Pengenalan Komputer - Memberikan Visi pada Komputer

Analisis, misalnya, dapat memberikan notifikasi yang dapat ditindaklanjuti secara real-time kepada personel keamanan dan terkait. Menulis program algoritmik klasik untuk memecahkan masalah pengenalan komputer/penglihatan komputer sulit, meskipun menggunakan Kecerdasan Buatan membuat masalah tersebut dapat diselesaikan.

Menyelesaikan Masalah melalui Kecerdasan Buatan

Masalah ini menimbulkan pertanyaan tentang bagaimana manusia mengidentifikasi objek dalam rentang visual yang juga sangat sulit untuk dijawab. Meskipun ini masih sangat merupakan pertanyaan terbuka, jaringan saraf tiruan telah terbukti sangat berguna dalam domain pengenalan komputer/penglihatan komputer.

Dengan teknik deep learning dan dataset gambar yang luas, dimungkinkan untuk melatih model guna mengidentifikasi objek. Dataset yang paling umum adalah Common Objects in Context (https://cocodataset.org/) yang berisi hal-hal berikut sesuai dengan definisinya:

• Segmentasi objek
• Pengenalan dalam konteks
• Segmentasi material superpiksel
• 330K gambar (>200K berlabel)
• 1,5 juta instance objek
• 80 kategori objek
• 91 kategori stuff
• 5 keterangan per gambar
• 250.000 orang dengan keypoints

Pelatihan berbagai model kecerdasan buatan dengan informasi ini terbukti sangat efektif saat menjalankan model pada dataset evaluasi.

Ikhtisar Tantangan Organisasi

Dengan asumsi bahwa kemampuan AI ada untuk menganalisis objek dalam umpan video (yang memang ada), bagaimana sebuah organisasi akan menerapkan solusi seperti itu? Masih ada masalah yang lebih luas mengenai penerapan model seperti itu dalam lingkungan produksi yang dapat diskalakan dan beroperasi dalam kerangka kerja regulasi.

Secara tradisional, organisasi akan menugaskan departemen TI mereka untuk memasang kemampuan tersebut. Biasanya, organisasi akan menemukan perangkat lunak siap pakai untuk menyelesaikan masalah atau mencari vendor perangkat lunak kustom untuk membangun atau memodifikasi solusi yang ada jika solusi tersebut tidak tersedia. Mengingat kompleksitas sistem Kecerdasan Buatan, kedua opsi ini tidak akan tersedia untuk waktu yang cukup lama.

Selain tantangan teknis, ada juga kebijakan internal, dan berbagai persyaratan kepatuhan yang harus dipatuhi organisasi secara umum, seperti privasi data yang, meskipun terkait, merupakan masalah bagi berbagai pakar domain yang berbeda. Dengan demikian, penerapan solusi semacam itu akan memerlukan keahlian dari banyak area lain dalam suatu organisasi yang memerlukan manajemen proyek yang kompleks. Alternatif untuk strategi internal adalah dengan mengakses kemampuan tersebut melalui bisnis Kecerdasan Buatan as a Service, termasuk Telemus AI™, dengan cara yang mirip dengan mengakses layanan cloud.

Data Organisasional yang Tersedia sebagai Input AI

Sebagian besar organisasi menggunakan CCTV untuk tujuan keamanan dan memiliki berbagai umpan video yang dikirim ke ruang kontrol untuk pemantauan. Biasanya, umpan video ini akan dipantau oleh personel keamanan 24/7 untuk mengidentifikasi aktivitas apa pun yang mungkin tidak dianggap dapat diterima atau memerlukan investigasi atau tindakan lebih lanjut. Umpan video ini dapat dialirkan melalui sistem kecerdasan buatan. AI akan memperingatkan personel keamanan jika ada sesuatu yang memerlukan investigasi lebih lanjut.

Keuntungannya adalah sistem AI berpotensi mendeteksi anomali yang akan dilewatkan oleh manusia jika tidak terlihat jelas atau personel keamanan mengalami kelalaian dalam perhatian. Cara lain untuk melihat hal ini adalah kemampuan personel keamanan untuk memahami apa yang terjadi di umpan video telah ditingkatkan ke tingkat yang lebih tinggi. Jadi, mirip dengan menggunakan alat di domain lain untuk meningkatkan kemampuan kita.

Meskipun potensi teknologi ini mungkin mengkhawatirkan bagi beberapa orang, penting untuk mempertimbangkan bahwa individu memantau umpan video dalam setiap kasus, dan AI hanya membantu personel keamanan melihat rekaman, dan manfaatnya perlu ditimbang. Mengingat teknologi dijalankan secara teratur dan aman di bawah kerangka tata kelola yang ketat, potensi keuntungannya akan sangat besar.

Metodologi Integrasi

Berikut adalah ikhtisar proses yang akan kami lakukan pada tingkat tinggi untuk menganalisis umpan tersebut di dalam sebuah organisasi:

1. Identifikasi umpan CCTV dan sistem yang menyediakan pemantauan dan perekaman umpan tersebut
2. Memodifikasi perangkat lunak untuk mengirim umpan ke penyedia komputasi awan untuk analisis real-time
3. Jalankan umpan melalui Telemus AI™ dan mengembalikan umpan video yang diperkaya kembali ke sistem pemantauan keamanan
4. Siapkan peringatan yang disesuaikan untuk personel keamanan berdasarkan apa yang terdeteksi

Dengan Telemus AI™ yang menangani sebagian besar pekerjaan, organisasi dapat fokus pada logika bisnis daripada implementasi teknis.

Aplikasi Organisasional

Berikut ini mencantumkan aplikasi potensial lainnya untuk organisasi Anda:

• Memantau mobil di jaringan jalan dan mendeteksi ketika kecelakaan terjadi untuk mengirim tim bantuan
• Memantau individu di tempat untuk memastikan tidak terjadi perilaku antisosial. Jika terjadi, otomatis mengirimkan unit keamanan untuk meredakan situasi.
• Memantau tempat kerja dan lokasi kerja, memastikan bahwa staf tidak berada di dalam lokasi di luar jam operasional yang ditetapkan

Manfaat Potensial dan yang Terealisasi

Potensi dan manfaat yang terealisasi dari teknologi ini sangat luas. Dimungkinkan untuk melakukan pemantauan CCTV secara lebih akurat dan efisien, dengan lebih sedikit kesalahan, membutuhkan lebih sedikit personel keamanan secara keseluruhan, sehingga memungkinkan personel tersebut untuk fokus pada tugas-tugas yang lebih mendesak seperti patroli aktif atau pekerjaan investigatif.

Telemus AI™ adalah perusahaan kecerdasan buatan yang berbasis di Australia yang menyediakan solusi lanjutan untuk pemerintah dan perusahaan. Hubungi kami hari ini untuk konsultasi gratis tentang bagaimana Telemus AI™ dapat diintegrasikan ke dalam organisasi Anda.