Τεχνητή νοημοσύνη

Αναμφίβολα η μεγαλύτερη τάση και το θέμα που κυριάρχησε στον κλάδο της ασφάλειας φέτος, είναι η τεχνητή νοημοσύνη και η βαθιά εκμάθηση. Οι συγκεκριμένες τεχνολογίες, που δεν είναι άγνωστες ή νέες στο τομέα της ασφάλειας και γενικότερα στο ευρύ κοινό, φέτος έχουν περισσότερο από ποτέ καταλάβει την προσοχή της αγοράς λόγω διαφόρων παραγόντων.

Αναμφίβολα η μεγαλύτερη τάση και το θέμα που κυριάρχησε στον κλάδο της ασφάλειας φέτος, είναι η τεχνητή νοημοσύνη και η βαθιά εκμάθηση. Οι συγκεκριμένες τεχνολογίες, που δεν είναι άγνωστες ή νέες στο τομέα της ασφάλειας και γενικότερα στο ευρύ κοινό, φέτος έχουν περισσότερο από ποτέ καταλάβει την προσοχή της αγοράς λόγω διαφόρων παραγόντων.

Η αύξηση των δεδομένων ανάλυσης, η εμφάνιση συσκευών με υψηλή υπολογιστική ισχύ, καθώς και η υποδομή των δικτύων, οδήγησαν στη περαιτέρω ανάπτυξη αυτών των τεχνολογιών και έχουν προσελκύσει το ενδιαφέρον πολλών κατασκευαστών. 

Τα συστήματα παρακολούθησης συλλέγουν καθημερινά μεγάλο όγκο δεδομένων (εικόνα 1), ωστόσο μόνο το 20% με 40% αυτών είναι σημαντικό. Έτσι η ανάγκη για μεγαλύτερη αποτελεσματικότητα και ακρίβεια της χρήσης των δεδομένων επιτάχυνε την υιοθέτηση της τεχνητής νοημοσύνης στο κλάδο της ασφάλειας, προσφέροντας μοναδικά οφέλη. Η τεχνητή νοημοσύνη είναι η τεχνολογία που προσφέρει νοημοσύνη στα μηχανήματα, κάτι που επιτυγχάνεται με τη συνεργασία πολλών επεξεργαστών όπως η CPU, η GPU και η NPU. Η CPU, γνωστή και ως «εγκέφαλος», είναι το κέντρο ελέγχου που επεξεργάζεται, υπολογίζει και μετατρέπει τα δεδομένα. Ωστόσο με την αύξηση του όγκου των δεδομένων εικόνας, η GPU μπορεί να προσφέρει ταχύτερους υπολογισμούς, ενώ η NPU, που συχνά συνδέεται με τη βαθιά εκμάθηση, είναι ένα τσιπ βασισμένο στη τεχνητή νοημοσύνη που χρησιμοποιεί το νευρωνικό δίκτυο για να μαθαίνει και να προσαρμόζεται συνεχώς από τα ανακριβή αποτελέσματα μειώνοντας τα ποσοστά σφάλματος (εικόνα 2). Με την υποστήριξη αυτών των επεξεργαστών, η τεχνητή νοημοσύνη έχει εφαρμοστεί σε διάφορους τομείς, όπως το λιανικό εμπόριο, ακόμα και τις μεταφορές. Με την ανάπτυξη της τεχνητής νοημοσύνης, οι μηχανές θα εξαρτώνται σε μεγάλο βαθμό από τη GPU, την CPU και την NPU, αλλά και άλλους επεξεργαστές υψηλής ταχύτητας για να επεξεργάζονται το συνεχώς αυξανόμενο όγκο δεδομένων. Η εισαγωγή της τεχνητής νοημοσύνης φέρνει την επανάσταση στην βιομηχανία της ασφάλειας και οι κατασκευαστές ήδη σκέφτονται πώς να την ενσωματώσουν με τα προϊόντα και τις τεχνολογίες τους για να βελτιστοποιήσουν τις αξίες των προϊόντων και να επεκτείνουν τις επιχειρήσεις τους. Η βιομηχανία της ασφάλειας πρόκειται να επιταχύνει την ανάπτυξη της τεχνητής νοημοσύνης σε συσκευές τα επόμενα πέντε χρόνια για να βελτιώσει την ακρίβεια των δεδομένων, προσφέροντας λύσεις στον κλάδο της υγειονομικής περίθαλψης, το λιανικό εμπόριο, τις αυτοκινητοβιομηχανίες, τις οικίες κ.ά.

Το μέλλον μέσα από τα μάτια των «ειδικών»

Ο Jimmy Park, Διευθυντής του τμήματος στρατηγικής διαχείρισης προϊόντων της «Hanwha Techwin», τονίζει πως στόχος είναι η ανάπτυξη προϊόντων με τεχνολογία τεχνητής νοημοσύνης, τα οποία μπορούν να προσφέρουν πλεονεκτήματα πέρα από τις απλές λειτουργίες βιντεοεπιτήρησης. “Αυτή τη στιγμή εργαζόμαστε για τη βελτιστοποίηση της τεχνητής νοημοσύνης σε κάμερες, καταγραφικά και συστήματα διαχείρισης βίντεο με απώτερο σκοπό την οικοδόμηση ενός συστήματος διαχείρισης παρακολούθησης κοντά στο τέλειο επίπεδο”, αναφέρει ο κος Park. Άλλη μία τάση που απασχόλησε τη βιομηχανία παρακολούθησης φέτος είναι η βαθιά εκμάθηση (εικόνα 3). Φέτος όλο και περισσότεροι κατασκευαστές και διανομείς προϊόντων ασφαλείας λανσάρουν κάμερες και συσκευές εγγραφής με ενσωματωμένες δυνατότητες βαθιάς εκμάθησης(Deep Learning). O Jammy DeSousa, Διευθυντής της Johnson Controls για προϊόντα ασφάλειας και τεχνολογίες κτιρίων δήλωσε πως επόμενο βήμα στην ανάλυση βίντεο είναι να εμβαθύνουμε περισσότερο ώστε να αποκτήσουμε πολύ συγκεκριμένες γνώσεις σχετικά με το περιεχόμενο βίντεο και την ανάλυσης της ανθρώπινης συμπεριφοράς. Ο Brian Rich, Αναπληρωτής Διευθύνων Σύμβουλος της Magal Security Systems δηλώνει με τη σειρά του, “αυτή τη στιγμή αναπτύσσουμε δυνατότητες ταξινόμησης στόχων τόσο για τις λύσεις διαχείρισης βίντεο όσο και για την περιμετρική ανίχνευση εισβολής”.

Η αναγνώριση προσώπου είναι ακόμα μία τεχνολογία που έχει γνωρίσει μεγάλη ανάπτυξη τα τελευταία χρόνια. Αναμφίβολα η αξιοποίηση της τεχνητής νοημοσύνης και της βαθιάς εκμάθησης σε συνδυασμό με την αναγνώριση προσώπου (εικόνα 4), έχει συμβάλει θετικά στην ακρίβεια ανίχνευσης, προσφέροντας αμέτρητα οφέλη σε εγκαταστάσεις όπως τράπεζες (ATM), πολυκαταστήματα, κ.ά. Η Milestone θεωρεί πως η τεχνητή νοημοσύνη και η τεχνολογία μηχανικής μάθησης θα επιτρέψει στις εταιρείες λογισμικού να συγκεντρώνουν μεγάλο αριθμό συνδεδεμένων συσκευών και να τις ενσωματώνουν με σκοπό να σχηματίσουν μια νέα αγορά αυτοματοποίησης έξυπνων συστημάτων. Ο Διευθύνων Σύμβουλος Πωλήσεων και Μάρκετινγκ της Milestone  Kenneth Hune Petersen, αναφέρει: “Στην αγορά έξυπνων συστημάτων επενδύουμε σε τεχνολογίες που αξιοποιούν τη βαθιά εκμάθηση και αυτοματοποιούν τις διαδικασίες, ενώ παράλληλα έχουμε πραγματοποιήσει επενδύσεις για να επιτρέψουμε στην πλατφόρμα της Milestone να συγκεντρώσει μεγαλύτερο αριθμό συνδεδεμένων συσκευώνΗ Avigilon, είναι μία ακόμα εταιρία η οποία έχει δώσει μεγάλη έμφαση σε αυτές τις τεχνολογίες και έχει λανσάρει τη μηχανή αναζήτησης «Avigilon Appearance Search».

Η Avigilon Appearance Search (εικόνα 5), είναι μια εξελιγμένη μηχανή αναζήτησης βαθιάς εκμάθησης, η οποία με ευκολία ταξινομεί το υλικό, επιτρέποντας στους χρήστες να εντοπίζουν γρήγορα ένα συγκεκριμένο άτομο ή ένα όχημα από όλες τις κάμερες που είναι εγκατεστημένες στον επιτηρούμενο χώρο. Η τεχνολογία αναζήτησης «Avigilon Appearance» έχει σχεδιαστεί για να κάνει την αναζήτηση ενός ατόμου τόσο εύκολη όπως και στο διαδίκτυο, αφού ενσωματώνει μοναδικά χαρακτηριστικά ενός προσώπου, επιτρέποντας στον αρμόδιο/υπεύθυνο ασφαλείας να εντοπίσει γρήγορα ένα συγκεκριμένο άτομο υποστηρίζει ο Willem Ryan, Αντιπρόεδρος μάρκετινγκ και επικοινωνιών της Avigilon.

Στις παραπάνω δηλώσεις έρχεται να προστεθεί και αυτή του Johan Paulsson, γενικού διευθυντή τεχνολογίας της Axis Communications ο οποίος υποστηρίζει πως η μηχανή ή η βαθιά εκμάθηση μπορεί προς το παρόν να χρησιμοποιείται κυρίως για την ανάλυση βίντεο, αλλά στο μέλλον η τεχνολογία θα αποτελέσει σημαντικό συστατικό σε πολλές διαφορετικές εφαρμογές και προϊόντα. Πιστεύουμε ότι η βαθιά εκμάθηση πρέπει να ωριμάσει περισσότερο για να χρησιμοποιηθεί σε μία ευρύτερη προοπτική, προσθέτει ο κος Johan Paulsson.

{gallery}5131{/gallery}