Reconocimiento por computadora - Dando visión a las computadoras
El reconocimiento por computadora y la visión por computadora, en general, tienen una larga y extensa historia de ser campos desafiantes y complejos donde el progreso hasta la llegada del ML/AI fue limitado. En marcado contraste, con los gráficos por computadora, numerosos avances han ocurrido en un corto período de tiempo dentro del modelado 2D/3D, el diseño asistido por computadora (CAD), las películas digitales de movimiento como las producidas por Pixar y los videojuegos. La computación moderna se prestaba bien a capturar y crear imágenes pero no a percibirlas.
El análisis, por ejemplo, puede proporcionar notificaciones procesables en tiempo real al personal de seguridad y afines. Escribir un programa algorítmico clásico para resolver problemas de reconocimiento por computadora/visión por computadora es difícil, aunque el uso de Inteligencia Artificial hace que el problema sea tratable.
Resolviendo el Problema mediante Inteligencia Artificial
Este problema plantea preguntas sobre cómo los humanos identifican objetos dentro de un rango visual que también es increíblemente difícil de responder. Aunque sigue siendo una cuestión muy abierta, las redes neuronales artificiales han demostrado ser increíblemente útiles en el dominio del reconocimiento por computadora/visión por computadora.
Con las técnicas de aprendizaje profundo y un vasto conjunto de datos de imágenes, es posible entrenar un modelo para identificar objetos. El conjunto de datos más común es el Common Objects in Context (https://cocodataset.org/) que contiene lo siguiente según su definición:
- Segmentación de objetos
- Reconocimiento en contexto
- Segmentación de elementos de superpíxeles
- 330K imágenes (>200K etiquetados)
- 1,5 millones de instancias de objetos
- 80 categorías de objetos
- 91 categorías de elementos
- 5 descripciones por imagen
- 250.000 personas con puntos clave
Entrenar varios modelos de inteligencia artificial con esta información ha demostrado ser muy efectivo al ejecutar el modelo en un conjunto de datos de evaluación.
Descripción general del desafío organizacional
Suponiendo que exista la capacidad de AI para analizar objetos dentro de las transmisiones de video (lo cual existe), ¿cómo implementaría una organización tal solución? Todavía existe el problema más amplio de implementar dicho modelo en un entorno de producción que pueda escalar y operar dentro de un marco regulatorio.
Tradicionalmente, las organizaciones encargarían a sus departamentos de TI la instalación de dicha capacidad. Por lo general, las organizaciones encontrarían software estándar para resolver el problema o buscarían un proveedor de software personalizado para construir o adaptar una solución existente si dicha solución no estuviera disponible. Dada la complejidad de los sistemas de Inteligencia Artificial, ambas opciones no estarían disponibles durante bastante tiempo.
Además de los desafíos técnicos, también existen políticas internas y diversos requisitos de cumplimiento a los que las organizaciones deben adherirse comúnmente, como la privacidad de los datos que, aunque relacionadas, son cuestiones que corresponden a diferentes expertos en dominios. Por lo tanto, la implementación de dicha solución requerirá experiencia de muchas otras áreas de una organización, lo que exige una gestión de proyectos compleja. Una alternativa a las estrategias internas es acceder a dicha capacidad a través de un negocio de Artificial Intelligence as a Service, incluido Telemus AI™, de manera similar al acceso a servicios en la nube.
Datos Organizacionales Disponibles como Entrada para AI
La mayoría de las organizaciones utilizan CCTV con fines de seguridad y envían varias transmisiones de video a una sala de control para su monitoreo. Por lo general, estas transmisiones de video serían monitoreadas por personal de seguridad las 24 horas, los 7 días de la semana para identificar cualquier actividad que pueda no considerarse aceptable o que requiera mayor investigación o acción. Estas transmisiones de video pueden alimentarse a través de un sistema de inteligencia artificial. El AI alerta al personal de seguridad si algo requiere mayor investigación.
La ventaja de esto es que el sistema de AI puede detectar potencialmente anomalías que un humano pasaría por alto si no son obvias o si el personal de seguridad tuvo una lapsus de atención. Otra forma de ver esto es que la capacidad del personal de seguridad para entender lo que sucede en las transmisiones de video se ha aumentado a un nivel superior. Por lo tanto, similar al uso de herramientas en otros dominios para aumentar nuestras capacidades.
Si bien el potencial de esta tecnología puede resultar confrontante para algunas personas, es esencial considerar que un individuo está monitoreando las transmisiones de video en cualquier caso, y el AI simplemente está ayudando al personal de seguridad a ver las imágenes, y los beneficios deben sopesarse. Dado que la tecnología se ejecuta de manera regulada y segura bajo un estricto marco de gobernanza, el potencial positivo sería inmenso.
Metodología de Integración
A continuación se presenta una descripción general del proceso que realizaríamos a un alto nivel para analizar dichos flujos dentro de una organización:
- Identificar las transmisiones de CCTV y el sistema que proporciona monitoreo y grabación de dichas transmisiones
- Modificar el software para enviar feeds a un proveedor de cloud-computing para análisis en tiempo real
- Pase las transmisiones a través de Telemus AI™ y devolver las transmisiones de vídeo aumentadas al sistema de monitoreo de seguridad
- Configurar alertas personalizadas para el personal de seguridad en función de lo que se detecta
Dado que Telemus AI™ se encarga de la mayor parte del trabajo, la organización puede centrarse en la lógica de negocio en lugar de en la implementación técnica.
Aplicaciones Organizacionales
A continuación se enumeran otras aplicaciones potenciales para su organización:
- Monitorear automóviles en una red de carreteras y detectar cuándo ocurren accidentes para enviar un equipo a asistir
- Monitorear a individuos en recintos para garantizar que no se produzcan comportamientos antisociales. Si es así, despachar automáticamente una unidad de seguridad para desescalar la situación.
- Monitorear lugares de trabajo y sitios de obra, asegurando que el personal no se encuentre dentro del recinto fuera del horario de operación establecido
Beneficios potenciales y realizados
Los beneficios potenciales y realizados de esta tecnología son vastos. Es posible realizar la supervisión de CCTV de manera más precisa y eficiente, con menos errores, requiriendo menos personal de seguridad en general, lo que permite a dicho personal centrarse en tareas más urgentes como el patrullaje activo o el trabajo de investigación.
Telemus AI™ es una empresa de inteligencia artificial con sede en Australia que proporciona soluciones avanzadas al gobierno y a las empresas. Contáctenos hoy para una consulta gratuita sobre cómo Telemus AI™ puede integrarse en su organización.
