در گذشته ای نه چندان دور، هوش مصنوعی افسانه ای بود که در فیلم های علمی-تخیلی از آن یاد می شد. اما امروزه همین فناوری به شکلی روزمره برای امن تر و راحت تر ساختن زندگی ما به کار می رود. هوش مصنوعی زندگی ما را تحت الشعاع قرار داده است. سازندگان بازی ها و سرگرمی های آنلاین از این فناوری در راستای تولید فیلم، برنامه تلویزیونی و حوزه های دیگر مورد علاقه ما استفاده می کنند. فروشندگان سعی می کنند بر اساس خریدهای قبلی مان و با ارائه پیشنهادات جدید، بر روی انتخاب های بعدی ما اثر بگذارند. ربات های چت کننده نیز هماهنگی های لازم برای ملاقات کردن با ارائه دهندگان خدمات را انجام می دهند.
صنعت حفاظت نیز مانند سایر صنایع از جهات مختلف هوش مصنوعی را به کار می برد. فناوری تشخیص چهره برای احراز هویت و تشخیص افراد از طریق چهره و ویژگی هایشان، از هوش مصنوعی بهره می برد. ربات ها و پهپاد ها در فضای پیرامونی پرسه می زنند و به دنبال هر عامل غیر طبیعی می گردند؛ در نتیجه دیگر نیازی نیست مسئولین نگران تهدید یا حادثه احتمالی باشند. نرم افزارهای مبتنی بر هوش مصنوعی داده های ویدئویی را از پایگاه های مرکزی بررسی کرده و آلارم های کاذب را فیلتر می کنند.
کمی بیشتر در فناوری غوطه ور شوید
در سال های اخیر، استفاده از هوش مصنوعی و زیرمجموعه های آن یعنی یادگیری ماشین و یادگیری عمیق، افزایش چشمگیری یافته اند. فناوری AI یا هوش مصنوعی به کامپیوترها این امکان را می دهد تا با استفاده از منطق مبتنی بر قوانین شرطی از هوش انسان تقلید کنند. تکنیک های آماری به کار رفته در یادگیری ماشین موجب می شود تا وظایف و تجارب کامپیوترها بهبود یابد.
یادگیری عمیق شبکه ها را قادر می سازد تا خود را آموزش دهند و وظایفی نظیر تشخیص صحبت و تصویر را انجام دهند. این فناوری ها به دو روش اصلی کار می کنند: الگوریتم های مبتنی بر قانون و شبکه های نورونی.
الگوریتم های مبتنی بر قانون محدودیت هایی دارند. حتی باتجربه ترین مهندس کامپیوتر نیز آمادگی برای تمام موقعیت های احتمالی که ممکن است در میدان دید دوربین اتفاق بیفتد را نمی تواند داشته باشد. حتی تشخیص کارکنانی که به ورودی ساختمان می رسند در حالی که چهره آنان با ماسک و عینک پوشیده شده نیز کار را دشوار می کند.
هوش مصنوعی در شناسایی و احراز هویت افراد
در نتیجه این الگوریتم ها دقت کمتری دارند. اینکه بگوییم شبکه های نورونی مانند مغز انسان کار می کنند، صحیح نیست اما رفتار شبکه های نورونی الهام گرفته از مغز انسان است. شبکه های گره نورونی ، سیستم های محاسبه گری هستند که آموخته اند وظایف را با در نظر گرفتن مثال ها بیاموزند نه با قوانین مختص وظیفه و برنامه ریزی شده. مدل یادگیری ماشین ، داده های یادگیری خود را به حافظه می سپارد و بر اساس گروه مشخصی از موقعیت ها، اقدام به پیش بینی می کند.
برای مثال، این فناوری تنها زمانی فعالیت انسان را تشخیص می دهد که با مثال های قبلی تطابق داشته باشد. به همین دلیل نرم افزارهای آموزشی مربوط به تشخیص انسان یا وسایل نقلیه برای اینکه عملکرد دقیقی داشته باشند، باید میلیون ها عکس مرتبط در شبکه نورونی دریافت کنند.
شبکه در مورد هر تصویر داده شده پیش بینی می کند و در صورتی که سیستم دچار خطا شد، توسط انسان اصلاح می شود. گره های نورونی لایه بندی می شوند. هر کدام از این لایه ها یک جزء تصویر را تحلیل می کند. پیش بینی زمانی صورت می گیرد که تصویر عبور کرده و توسط شبکه پردازش شود.
بهبود دقت AI
دقت شبکه بیشتر و بیشتر می شود تا زمانی که روش های دیگر را بهتر انجام دهد. در طول زمان، شبکه حضور انسان یا وسیله نقلیه یا هر شیء دیگری که باید تشخیص دهد را به درستی پیش بینی می کند. آنچه این شبکه ها را بسیار قدرتمند می سازد، توانایی آنها در تعمیم مفاهیمی است که آموخته اند و سپس به کارگیری آنها بر روی تصاویری که هرگز آنها را تاکنون ندیده اند.
بیایید نگاهی بیندازیم به کاربرد روزانه یادگیری عمیق برای درک بهتر تأثیر آن روی صنعت حفاظت. به اپراتورهای مرکز نظارت تصویری صدها یا هزاران تصویر هشدار در هر شیفت نشان داده می شود. برگ های در حال حرکت توسط باد، تغییر نور یا عنکبوتی که در مقابل لنز دوربین تار می بافد، همگی ممکن است آلارم کاذب تولید کنند.
پیش تر، بالغ بر 95 درصد از آلارم های فعال شده، کاذب بودند. امروزه شبکه های یادگیری عمیق می توانند تا 99 درصد از آلارم های کاذب را حذف کنند.
یکی از نتایج این پیشرفت، افزایش حفاظت است. با کاهش مزاحمت آلارم کاذب، اپراتورها به احتمال کمتری از هشدارهای منطقی و درست چشم پوشی می کنند. توانایی اپراتورها در تمرکز روی فعالیت مجرمانه احتمالی، مدت زمان پاسخ دهی و خبر کردن نیروهای پلیس یا نگهبانان را کاهش می دهد.
تاثیرات هوش مصنوعی در صنعت حفاظت
ساعت ها نظارت بر دوربین، کار بسیار دشواری است که با آلارم های کاذب مکرر نیز دشوار تر می شود. نرم افزارهای کاهش آلارم کاذب، روحیه کارکنان را بهبود بخشیده و هزینه های فرآیند را نیز کاهش می دهند. با تمرکز بر آلارم های صحیح، اپراتورها خلاق تر شده و امکان افزودن دوربین ها یا مشتریان جدید بدون نیاز به استخدام کارکنان جدید نیز فراهم خواهد شد.
نرم افزارهای هوش مصنوعی مبتنی بر ابر برای نصب در مجموعه کاربر نهایی، نیازی به دستگاه ها و تجهیزات سخت افزاری ندارند. پیشرفت های آینده در راستای کنترل بیشتر سیستم از راه دور خواهد بود.
پیش بینی رفتار مجرمین احتمالاً گام بزرگ بعدی در فناوری ویدئوآنالیتیک یادگیری عمیق خواهد بود. شبکه های نورونی، همین روش های آموزش را برای یادگیری فعالیت های پیشگیری از وقوع جرم به کار می برند. این یک گام بزرگ به شمار می رود؛ زیرا نرم افزارها باید انسان ها را تشخیص دهند و اشیایی که افراد در محیط با آنها تعامل دارند را شناسایی کنند.
پیشرفت های عظیم در قدرت محاسبات، هوش مصنوعی و یادگیری عمیق را ممکن ساخت. اکنون این فناوری ها و تصمیم گیری بسیار دقیقی که دارند ما را قادر می سازد تا کارها را بهتر و سریع تر از قبل انجام دهیم. خوشبختانه این پلتفرم ها به پیشرفت خود ادامه می دهند و با گذر زمان، اصلاح بیشتری خواهند داشت.
