídeo tindrien personal de seguretat supervisant-los 24/7 per identificar qualsevol activitat que no es consideri acceptable o que requereixi una investigació o acció addicional. Aquests canals de vídeo es poden processar a través d'un sistema d'intel·ligència artificial. L'AI alerta el personal de seguretat si alguna cosa requereix una investigació addicional.
L'avantatge d'això és que el sistema d'AI pot detectar potencialment anomalies que un humà d'altra banda passaria per alt si no és òbvia o si el personal de seguretat ha tingut una lapsus d'atenció. Una altra manera de veure-ho és que la capacitat del personal de seguretat per entendre el que passa en els fluxos de vídeo ha estat augmentada a un nivell superior. Així, de manera similar a l'ús d'eines en altres dominis per augmentar les nostres capacitats.
Tot i que el potencial d'aquesta tecnologia pot resultar confrontant per a algunes persones, és essencial considerar que un individu està monitorant les transmissions de vídeo en qualsevol cas, i la IA simplement està ajudant el personal de seguretat a visualitzar les imatges, i els beneficis s'han de ponderar. Atès que la tecnologia s'executa de manera regulada i segura sota un marc de governança estricta, el potencial positiu seria immens.
Metodologia d'Integració
El següent és una visió general del procés que realitzaríem a un alt nivell per analitzar aquests fluxos dins d'una organització:
- Identifiqueu les transmissions de CCTV i el sistema que proporciona el monitoratge i l'enregistrament d'aquestes transmissions
- Modificar el programari per enviar dades a un proveïdor d'informàtica al núvol per a anàlisi en temps real
- Passeu els fluxos per Telemus AI™ i retornar els fluxos de vídeo augmentats al sistema de monitorització de seguretat
- Configura alertes personalitzades per al personal de seguretat en funció del que es detecta
Atès que Telemus AI™ s'encarrega de la major part del treball, l'organització pot centrar-se en la lògica de negoci en lloc de la implementació tècnica.
Aplicacions Organitzatives
El següent llista altres aplicacions potencials per a la vostra organització:
- Supervisar cotxes en una xarxa de carreteres i detectar quan es produeixen accidents per enviar un equip per assistir
- Supervisar individus en recintes per assegurar-se que no es produeixi comportament antisocial. Si és així, enviar automàticament una unitat de seguretat per desescalar la situació.
- Supervisar llocs de treball i obres, assegurant-se que el personal no es trobi dins de les instal·lacions fora de l'horari establert d'operació
Beneficis Potencials i Realitzats
Els beneficis potencials i realitzats d'aquesta tecnologia són immensos. És possible realitzar el monitoratge de CCTV amb més precisió i eficiència, amb menys errors, requerint menys personal de seguretat en general, permetent que aquest personal es centri en tasques més urgents com el patrullatge actiu o el treball d'investigació.
Telemus AI™ és una empresa d'intel·ligència artificial amb seu a Austràlia que proporciona solucions avançades al govern i a les empreses. Contacti amb nosaltres avui per a una consulta gratuïta sobre com Telemus AI™ pot integrar-se a la seva organització.












