آرشیو دسته بندی ها: مقالات

مقالات

راهنمای کامل دوربین‌های مداربسته دید در شب و نور کم

Posted on by مدیر

 

در چند سال گذشته، فناوری دید در شب پیشرفت چشمگیری داشته است و امروزه دوربین‌های امنیتی دید در شب رنگی یا دوربین‌های مادون قرمز حتی در مدل‌های نسبتاً اقتصادی نیز موجود هستند.

قبل از انتخاب بهترین دوربین امنیتی دید در شب رنگی که متناسب با نیازهای شما باشد، اولین قدم در فرآیند انتخاب یک دوربین لوکس پایین یا دید در شب، درک روش‌های مختلفی است که ضبط ویدئو در نور کم و دید در شب را ممکن می‌سازد. این کار تضمین می‌کند که مناسب‌ترین دوربین‌ها انتخاب شوند.

دوربین امنیتی دید در شب چیست؟

نظارت در شرایط لوکس پایین (Low lux) به طور کلی به دوربین‌هایی اطلاق می‌شود که قادر به ثبت تصاویر با کیفیت قابل مشاهده در شرایط نوری ضعیف بدون نیاز به نور کمکی هستند. عوامل مؤثر بر عملکرد شامل تأثیرات ترکیبی سنسورها، واحد پردازش تصویر (ISP/DSP) و اپتیک لنز، و تنظیمات دوربین دید در شب است که همگی در تعیین عملکرد واقعی دوربین‌ها در شرایط لوکس پایین و دید در شب نقش دارند. این مقاله به تفصیل به فناوری‌هایی می‌پردازد که به دوربین‌های امنیتی با دید در شب رنگی یا مادون قرمز قدرت می‌بخشند.

حالت نور کم (Low light Mode)

دوربین‌هایی که از این حالت حساسیت بالا در نور کم — که به عنوان حالت تمام‌رنگی در نور کم نیز شناخته می‌شود — بهره می‌برند، از سنسورهای Super HAD، Ex-view/EXTRA-View CCD یا CMOS با نوردهی از پشت (back-illuminated) استفاده می‌کنند.

این سنسورها در شرایط نوری ضعیف با دید خوب و واکنش‌های نزدیک به مادون قرمز (near-IR) عملکرد مناسبی دارند. دوربین‌هایی که از این فناوری استفاده می‌کنند، تمایل دارند تحت شرایط آب و هوایی مختلف به خوبی عمل کرده و به عنوان دوربین‌های روز/شب (day/night) کار کنند، زیرا قادر به ثبت تصاویر رنگی هم در روز و هم در شرایط لوکس پایین هستند. به طور کلی، لوکس پایین می‌تواند در حالت رنگی به 0.1 لوکس و در حالت سیاه‌وسفید به 0.01 لوکس برسد. پروژکتورهای مادون قرمز که نور نزدیک به IR را فراهم می‌کنند، می‌توانند به صورت ترکیبی در شرایط 0 لوکس استفاده شوند، اما این موارد معمولاً به عنوان بخشی از مشخصات حالت رنگی در نور کم ذکر نمی‌شوند.

بیشتر این نوع دوربین‌ها از فناوری Ex-view-HAD استفاده می‌کنند که قادر به عملکرد در شرایط نوری تا 0.01 الی 0.001 لوکس هستند. چنین دوربین‌هایی نه تنها قادر به ثبت تصاویر واضح هستند، بلکه می‌توانند سطح نویز را در تصاویر رنگی گرفته‌شده در شرایط لوکس پایین، بدون نیاز به کاهش سرعت شاتر یا افزایش قطر دیافراگم، محدود کنند. از این رو، آن‌ها قادر به دستیابی به نظارت در لوکس پایین در نظر گرفته می‌شوند.

دوربین‌های با حالت روز/شب (Day/Night Mode)

دوربین‌هایی که دارای حالت روز/شب هستند، از اصول مکانیکی برای جابجایی بین حالت‌ها استفاده می‌کنند. بیشتر دوربین‌های روز/شب با مشخصات 0.1 لوکس در حالت رنگی و 0.01 تا 0.001 لوکس با فیلتر IR-Cut در حالت سیاه‌وسفید برچسب‌گذاری می‌شوند. لازم به ذکر است که از آنجایی که 0 لوکس در این زمینه معنای واقعی ندارد، بنابراین نیازی به توضیح خاصی برای کاربرد آن در نور کم شبانه نیست. این دوربین‌ها از نور نزدیک به IR برای ارائه تصاویر سیاه‌وسفید زمانی که نور به سطح معینی کاهش می‌یابد، استفاده می‌کنند. وقتی این اتفاق می‌افتد، دوربین پس از حس کردن سطوح پایین‌تر IR از طریق فیلتر مادون قرمز، به حالت IR cut یا سیاه‌وسفید تغییر وضعیت می‌دهد و تصاویر از رنگی به سیاه‌وسفید تبدیل می‌شوند.

با این حال، هنگامی که فیلتر IR-cut در حین تبدیل برداشته می‌شود، فوکوس تصویر جابجا می‌شود. از این رو، معمولاً از لنزهای IR برای جلوگیری از جابجایی فوکوس یا نمایش نادرست رنگ‌ها و برای حفظ ثبات بین تصاویر گرفته‌شده در روز و شب استفاده می‌شود. نقطه ضعف این روش این است که لنزهای IR گران‌تر هستند و به ناچار هزینه‌ها را برای کاربر نهایی افزایش می‌دهند. به عبارت دیگر، ممکن است ایده‌آل‌ترین انتخاب برای کاربردهای لوکس پایین نباشند.

نورپردازی مادون قرمز (IR Illumination)

این روش شامل استفاده از یک پروژکتور مادون قرمز (IR illuminator) برای روشن کردن مناطق تحت نظارت است. به غیر از دوربین‌های روز/شب، دوربین‌های IR یکی از بهترین کاربردها برای تنظیمات لوکس پایین هستند. پروژکتور IR می‌تواند یک ماژول افزودنی به دوربین باشد یا در بدنه دوربین ادغام شده باشد. از آنجایی که سنسورهای CCD و CMOS در حال حاضر حساسیت نوری فوق‌العاده‌ای دارند و قادر به ثبت اکثر طیف نور مرئی و IR هستند، پروژکتورهای IR با اجازه دادن به سنسورهای تصویر برای ثبت تصاویر واضح‌تر، تصاویر را در محیط‌های شبانه بهبود می‌بخشند.

تصاویر واضح‌تری نیز در شرایط تاریک ثبت می‌شوند زیرا حساسیت نوری در حالت سیاه‌وسفید در حال حاضر بالاتر از حالت رنگی است. نورپردازی IR امکان راه‌اندازی سیستم‌های نظارتی در شرایط 0 لوکس را فراهم می‌کند. ویژگی تشخیص خودکار نور آن نیز اجازه می‌دهد تا این برنامه با دوربین‌های سیاه‌وسفید یا روز/شب برای افزایش قابلیت‌های نظارت در نور کم و دید در شب استفاده شود.

شاتر آهسته دیجیتال (Digital Slow Shutter)

راه دیگر برای ضبط در نور کم، کاهش سرعت شاتر الکترونیکی دوربین است، که در نتیجه زمان نوردهی سنسور به نور را طولانی‌تر کرده تا تصاویر روشن‌تری ثبت شود. این فناوری که گاهی به عنوان حالت انباشت فریم (frame-accumulation) شناخته می‌شود، از تکنولوژی شاتر آهسته دیجیتال برای “انباشت” الکترونیکی فریم‌های ثبت‌شده در نور ناکافی برای ساختن یک تصویر واضح‌تر استفاده می‌کند. برای مثال، یک تنظیم دیافراگم f1.2 تا f1.4 فریم‌های کافی را در شرایط نوری ضعیف برای رسیدن به 0.001 لوکس ثبت می‌کند. برای برخی، این یک راه ساده و در عین حال قابل اعتماد برای دستیابی به نتایج در شرایط نوری ضعیف است. با این حال، تصاویر ممکن است تار یا با تأخیر به نظر برسند، از این رو، فناوری شاتر آهسته دیجیتال (DSS) بهترین کاربرد را در شرایط نوری ضعیف با دوربین‌های ثابت و در محیط‌هایی با حداقل تغییرات نوری و حرکت و جایی که استفاده از IR یا نور کمکی ممکن نیست، دارد.

 

مقالات

راهنمای کامل اتاق‌های کنترل دوربین مداربسته

Posted on by مدیر

اتاق کنترل CCTV چیست؟

اتاق کنترل CCTV مکانی در یک ساختمان است که در آن متخصصان امنیت، تصاویر زنده‌ای را که دوربین‌های CCTV شما ضبط می‌کنند، مشاهده می‌کنند. یک اتاق CCTV لزوماً نباید در ساختمان شما باشد. شما می‌توانید از یک شرکت متخصص برای انجام عملیات امنیت تصویری از راه دور استفاده کنید. اگر چندین سایت دارید، می‌توانید یک اتاق مانیتورینگ امنیتی مرکزی برای پوشش تمام سایت‌های خود ایجاد کنید.

اتاق مانیتورینگ CCTV چگونه استفاده می‌شود؟

تیم امنیتی در یک اتاق کنترل CCTV، فیدهای ویدئویی ورودی را مشاهده کرده و تصاویر ضبط شده را روی مانیتورهای جداگانه یا ویدئو وال‌های بزرگ برای یافتن نشانه‌های فعالیت مشکوک تجزیه و تحلیل می‌کنند. اگر یک تهدید بالقوه ظاهر شود، آن‌ها تصاویر مربوطه را تحلیل کرده و در صورتی که معتقد باشند تهدیدی واقعی وجود دارد، به آلارم‌ها پاسخ می‌دهند تا به حفظ ایمنی و امنیت کمک کنند.

متخصصان در یک اتاق مانیتورینگ امنیتی همچنین به داده‌های سیستم‌های کنترل دسترسی، آلارم‌ها و سنسورها و گزارش‌های نگهبانان در حال گشت‌زنی دسترسی دارند. اتاق‌های CCTV شامل منابعی مانند تحلیل‌های ویدئویی و به طور فزاینده‌ای، ابزارهای مجهز به هوش مصنوعی (AI) برای کمک به تیم‌ها در تحلیل داده‌ها هستند.

اتاق‌های CCTV همچنین دارای سیستم‌های ارتباطی هستند تا تیم‌های امنیتی بتوانند با همکاران خود همکاری کرده یا در حین به اشتراک گذاشتن آخرین اطلاعات از فیدهای ویدئویی و منابع دیگر، به حوادث پاسخ دهند. این امر به گشت‌های امنیتی کمک می‌کند تا اطلاعات به‌روزی از “تصویر کلی” داشته باشند، که می‌تواند به آن‌ها در پاسخ مؤثرتر به حوادث کمک کند.

عملیات اتاق کنترل CCTV خود را بهبود بخشید
تحلیل‌های مبتنی بر هوش مصنوعی که به شناسایی تهدیدات کمک می‌کنند

بهبود امنیت با واکنش سریع‌تر به حوادث

کاهش هزینه‌های نگهداری با بررسی سلامت دوربین‌ها

یکپارچه‌سازی بی‌نقص با VMS موجود شما

 

چرا اتاق‌های کنترل CCTV مهم هستند؟

اتاق‌های کنترل CCTV نقش مهمی در حفاظت از اموال، افراد و دارایی‌ها در ساختمان‌های تجاری، اماکن مسکونی چند واحدی، مجتمع‌های صنعتی، فضاهای عمومی و سایر مناطقی که امنیت در آن‌ها حیاتی است، ایفا می‌کنند. این به این دلیل است که اتاق‌های CCTV امکاناتی را برای متخصصان امنیتی فراهم می‌کنند تا امنیت ساختمان را به طور کامل مشاهده و مدیریت کنند، به جای اینکه تنها به مشاهدات نگهبانان در حال گشت‌زنی تکیه کنند.

فید دوربین‌های CCTV که به خوبی جانمایی شده‌اند، اطلاعات به‌روزی از فعالیت‌ها در سراسر ساختمان را در اختیار تیم‌های امنیتی قرار می‌دهد. اتاق‌های نظارت CCTV به متخصصان امنیتی امکان می‌دهند تا به طور مداوم فیدهای ویدئویی و سایر داده‌ها را مشاهده کرده و به سرعت به تهدیدات قبل از تشدید آن‌ها پاسخ دهند. در صورت لزوم، اتاق‌های CCTV به صورت ۲۴ ساعته فعال باقی می‌مانند تا ریسک را در خارج از ساعات کاری به حداقل برسانند.

اساساً، یک اتاق CCTV اطلاعات حیاتی را بین نگهبانان امنیتی و اپراتورهای دوربین که برای تفسیر داده‌ها و الگوهای لحظه‌ای کار می‌کنند، به اشتراک می‌گذارد و به جلوگیری از تهدیداتی مانند ورود غیرمجاز، خرابکاری، خشونت و حملات مهندسی اجتماعی کمک می‌کند.

 

ملاحظات در طراحی و راه‌اندازی اتاق کنترل CCTV

هنگام طراحی یک اتاق کنترل CCTV، هدف ایجاد محیطی است که اپراتورها بتوانند به طور کارآمد و راحت کار کنند تا بالاترین سطح امنیت برای اموال و افراد شما تضمین شود. یک چیدمان کارآمد برای اتاق کنترل CCTV ضروری است زیرا اپراتورها در محیطی پراسترس کار می‌کنند و تصمیمات حیاتی می‌گیرند، به خصوص اگر حادثه‌ای رخ دهد. بنابراین، طرح شما باید این پیش‌نیازهای مهم اتاق کنترل CCTV را در نظر بگیرد:

فضای مورد نیاز: اتاق CCTV باید فضای کافی برای تعداد برنامه‌ریزی شده کارکنان، همراه با کنسول‌ها، مانیتورها، ویدئو وال‌ها و سایر تجهیزات ضروری مانیتورینگ CCTV را فراهم کند. همچنین مهم است که سیم‌کشی و اتصالات لازم برای تأمین برق سیستم‌ها و اتصال دستگاه‌ها به ایستگاه‌های کاری را در نظر بگیرید.

خط دید: بررسی کنید که چیدمان اتاق کنترل CCTV دارای ستون‌ها یا دیوارهای داخلی نباشد که بتواند دید اپراتورها به منابع مشترک مانند ویدئو وال‌ها را مختل کند.

نورپردازی: نورپردازی در اتاق مانیتورینگ امنیتی باید به اندازه‌ای روشن باشد که اپراتورها بتوانند برای مدت طولانی به راحتی کار کنند، بدون اینکه بازتاب نور روی صفحه ایجاد شده و باعث خستگی چشم یا فرسودگی شود.

گرمایش و تهویه: سیستم تهویه مطبوع (HVAC) باید اطمینان حاصل کند که سطح دما و تهویه، یک محیط کاری راحت را فراهم می‌کند.

مدیریت صدای خارجی: سر و صدا در یک اتاق مانیتورینگ امنیتی می‌تواند بر تمرکز اپراتورها تأثیر بگذارد، بنابراین شناسایی و مدیریت منابع صدای داخلی یا خارجی ضروری است. شیشه‌های دوجداره می‌توانند صدای خارجی مانند ترافیک یا آب و هوا را بیرون نگه دارند. پنل‌های آکوستیک می‌توانند به کنترل صدای محیط کمک کنند، در حالی که عایق‌بندی کافی، نویز تجهیزاتی مانند فن‌ها یا سیستم‌های تهویه مطبوع را محدود می‌کند.

راحتی و ارگونومی: راحتی اپراتور یک اولویت است، بنابراین مبلمان راحت و ارگونومیک انتخاب کنید.

امنیت اتاق: یک اتاق کنترل نظارتی دارای تجهیزات و فناوری ارزشمندی است که باید از نفوذگران و سارقان محافظت شود. پیاده‌سازی کنترل دسترسی و فناوری امنیتی مؤثر به حفاظت از اتاق مانیتورینگ، فراهم کردن دسترسی تنها برای کسانی که به آن نیاز دارند و تحلیل لاگ‌های حسابرسی در صورت وقوع حادثه کمک می‌کند.

 

۷ پیش‌نیاز کلیدی برای اتاق کنترل CCTV

یک اتاق کنترل CCTV باید شامل تمام تجهیزات و فناوری‌هایی باشد که اپراتورها برای مشاهده، تحلیل و پاسخ به اطلاعات حاصل از تصاویر دوربین‌های CCTV نیاز دارند. هفت چیزی که برای یک اتاق CCTV نیاز دارید عبارتند از:

۱. نمایشگرها و مانیتورها
هر اپراتور تصاویر CCTV را روی یک واحد نمایشگر یا مانیتور حرفه‌ای مشاهده می‌کند. نمایشگر یا ویدئو وال باید تصاویر با وضوح بالا از منطقه‌ای که دوربین‌ها مشاهده می‌کنند، ارائه دهد.

۲. سیستم ذخیره‌سازی ویدئو
تصاویر ویدئویی می‌توانند در ابر (Cloud) یا به صورت محلی از طریق یک راهکار مستقر در محل (On-premise) ذخیره شوند. این امر به کارکنان امکان می‌دهد تا برای واکنش‌های لحظه‌ای، اهداف تحقیقاتی یا به عنوان بخشی از یک برنامه آموزشی به تصاویر ویدئویی دسترسی داشته باشند.

۳. تجهیزات شبکه
تجهیزات شبکه، انواع مختلف دوربین‌های CCTV و سیستم‌های ذخیره‌سازی را به نمایشگرهای اپراتورها در اتاق مانیتورینگ امنیتی متصل می‌کنند. شبکه‌ها می‌توانند شامل کابل‌کشی ثابت CCTV، اتصالات اینترنتی یا سیستم‌های بی‌سیم باشند. شبکه‌ها باید اتصال سریع و قابل اعتمادی با ظرفیت و توانایی اولویت‌بندی ترافیک حجیم ویدئویی فراهم کنند.

۴. هشدارهای اتاق کنترل
اتاق‌های کنترل می‌توانند از نورپردازی LED چندرنگ یا آلارم‌های صوتی برای هشدار به اپراتورها در مورد حوادث استفاده کنند. برای مثال، زمانی که یک سنسور فعال می‌شود، سیستم صوتی می‌تواند یک هشدار به صدا درآورد یا رنگ چراغ‌های اتاق تا زمانی که اپراتورها هشدار را تأیید کنند، تغییر کند.

۵. منبع تغذیه
یک اتاق کنترل نظارت CCTV به یک منبع تغذیه قوی و قابل اعتماد با پشتیبان نیاز دارد تا اطمینان حاصل شود که سیستم‌های اتاق CCTV همیشه در دسترس هستند. قطعی برق یک شکاف در پوشش امنیتی ایجاد می‌کند که در صورت وقوع حادثه می‌تواند حیاتی باشد.

۶. سیستم ارتباطی
اپراتورها با همکاران اتاق کنترل CCTV، گشت‌های امنیتی سیار و خدمات اورژانسی در مکان‌های مختلف ارتباط برقرار کرده و همکاری می‌کنند. بنابراین، سیستم ارتباطی باید به افراد امکان دهد تا به راحتی با یکدیگر تماس گرفته و اطلاعات ارزشمندی مانند مکان زنده یک نفوذگر را منتقل کنند.

۷. ابزارهای هوش مصنوعی (AI)
ابزارهای هوش مصنوعی به اپراتورها کمک می‌کنند تا تهدیدات را به سرعت شناسایی کرده و واکنش‌های سریع‌تری را آغاز کنند که به حفظ ایمنی و امنیت کمک می‌کند. دوربین‌های امنیتی هوش مصنوعی و ابزارهای مرتبط، الگوها را “یاد می‌گیرند” تا زمانی که یک ناهنجاری رخ می‌دهد، این تهدید بالقوه را به اپراتورها نشان دهند. چنین ابزارهایی می‌توانند با فناوری CCTV شما برای تشخیص خودکار و ۲۴/۷ تهدیدات یکپارچه شوند.

یک اپراتور اتاق کنترل CCTV چه وظایفی را انجام می‌دهد؟
مسئولیت‌های اصلی اپراتورهای اتاق کنترل، مشاهده و مدیریت سیستم‌های امنیتی شما و پاسخ به هرگونه تهدید یا حادثه است. در چارچوب این مسئولیت‌های کلی، تعداد زیادی از وظایف فردی منظم و برنامه‌ریزی شده وجود دارد که در زیر شرح داده شده‌اند.

تنظیم تجهیزات امنیتی
اپراتورهای اتاق کنترل اطمینان حاصل می‌کنند که تمام سیستم‌ها و تجهیزات مرتبط با امنیت به طور مؤثر کار می‌کنند. در حالی که یک شرکت خدماتی مستقل ممکن است مسئول نگهداری برنامه‌ریزی شده باشد، چندین بررسی مهم وجود دارد که اپراتورها باید به طور منظم انجام دهند.

بررسی دوربین‌های CCTV

بررسی و تنظیم لنزهای دوربین برای دید بهینه

تمیز کردن لنزهای دوربین، به خصوص دوربین‌های خارجی، از گرد و غبار

بررسی عملکرد دوربین‌های گردان (Pan-Tilt-Zoom)

بررسی محدوده پوشش دوربین‌ها برای موانع احتمالی

بررسی سیستم‌های نمایش

بررسی اینکه نمایشگرها، مانیتورها و ویدئو وال‌ها به درستی کار می‌کنند

بررسی قابل مشاهده بودن تصاویر ویدئویی

تنظیم روشنایی و کنتراست نمایشگرها متناسب با سطح نور فعلی

بررسی اینکه تصاویر دارای مهر زمان و تاریخ صحیح هستند

بررسی ظرفیت ذخیره‌سازی ویدئو

ذخیره امن تصاویر نظارتی مطابق با الزامات حفاظت از داده‌ها

دسته‌بندی تصاویر برای نگهداری کوتاه‌مدت یا بلندمدت، آرشیو یا حذف

بررسی ظرفیت سیستم‌های ذخیره‌سازی ابری و افزایش آن در صورت لزوم

بررسی اتصال تجهیزات

بررسی سرعت و کیفیت اتصالات اینترنتی بین اتاق کنترل، سیستم‌های ذخیره‌سازی ابری (در صورت استفاده) و هرگونه امکانات مانیتورینگ از راه دور

بررسی سالم بودن کابل‌های برق و داده برای نمایشگرها، دوربین‌ها و سایر سیستم‌های امنیتی تجاری

 

تحلیل تصاویر CCTV

اپراتورهای اتاق کنترل، فیدهای ویدئویی ورودی و اعلان‌های دوربین‌ها را تحلیل می‌کنند. اگر اتاق CCTV به صورت ۲۴ ساعته کار کند، اپراتورها در شیفت‌های مختلف کار می‌کنند تا اطمینان حاصل شود که ساختمان شما به طور مداوم برای ایمنی و امنیت تحت نظر است.

مشاهده فیدهای CCTV: اپراتورها محتوای ویدئویی CCTV را روی مانیتورهای خود یا یک ویدئو وال بزرگ مشاهده می‌کنند. به طور کلی، یک سرپرست اتاق کنترل CCTV، اپراتورهای فردی را به مناطق خاصی از ساختمان که توسط دوربین‌ها پوشش داده می‌شوند، اختصاص می‌دهد. این کار اطمینان می‌دهد که در صورت وقوع حادثه یا تهدید، سردرگمی در مورد مسئولیت‌ها وجود نخواهد داشت.

تحلیل فیدهای CCTV: اپراتورها فیدهای ورودی را برای شناسایی فعالیت‌های غیرعادی یا مشکوک در لحظه وقوع بررسی می‌کنند. آن‌ها همچنین می‌توانند از ابزارهای تحلیلی هوش مصنوعی برای کمک به انجام این کار استفاده کنند.

جمع‌آوری شواهد: اگر حادثه‌ای رخ داده باشد، اپراتورها تصاویر و سایر منابع داده مانند داده‌های کنترل دسترسی یا اعلان‌های آلارم‌ها و سنسورها را بازبینی می‌کنند. این کار می‌تواند به آن‌ها در ارزیابی علت حادثه، شناسایی مظنونان احتمالی و جمع‌آوری شواهد برای پیگرد قانونی کمک کند.

واکنش به رخداد (Incident Response)
اپراتورهای اتاق کنترل CCTV باید در صورت وقوع حادثه یا تهدید، فوراً به سرپرستان و گشت‌های امنیتی اطلاع دهند.

تماس با سرپرستان: در یک اتاق کنترل بزرگ، اپراتورها به سرپرستان اطلاع می‌دهند، که آن‌ها در مورد سطح و نوع واکنش به یک حادثه تصمیم می‌گیرند. برای مثال، اگر ورود غیرمجاز رخ دهد، ممکن است نگهبانان امنیتی را برای رسیدگی به حادثه اعزام کنند. اگر گروه‌های خاصی از افراد در معرض خطر باشند، سرپرستان به آن‌ها هشدار می‌دهند. اگر شرایط اضطراری مانند آتش‌سوزی وجود داشته باشد، سرپرستان ممکن است با پلیس یا خدمات آتش‌نشانی و آمبولانس تماس بگیرند.

تماس با گشت‌های امنیتی: اپراتورها یا سرپرستانشان باید به گشت‌های امنیتی هشدار داده و اطلاعات به‌روزی از وضعیت را در اختیارشان قرار دهند. آن‌ها ممکن است فیدهای ویدئویی مربوطه را به اشتراک بگذارند یا گشت‌ها را در مورد پیشرفت واکنش به‌روز کنند.

 

گزارش‌دهی

اپراتورهای اتاق کنترل CCTV گزارش‌های روزانه، هفتگی یا ماهانه را به سرپرستان اتاق CCTV، مدیران امنیتی و سایر ذینفعان ارائه می‌دهند. این گزارش‌ها چندین عامل مهم را پوشش می‌دهند.

گزارش حوادث: شواهد ارزشمندی برای اقدامات قانونی آینده و برنامه‌ریزی امنیت فیزیکی فراهم می‌کند. آن‌ها همچنین ممکن است هرگونه آسیب‌پذیری در پوشش نظارتی یا سیستم‌های کنترل دسترسی که نیاز به اصلاح دارند را برجسته کنند.

گزارش تجهیزات: گزارش‌های تجهیزات به سرپرستان کمک می‌کند تا نگهداری و تعمیرات را برای اطمینان از عملکرد قابل اعتماد و در دسترس بودن برنامه‌ریزی کنند.

 

مزایا و چالش‌های بهره‌برداری از اتاق‌های نظارت CCTV

مزایا
منبع واحد اطلاعات: یک اتاق مانیتورینگ امنیتی، اطلاعات را از تمام سیستم‌های امنیتی، از جمله دوربین‌های CCTV تجاری، سیستم‌های کنترل دسترسی، آلارم‌ها و سنسورها گرد هم می‌آورد و به اپراتورها یک نمای واحد و یکپارچه از تمام فعالیت‌های مرتبط با امنیت ارائه می‌دهد. این امر می‌تواند به واکنش به حوادث و تحقیقات پس از وقوع کمک کند.

واکنش سریع‌تر به حوادث امنیتی: پوشش و تحلیل مداوم CCTV می‌تواند به کارکنان کمک کند تا به سرعت و به طور مؤثر به هرگونه تهدید در داخل و خارج از ساختمان پاسخ دهند.

حفاظت قوی‌تر برای کسب‌وکار شما: آگاهی بیشتر از موقعیت و زمان واکنش سریع‌تر به این معنی است که کسب‌وکار شما می‌تواند از حفاظت تقویت‌شده برخوردار شود.

کاهش اتکا به مشاهدات گشت‌زنی: با متمرکز کردن منابع در یک اتاق نظارت CCTV، متخصصان امنیتی می‌توانند مناطق آسیب‌پذیر را بدون اتکا به مشاهدات گشت‌زنی، نظارت کنند.

چالش‌ها
نگرانی‌های مربوط به حریم خصوصی: کارکنان و بازدیدکنندگان شما در اطراف مجموعه ممکن است از اینکه به طور مداوم توسط اپراتورها در اتاق کنترل تحت نظر باشند، احساس ناراحتی کنند. با این حال، اطمینان دادن به آن‌ها که اتاق کنترل CCTV به حفاظت از ایمنی و حریم خصوصی آن‌ها کمک می‌کند، می‌تواند تا حد زیادی به آن‌ها احساس راحتی بدهد.

فناوری‌های پیچیده: سیستم‌های CCTV می‌توانند تجهیزات پیچیده‌ای باشند که نیاز به متخصصان برای استفاده، نگهداری و تعمیر دارند. استخدام کارکنان با تجربه کافی می‌تواند پرهزینه باشد، اما این هزینه در مقایسه با هزینه به خطر افتادن ایمنی افراد و خسارات مالی ناشی از یک حادثه، ناچیز است.

بهره‌برداری از یک اتاق CCTV: بهترین شیوه‌ها (Best Practices)
یک اتاق نظارت CCTV یک فضای استراتژیک است که در آن اپراتورها با وظایف حیاتی برای امنیت و ایمنی کسب‌وکار و افراد شما سروکار دارند. بنابراین، پیروی از یک سری از بهترین شیوه‌ها ضروری است:

محدود کردن دسترسی به اتاق کنترل: اطمینان حاصل کنید که تنها کارکنان مجاز می‌توانند به اتاق CCTV دسترسی داشته باشند. دسترسی نامحدود می‌تواند منجر به سرقت تجهیزات، از دست رفتن داده‌های ارزشمند یا ایجاد اختلال در اتاق و در نتیجه از دست رفتن حوادث شود.

محدود کردن مانیتورینگ غیرضروری: دوربین‌های CCTV فقط باید مناطق آسیب‌پذیر یا بسیار امن را پوشش دهند. پوشش بیش از حد CCTV ممکن است قوانین حریم خصوصی را نقض کند.

رعایت قوانین: تصاویر CCTV ممکن است شامل اطلاعات شخصی یا محرمانه باشد. برای رعایت قوانین حفاظت از داده‌ها، مانند الزامات انطباق با NDAA، داده‌ها باید به صورت امن ذخیره و محافظت شوند.

تخصیص منابع کافی: سرپرستان باید اطمینان حاصل کنند که تعداد صحیحی از کارکنان برای پوشش تمام ایستگاه‌ها در دسترس است. پوشش ناکافی می‌تواند شکاف‌های امنیتی ایجاد کند، حجم کاری را افزایش دهد و ریسک را تشدید کند. علاوه بر این، هر تیم در اتاق کنترل CCTV یا ایستگاه مانیتورینگ مرکزی باید یک سرپرست داشته باشد تا به مدیریت عملیات و اطمینان از انجام مسئولیت‌های تیم کمک کند.

مدیریت الگوهای شیفتی: الگوهای شیفتی و دوره‌های استراحت را طوری برنامه‌ریزی کنید که اپراتورهای اتاق کنترل CCTV ساعات کاری بیش از حد، به خصوص کارکنان شب، کار نکنند.

تشویق به همکاری: یک حادثه ممکن است نیاز به ورودی از اپراتورها و تیم‌های مختلف داشته باشد. اطمینان حاصل کنید که هر عضو ابزارهای لازم برای همکاری مؤثر را دارد.

 

نتیجه‌گیری

یک اتاق مانیتورینگ CCTV یک منبع ضروری برای کسب‌وکار شما است. برنامه‌ریزی و طراحی یک اتاق CCTV کارآمد و پربازده می‌تواند به اپراتورها کمک کند تا به طور مؤثر کار کنند، فناوری‌های لازم برای انجام وظایف را در اختیار داشته باشند و تمرکز لازم برای به حداکثر رساندن امنیت را حفظ کنند.

  

مقالات

میکروسکوپ ویدئویی HDMI هیک‌روبات: تحولی در تصویربرداری با دقت بالا

Posted on by مدیر

شرکت هیک‌روبات (Hikrobot)، سیستم میکروسکوپ ویدئویی HDMI خود را معرفی کرده است. این سیستم جدید، محصولی نوآورانه و تحول‌آفرین در حوزه تصویربرداری با دقت بالا محسوب می‌شود. میکروسکوپ ویدئویی HDMI هیک‌روبات یک راه‌حل پیشرفته است که تصاویری شفاف و واضح، استریم لحظه‌ای و قابلیت حمل را ارائه می‌دهد و آن را به گزینه‌ای ایده‌آل برای متخصصانی تبدیل می‌کند که به تحلیل بصری دقیق و کارآمد نیاز دارند.

این سیستم با ویژگی‌هایی مانند لنز با زوم پیوسته، رزولوشن 2K HD، اعوجاج پایین و طراحی یکپارچه که نیاز به کامپیوتر را از بین می‌برد، برای سهولت در استفاده و حداکثر بهره‌وری طراحی شده است.

 

نصب و راه‌اندازی آسان

میکروسکوپ ویدئویی HDMI هیک‌روبات یک راه‌حل تصویربرداری جمع‌وجور و آماده به کار (Plug-and-Play) است که تصاویری با کیفیت بالا را با حداقل مراحل راه‌اندازی فراهم می‌کند. برخلاف سیستم‌های تصویربرداری سنتی که به کامپیوترهای خارجی، نصب نرم‌افزار و پیکربندی‌های پیچیده نیاز دارند، این دستگاه فرآیند را با ارائه مستقیم تصاویر با وضوح بالا به یک نمایشگر HDMI ساده‌سازی می‌کند.

چه در یک آزمایشگاه، کارخانه، کلاس درس یا واحد تحقیقات جنایی (پزشکی قانونی) کار کنید، این دستگاه شما را قادر می‌سازد تا تصاویر با وضوح بالا را به صورت لحظه‌ای ضبط، تحلیل و به اشتراک بگذارید.

 

ویژگی‌های کلیدی

  • لنز با زوم پیوسته برای بزرگ‌نمایی دقیق: لنز با زوم پیوسته به کاربران اجازه می‌دهد تا با بزرگ‌نمایی نرم و بدون دردسر، بر روی جزئیات بسیار ریز تمرکز کنند. این ویژگی برای کاربردهایی مانند بازرسی بردهای مدار چاپی (PCB)، تحقیقات بیولوژیکی، کنترل کیفیت و تحلیل‌های پزشکی قانونی ضروری است.
  • تصویر شفاف با اعوجاج پایین: برخلاف میکروسکوپ‌های سنتی که ممکن است باعث ایجاد اعوجاج بصری شوند، میکروسکوپ ویدئویی HDMI هیک‌روبات، تصویربرداری واضح و بدون اعوجاج را تضمین می‌کند. دقت اپتیکی بالا، آن را برای مطالعات علمی، تولیدات دقیق و نیازهای تصویربرداری حرفه‌ای مناسب می‌سازد.
  • کیفیت تصویر 2K HD: این سیستم تصاویر را با رزولوشن 2K HD ضبط می‌کند که وضوح و جزئیات فوق‌العاده‌ای را ارائه می‌دهد. این قابلیت برای کارهایی که نیازمند تحلیل بصری دقیق هستند، مانند بازرسی نیمه‌هادی‌ها و معاینات بیولوژیکی، حیاتی است.
  • استریم لحظه‌ای برای همکاری یکپارچه: عملکرد داخلی استریم لحظه‌ای به کاربران اجازه می‌دهد تا تصاویر را به صورت آنی مشاهده کرده و به اشتراک بگذارند. این ویژگی برای آموزش از راه دور، نمایش‌های زنده، آموزش آنلاین و همکاری‌های حرفه‌ای ایده‌آل است.
  • طراحی یکپارچه – بدون نیاز به کامپیوتر: برخلاف سیستم‌های تصویربرداری سنتی که به کامپیوترهای خارجی و نرم‌افزارهای پیچیده وابسته‌اند، میکروسکوپ ویدئویی HDMI هیک‌روبات کاملاً مستقل عمل می‌کند. کاربران می‌توانند به سادگی آن را به یک نمایشگر HDMI متصل کرده و بلافاصله از آن استفاده کنند که این امر راحتی و کارایی را به همراه دارد.
  • قابلیت حمل و استفاده آماده به کار (Plug-and-Play): طراحی جمع‌وجور و سبک به کاربران اجازه می‌دهد تا به راحتی سیستم را بین ایستگاه‌های کاری یا مکان‌های مختلف جابجا کنند. ماهیت آماده به کار آن، زمان راه‌اندازی را به حداقل می‌رساند و آن را برای کارهای میدانی، آزمایشگاه‌ها، واحدهای تولیدی و کارگاه‌ها ایده‌آل می‌سازد.
 
مقالات

ویدئوها و آنالیتیک ها در سال 2019

Posted on by مدیر

با به پایان رسیدن سال 2018 همه ی افراد منتظرند که ببینند چه تکنولوژی هایی تبدیل به روندهای رایج امنیتی در سال 2019 خواهند شد. تا جایی که سیستم های نظارت ویدئویی مسئله موردبحث باشند، انتظار میرود که در سال 2019 سیستم های تجزیه و تحلیل محتوای ویدئویی، سیستم های تشخیص چهره و سیستم های محاسباتی اج-محور برجسته تر از قبل خودی نشان دهند.

تجزیه و تحلیل محتوای ویدئویی

تجزیه و تحلیل محتوای ویدئویی پیشرفت زیادی داشته و از تکنولوژی های اغراق-شده ی گذشته به نوآوری هایی اساسی که باعث بهبود وضع امنیت و همچنین هوشمندی بیزنسی میشوند تغییر شکل یافته است. انتظار میرود که در سال 2019 این تکنولوژی نقش پررنگ تری را در امنیت ایفا نماید.

در حال حاضر نرم افزارهای تجزیه و تحلیل محتوای ویدئویی که هوش مصنوعی ﴿AI﴾ و تکنولوژی یادگیری عمیق را در خود جای داده اند به مراتب ارزشمندتر از بررسی های پس از وقوع رخدادها تلقی میشوند. به خاطر سرعت باورنکردنی و قابلیت های هوشمند این سیستم ها، بسیاری از افراد درحال یافتن راه هایی جدید برای استفاده از آنها هستند. به عنوان مثال، بیزینس های خرده-فروشی در حال استفاده از این تکنولوژی جهت برنامه ریزی های کنش گرایانه و استراتژیک هستند تا تجربه ی بهتری را برای مشتریان فراهم ساخته و در نتیجه باعث افزایش میزان فروش خود و وفاداری آنها شوند؛ سازمان های درمانی و بهداشتی نیز از این تکنولوژی جهت رسیدگی به مسائل عملیاتی همچون یافتن افراد غیرمجاز در مناطقی با تاسیسات محدود استفاده می نمایند؛ و قطب-های حمل و نقل از این تکنولوژی ها جهت بهبود جریان مسافران استفاده کرده و شهرداری ها به صورت کنشگرایانه برای امن تر نگاه داشتن خیابان های شهری بهره میگیرند.

علیرغم صحبت های موجود مبنی بر فقدان یک عامل پیشبینی کننده در آنالیتیک های امروزی (این سیستم ها قادر به پیش بینی اینکه فردی قصد انجام کار بدی را دارد یا خیر نیستند!)، پیشرفت های صورت گرفته درآنالیتیک ها منجر به پیشگیری بهتر از وقوع جرائم میگردد. به عنوان مثال از طریق استفاده از بیگ دیتا یا کلان داده ها، مجاری قانونی بهتر میتوانند به تجزیه و تحلیل الگوی جرائم و روندهای آنها بپردازند و بدین شکل محل وقوع رخدادهای امنیتی را پیشبینی کرده و طبق این داده ها، نیروهای خود را به کار بگیرند. استفاده از ویدئوآنالیتیک ها در بررسی ها و تحقیقات صورت گرفته پس از وقوع رخدادها به عنوان امری مهم برای یافتن مجرمین، فهم بهتر صحنه جرائم و تعیین محل افراد گم شده تلقی میگردد و این داده ها هوشمندی لازم برای پیشگیری کنشگرایانه ی جرائم را فراهم میسازند.

سیستم های تشخیص چهره

سیستم های تشخیص چهره پیشرفتی جدید تلقی میشوند. با استفاده از تکنولوژی های یادگیری عمیق و تکنولوژی هوش مصنوعی ﴿AI﴾، سیستم های تشخیص چهره قادر به صدور اجازه ی ورود به گوشی هوشمند بوده و همچنین میتوانند دوستان شما را در تصاویر منتشرشده در شبکه های مجازی تشخیص بدهند. در حالی که به سیستم های تجزیه و تحلیل محتواهای ویدئویی فکر میکنیم، سیستم های تشخیص چهره بیشتر از هر زمان دیگری در حال ایفای نقشی پررنگ هستند. در سال 2019 شاهد استفاده ی بیشتر ارگان های اجرایی قانون از آنالیتیک های ویدئویی و سیستم های تشخیص چهره خواهیم بود تا بدین شکل وقایع صورت گرفته با سرعت بیشتری حل و فصل شوند. با استفاده از این تکنولوژی ها خرده فروشان به سرعت میتوانند به تشخیص سارقین وسایل موجود در فروشگاه ها بپردازند. از آنجایی که این تکنولوژی در حجم بالا در سراسر جهان به کار گرفته شده و بیشتر از هر زمان دیگری در دسترس افراد قرار دارد، انتظار میرود که این تکنولوژی به شکل قابل توجهی در سال 2019 بکار گرفته شود.

علیرغم وجود برخی نگرانی ها یا مسائل اخلاقی حول سیستم های تشخیص چهره، این سیستم ها راه هایی مناسب برای رسیدگی به این دست از مسائل خواهند بود.

سیستم های تشخیص چهره موارد کاربرد معناداری را ارائه میکنند؛ یکی از این کاربردها تطبیق چهره ها بر اساس تصویری در یک ویدئو یا تصویری بیرون از سیستم مربوطه ﴿ به عنوان بخشی از لیست افراد تحت تعقیب یا به عنوان یک تصویر منفرد﴾ میباشد. افراد شاهد ارجاعات زیادی از نوع فیلم “گزارش اقلیت” به کارگردانی استیون اسپیلبرگ به سیستم های تشخیص چهره بوده-اند؛ محور اصلی این فیلم روی سیستمی است که بر مبنای ۳ انسان کار می‌کند و می‌تواند جرایم را پیش از وقوع پیش‌بینی کند و بدین ترتیب مأموران اجرایی پیش از وقوع جنایت جلوی آن را می‌گیرند و بدین ترتیب مدت‌هاست که دیگر جنایتی رخ نداده است. اما همین سیستم پیچیده هم ممکن است فریب بخورد. زمانی که ماشین پیش‌بینی می‌کند در زمان مشخصی یکی از مأموران اصلی پروژه دست به قتل خواهد زد، او با این پرسش مواجه می‌شود که آیا خود اراده تغییر آینده خود را دارد یا مجبور است به تقدیر تن در دهد و در این راه معمای پیچیده‌ای را باز می‌کند. حقیقت آن است که وضع تصاویر هیچ پیشرفتی نداشته، هیچگونه ارتباطی با داده های فردی وجود نداشته و هیچگونه ارتباطی بین سایر تصاویر فرد موردنظر در خارج از ویدئویی که چهره ی وی با آن تطبیق داده شده وجود ندارد. با توجه به آنچه گفته شد، به احتمال زیاد شاهد نظارت قدرتمندتر از سوی دولت ها خواهیم بود تا بدین شکل سیاست هایی برای تنظیم استفاده از این تکنولوژی ها و تعریف حقوق انتخاب برای دنبال شدن به صورت دیجیتال را تعیین کنند.

پردازش اج-محور و محاسبات ابری

در آخر، پردازش اج-محور و محاسبات ابری نقشی به مراتب پررنگتر را در افزایش سرعت بکارگیری آنالیتیک های پیشرفته محتوای ویدئویی ایفا خواهند نمود. با ادامه یافتن شهرت ویدئوها، نیاز به حفظ پهنای باند در حال ایجاد موجی از مهاجرت ابری و محاسبات اج-محور است. این امر امکان آنالیتیک های پیشرفته محتواهای ویدئویی را فراهم میسازد؛ این آنالیتیک ها داده های جمع-آوری شده از دوربین ها و دستگاه ها را مورد پردازش قرار میدهند. پیشبینی میشود که در سال 2019 مهاجرت به سوی سیستم های محاسبات ابری و پردازش اج-محور همچنان ادامه پیدا کند و در نتیجه آن شاهد بکارگیری بیشتر آنالیتیک های AI-محور محتواهای ویدئویی در بسیاری از صنایع باشیم؛ این صنایع شامل صنعت حمل و نقل، آموزش عالی، مراکز بهداشتی و درمانی، خرده فروشی-ها و بسیاری از صنایع دیگر میشوند.

برگرفته از مجله a&s و دانشنامه آزاد ویکی پدیا

مقالات

وضعیت بازار روبات های صنعتی در سال 2018 و 2019

Posted on by مدیر

سال 2018 برای کل صنعت روباتیک سالی پر از اتفاق بوده است. از تعطیلی روبات های گروه ریثینک (Rethink Robotics) گرفته تا محصولات هیجان انگیزی چون روبات های بوستون (Boston Robotics) و راه اندازی خودروهای خودرانی چون ویمو (Waymo)، این صنعت فراز و فرودهای فراوانی را تجربه کرده است.

به ویژه اینکه روبات های صنعتی شاهد نرخ بکارگیری بیشتری در طول سال گذشته بوده اند. طبق گزارش فدراسیون جهانی روباتیک (IFR﴾، تنها در سال 2017 حدود 380.550 واحد دستگاه به فروش رسیده است که این نرخ حدود 29 درصد بیشتر از نرخ سال گذشته خود بوده است. در رتبه نخست چین و به دنبال آن آمریکا و آلمان جزء برترین ها در این زمینه بوده اند. از آنجایی که باید منتظر گزارش نهایی سال 2018 ماند، انتظار میرود که این نرخ در سال 2018 افزایش یافته و شاهد رشد بیشتری باشد.

در رابطه با روندهای اصلی سال 2018، مدیر محصول روباتیک در شرکت گروه آب ب به نکاتی کلیدی اشاره نموده که به شرح زیر است :

1. حجم کمتر، تنوع بیشتر

آن روزها که تولید محصولات تنها به تولید یک محصول منفرد در حجم بالا محدود میشد گذشته است. امروزه، تاکید بیشتری روی حجم کمتر و تنوع بیشتر قرار دارد.

ادامه یافتن تغییر حرکت از تولید حجم بالایی از یک محصول به سوی تولید حجم پایین تر و با تنوع بیشتر از آن – یعنی «سفارشی سازی در حجم بالا» – به قاعده ای جدید در صنایع مختلف ﴿از صنایع خودروسازی گرفته تا صنایع الکترونیک و یا حتی صنایع غذایی﴾ تبدیل شده است. این بدان معناست که برای تطابق یافتن با گستره ی بزرگتری از محصولات و پکیج های موجود در یک خط تولید واحد و برای جابجایی وتغییر مسیر سریع بین محصولات، کارخانجات باید انعطاف پذیرتر از قبل عمل کنند. بسیاری از تولیدکنندگان درگیر این موضوع هستند و راه حل های خودکارسازی قدیمی و ثابت شده را دیگر به اندازه ی کافی انعطاف پذیر نمیبینند که بتوانند آنها را در برابر تمام این تغییرات بروز نگه دارند.

2. انعطاف پذیری بیشتر

این تغییر تمرکز و فشارهای وارده از سوی آن باعث میشود که سرمایه گذاری های بیشتری روی راهکارهای خودکارسازی روباتی که کارآمدتر و انعطاف پذیرترند و همچنین در صنایع سبکتری چون صنایع غذایی، صنایع تولید نوشیدنی ها و یا صنایع تولید وسایل الکترونیکی صورت بگیرد.

در گذشته در صنایع تولید مواد غذایی و نوشیدنی ها از روبات ها جهت خودکارسازی فرآیندهای ساده تری چون پر کردن پکیج های روی پالت استفاده میشده است. اما در حال حاضر از روبات ها جهت فرآیندهای با ارزش بالاتری استفاده میشود؛ یکی از این فرآیندها، تولید مستقیم ماده ی غذایی است. در صنایع الکترونیک که سفارشی سازی در حجم بالا صورت میگیرد، روبات ها در حال کمک به حفظ تعادل بین ضروریاتی چون انعطاف پذیری، کیفیت بالا و چرخه های زمانی سریع هستند.

3. تاثیر نیروهای کاری

سرمایه گذاری روی سیستم های خودکارسازی تحت تاثیر تغییرات صورت گرفته در نیروهای کاری قرار دارد. بسیاری از کشورهای امروزی با یک «بمب ساعتی جمعیتی» روبرو هستند – این کشورها دارای جمعیتی سالخورده اند که در حال نزدیک شدن به سن بازنشستگی هستند و این درحالی است که افراد جوان خواهان چالش هایی هستند که از لحاظ ذهنی سودمند باشند نه از لحاظ فیزیکی. بسیاری از کشورها در حال حاضر کمبود نیروهای کاری و شکاف های مهارتی را تجربه می کنند و یا در سال های پیش رو تجربه خواهند کرد.

افراد نسبت به انجام کارهای کسل کننده، کثیف، خطرناک و یا حساس تمایل کمتری دارند. بسیاری از تولیدکنندگان در حال استفاده از دستگاه های خودکار هستند تا کمبود نیروهای کاری خود را جبران کنند؛ مخصوصا برای تطابق یافتن با تقاضاهای بالا و یا در صنایعی که کارهای آن جذاب نبوده و در عین حال از میزان فروش بالایی برخوردارند. روزهای جستجو برای نیروهای کار ارزان از سراسر جهان به پایان رسیده است – تولیدکنندگان جهانی باید قادر به تولید مستمر و نزدیک به کاربران نهایی باشند.

4. تکنولوژی رو به تکامل

در آخر روبات های صنعتی نیز تحت تاثیر تقاضا برای تکنولوژی های جدید قرار دارند. به عنوان مثال حتی در صنایع جاافتاده و به شدت اتوماتیکی چون خودروسازی، سرمایه گذاری مداوم با توجه به نیاز برای یک گذار موثر از وسایل نقلیه با موتور احتراق داخلی به سوی وسایل نقلیه الکتریکی صورت میگیرد.

انجام این کار نیازمند فرآیندهای تولید جدید در حوزه های قدیمی همچون سامانه تولید و انتقال نیرو و همچنین فرآیندهای کاملا جدیدی در حوزه هایی چون اتوماسیون سوار کردن باتری است که امری بسیار پیچیده بوده و نیازمند تطابق یافتن با بسیاری از دیزاین های مختلف است. همچنین تولیدکنندگان خودروها به دنبال روبات هایی هستند که به خودکارسازی آن بخش هایی از تولید که پیشتر به صورت دستی انجام میشده اند – همچون پاکسازی نهایی و سر هم کردن اجزای خودرو – بپردازند. در گذشته این امر مستلزم اقداماتی بوده است که برای خودکارسازی بسیار دشوار بوده اند؛ این اقدامات شامل متصل کردن تمامی بخش های الکترونیکی و حساس یک خودرو میشوند.

5. آینده ی روبات های صنعتی – 2019

روبات های صنعتی بیشتر از هر زمان دیگری در حال شهرت یافتن هستند، چرا که با تداوم افزایش هزینه  های نیروهای کاری، مشتریان بیشتر از هر زمان دیگری در حال پی بردن به مزایای استفاده از روبات ها هستند. طبق گزارش های ارائه شده توسط مرکز پژوهشی آی.دی.سی (IDC﴾ انتظار میرود که در سال 2019 بودجه ی صرف شده در بخش روبات  و پهبادها، 17.6 درصد بیشتر از میزان بودجه ی صرف شده در سال 2018 باشد. علاوه بر این، تا سال 2022 نرخ رشد مرکب سالانه ای بیش از 20 درصد پیش بینی میگردد.

طبق پیش بینی گروه  آب ب که یکی از فعالان اصلی در زمینه ی روبات های صنعتی است، انتظار میرود که در سال جاری در سه زمینه اصلی تغییراتی اساسی به وقوع بپیوندد.

5.1. ساده سازی

آن روزها که روبات های صنعتی نیازمند فرآیندهای نصب و عملیاتی پیچیده بوده  اند و باید در جایگاه های جداگانه نگهداری میشده اند به پایان رسیده است. با کمک چند نوآوری جدید، ماشین ها به قدری ساده شده اند که میتوانند بدون برانگیختن مسائل امنیتی به کار در کنار انسانها بپردازند.

طبق پیش بینی گروه آب ب، ساخت روبات هایی که برای نصب، برنامه ریزی و داشتن کارایی آسانتر هستند در این سال افزایش پیدا خواهد کرد. برنامه ریزی شماتیک ﴿PbD)، استفاده از ابزارهایی چون تکنولوژی های واقعیت افزوده یا واقعیت مجازی و همچنین رابط های کاربری بهتر میان انسانها و روبات ها از جمله مثال هایی هستند که میتوان به آنها اشاره نمود. در علم کامپیوتر، برنامه ریزی شماتیک به یک تکنیک برنامه ریزی ساده برای کاربران معمولی اطلاق میشود؛ در این تکنیک با کمک نمایش شماتیک امر مربوطه، رفتارهای جدید به کامپیوتر یا روبات آموزش داده میشود تا بدین شکل به جای برنامه ریزی آنها از طریق دستورات ماشینی، این برنامه ریزی به صورت مستقیم به آنها منتقل شود. این موضوع مخصوصا در شرکت های با سایز کوچک تا متوسط از اهمیت بالایی برخوردار است؛ در این نوع شرکت ها، کمبود تجربه ی روباتی به عنوان یک مانع کلیدی برای ورود به بازار تلقی میگردد. امر ساده سازی برای تولیدکنندگان بزرگ جهانی نیز از اهمیت بالایی برخوردار است؛ تولیدکنندگانی که فارغ از منابع انسانی حاضر در محل خود، خواهان بازگشایی کارخانه جاتی با کیفیت ثابت در این محل هستند.

اهمیت چنین پیشرفتی به شدت در حال افزایش است، چرا که روز به روز تولیدکنندگان بیشتری با کمبود کارگران راغب مواجه هستند؛ به عنوان مثال در صنایعی که کارهای آن جذاب نبوده و در عین حال از میزان فروش بالایی برخوردار است، سیستم های خودکارسازی پیچیده باید عملکردی ساده پیدا کنند تا دیگر نیازی به آموزش گسترده کارگران جدید نباشد.

5.2. همکاری

علاوه بر آنچه گفته شد، صنعت روبات سازی شاهد افزایش کاربری هایی (نه فقط روبات های همکار) خواهد بود که به افراد و روبات ها اجازه میدهد تا بیشتر از قبل به تعامل با یکدیگر بپردازند؛ این تعاملات از همزیستی امن در یک فضای مشترک گرفته تا همکاری روی وظایف و کارهای مشترک متغیر است. روبات های همکار تا به حال باعث وقوع انقلابی در شیوه ی عملکرد روبات ها در کارخانه جات شده اند.

برای انعطاف پذیری بیشتر در تولید و جهت تطبیق با تولید ترکیبی در حجم بالا و پایین، همکاری امری لازم و ضروری است. افراد میتوانند قدرت بینظیر خود را برای سازگاری یافتن با تغییرات و تولید اضافه کنند، این در حالی است که روبات ها طاقت خستگی ناپذیر خود را برای انجام کارهای تکراری به این همکاری اضافه میکنند. همزیستی امن روز به روز اهمیت بالاتری پیدا میکند، چرا که تولید ترکیبی در حجم بالا یا پایین به این معناست که افراد باید در نزدیکی روبات ها و به صورت پراکنده و متناوب کار کنند؛ از این نوع همکاری میتوان به آوردن اجناس مختلف برای روبات ها، تغییر برنامه  ها و بررسی و کنترل چرخه های جدید اشاره نمود.

بسیاری از تولیدکنندگان در حال کلنجار رفتن با ایجاد تعادل بین لزوم امنیت و نیاز به کارکرد روبات ها با حداکثر سرعت هستند. یکی از مزیت های افزوده ی همزیستی انسانها/ رباتها این است که باعث جریان های تولید انعطاف پذیرتری در کارخانه جات شده که قادر به عبور از سد حصارهای امنیتی هستند. به عنوان مثال، دیگر لازم نیست که کالاها به دنبال خطوط مونتاژ دقیق و یک راست باشند – این کالاها میتوانند از طریق یک کارخانه به سمت کاربری های مختلف ایجادشده حرکت کنند-  گاهی اوقات تنها یک محوطه ی کوچک نیز کافی است.

5.3. دیجیتال سازی

در حال حاضر دستگاه های متصل به یکدیگر یک روند بزرگ واحد در بیشتر صنایع تلقی میشوند. در سال 2019 این امکان وجود دارد که در اکوسیستم تولید دیجیتال شاهد روبات های متصل به یکدیگر باشیم.

این امر باعث بهبود کارایی، بازدهی و قابلیت اطمینان در کل چرخه تولید (مهندسی، ارسال، بکارگیری و نگهداری) میشود. دیجیتال سازی باعث ایجاد همکاری بیشتر بین زنجیره ی ارزش (رشته ای از فرایندهای تجاری بهم پیوسته که در یک شرکت برای تبدیل ورودی ها به خروجی های دارای ارزش افزوده انجام می شوند) افقی (به عنوان مثال، بین تامین کننده، تولیدکننده و توزیع کننده) یا عمودی یک کارخانه (به عنوان مثال، بین برنامه نویسان تجارت الکترونیک و سیستم های سی.آر.ام، سیستم های ای.پی.آر بیزینسی، سیستم های برنامه ریزی تولید و سیستم های خودکارسازی لجستیک) میشود. هر دوی این نوع همکاری ها میتوانند باعث میشود تجربه ی مشتری بهتر شده و کارایی تولید را افزایش دهند.

به عنوان یک مثال ساده، یک تولیدکننده ی جهانی میتواند از میان هزاران روبات در جهان به عملکرد تک تک روبات ها نگاهی بیاندازد و روبات های با عملکرد ضعیف و نیازمند بروزرسانی یا خدمات دهی را شناسایی کند تا بدین شکل این روبات ها نیز همچون روبات های با سطح عملکرد عالی دیگر به تولید بپردازند. دیجیتال سازی برای تولید ترکیبی در حجم بالا و پایین بسیار حائزاهمیت است؛ به عنوان مثال میتوان به کارایی مهندسی بهتر برای جابجایی و تغییر سریع بین محصولات یا افتتاح سریعتر خط جدید محصولات اشاره کرد.

برگرفته از مجله a&s

مقالات

چهره ی تکنولوژی ویدئویی در سال 2019

Posted on by مدیر

تنها در طول چند دهه، صنعت نظارت ویدئویی شاهد تغییراتی اساسی در زمینه تکنولوژی بوده است؛ گذار از دوربین های آنالوگ و سیستم های مداربسته به سوی سیستم های دیجیتال و تکنولوژی های ویدئویی IP که قدرت هوش مصنوعی ﴿AI﴾ را تحت کنترل خود در آورده اند.

بدون شک صنعت تولید سیستم های مدیریت ویدئویی VMS صنعتی رو به رشد است که طبق پیش بینی های صورت گرفته انتظار میرود تا سال 2019 ارزش این صنعت به 5.0$ میلیارد دلار در منطقه آسیا-اقیانوسیه برسد.

هر چه دوربین ها و سنسورها پیشرفته تر شده و تکنولوژی های نوظهوری چون اینترنت اشیاء ﴿IoT﴾ در حجم گسترده تری با سیستم های مدیریت ویدئویی تلفیق میشوند، انتظار میرود که تکنولوژی های مربوط به سیستم های ویدئویی به یک اندازه روی بیزینس ها و بازارها تاثیر بگذارند.

بنابراین در سال پیش رو از صنعت تکنولوژی ویدئویی چه انتظاری باید داشت؟ در این مقاله سه روندی که همچنان باعث تغییر زاویه دید و رویکرد ما در سال 2019 و پس از آن میشود مورد بحث و بررسی قرار خواهد گرفت.

هوش مصنوعی :عامل استمرار تغییر در بازار نظارت ویدئویی

هوش مصنوعی همچنان به بهبود وضعیت دوربین های نظارتی کمک خواهد نمود – این تکنولوژی دوربین ها را مجهز به مغزهایی دیجیتال میسازد که با چشمان آنها هماهنگ بوده و سیستم ها را قادر میسازد تا ویدئوهای زنده و ضبط شده را در حجم های بالاتر آنالیز کنند.

در گذشته از دوربین ها به عنوان اجسامی منفعل و مجهول یاد میشد، اما با کمک تحلیل رفتاری و بینش های پیشگیرانه همان دوربین ها حال به سرمایه هایی فعال و ارزشمند تبدیل شده اند. به عنوان مثال در شهرهایی چون سنگاپور و گویانگ کره، سیستم-های مجهز به تکنولوژی ویدئوی هوشمند در حال بکار گرفته شدن در مراکز فرماندهی و مراکز نظارتی هستند تا با کارایی و کارآمدی بیشتری به مبارزه با جرائم پرداخته شود.

در شهر سنگاپور، با کمک آگاهی نسبت به شبکه های عظیمی از دوربین های نظارتی موجود در جزیره های این کشور، تکنولوژی تشخیص چهره در حال مورد آزمایش قرار گرفتن است. سیستم ویدئویی مجهز به هوش مصنوعی قادر به تشخیص چهره ی افراد در یک محیط شلوغ و همچنین جدا کردن افراد موردنظر در لیست پیگیری نیروهای پلیس میباشد.

در شهر گویانگ نیز بکارگیری و مدیریت یکپارچه  و 24 ساعته سیستم های نظارتی-امنیتی به کمک سیستم های مجهز به هوش مصنوعی امکان پذیر شده است؛ این سیستم ها با استفاده از آنالیتیک های ویدئویی به انجام این دست کارهای دشوار میپردازند و به هر یک از کارکنان اجازه میدهند تا به بازبینی همزمان حدود 100 دوربین  پرداخته و به حفظ منابع ارزشمند شهری کمک کنند.

با پیشرفت صنعت نظارت، تکنولوژی ویدئویی مجهز به هوش مصنوعی تاثیر به مراتب بیشتر و عمیقتری روی صنعت نظارت ویدئویی میگذارد. طبق تخمین های صورت گرفته، تا سال 2020 حدود 1 میلیارد دوربین ویدئویی متصل به پلتفرم های  هوش مصنوعی وجود خواهد داشت و در سال 2019 این روند به صورت گسترده شروع به قدرت گرفتن خواهد نمود.

تکنولوژی ویدئویی: یک باید در استراتژی آی.تی هر شرکت

در شرکت های مدرن امروزی، پیشگامان بیزینسی و تصمیم گیرندگان کلیدی علاوه بر اهمیت قائل شدن برای ایمنی و امنیت سرمایه های کمپانی ها، روی آگاهی بهتر نسبت به فرآیندها و محیط های بیزینسی تاکید میکنند. دقیقا اینجاست که تکنولوژی ویدئویی هوشمند قادر به بهبود عملکرد بیزینسی و کاستن هزینه های عملیاتی خواهد بود.

بخش خرده فروشی نمونه ای از صنعتی است که به صورت کامل آماده ی استفاده از مزیت های تکنولوژی ویدئویی پیشرفته میباشد.

این صنعت راه زیادی را از گذشته تا به کنون آمده است؛ درگذشته به دوربین های ویدئویی تنها به عنوان سرمایه های ایمنی و امنیتی نگاه میشده است. در واقع خرده فروشان امروزی از گستره ی عظیمی از ابزارآلات و قابلیت های قدرتمند برخوردار هستند؛ اینترنت اشیاء (IoT) و سیستم های آنالیتیک ویدئویی از جمله این ابزارآلات و قابلیت ها هستند که به خرده فروشان اجازه میدهند تا آگاهی بیشتری نسبت به رفتار مشتریان خود و مسیر حرکت آنها در داخل مغازه کسب کنند.

به عنوان مثال، ویدئوی هوشمند قادر به تشخیص ورود یک فرد به فروشگاه و دنباله روی حرکات او در داخل فروشگاه میباشد. این کار باعث شکل گرفتن نقشه ای حرارتی میشود که به خرده فروشان اجازه میدهد تا متوجه شوند که هر یک از افراد به چه مدتی به یک ویترین نگاه کرده اند، قسمت های موردپسند فروشگاه کجا هستند و اینکه خریداران کدام قسمت ها را نادیده گرفته اند. این موضوع به خرده فروشان کمک میکند تا متوجه شوند چه کسی محصولات را بهتر معرفی و ارائه کرده و به صورت کارآمدتری شروع به انجام کارهای فروشگاه میکند و همچنین اینکه چه کسی روی کمپین های بازاریابی تاثیر بیشتری میگذارد.

همچنین ویدئوها قادر به تشخیص صف افراد هستند، بدین شکل خرده فروشان میتوانند زمان های بخصوصی که به پرسنل بیشتری نیاز است را متوجه شوند و در زمان هایی که به صورت غیرمنتظره سر پرسنل با تعداد زیاد مشتریان شلوغ میشود به پرسنل خود نسبت به باز کردن یک گیشه ی جدید آموزش دهند. همه ی این موارد به خرده فروشان کمک میکند تا از منابع انسانی خود به صورت بهینه استفاده کنند.

برای خرده فروشان، چنین استراتژی داده-محوری باعث کاهش هزینه های مربوط به نگهداری از مشتریان و زمان لازم برای ایجاد پروفایل های کاربران میشود. از سوی دیگر با کمک این استراتژی، مشتریان مزایای مضاعفی از لحاظ خدمات و محصولات بهتر دریافت میکنند.

ویدئو و اینترنت اشیاء نیروهای متصل به یکدیگری که از طریق نوآوری های تکنولوژی باعث تغییر بیزینس ها میشوند.

با افزایش تعداد دستگاه های متصل به یکدیگر از طریق تکنولوژی IoT و فوران کل داده های تولید شده، آنالیتیک های ویدئویی باعث افزایش سرعت خودکارسازی حجم بالای داده های غیرساختارمند میشوند؛ بدین شکل بینش و دانشی ایجاد میگردد که به کمک آن میتوان کاری انجام داد و ارزش های بیزینسی را قفل گشایی نمود.

طبق پیش بینی گارتنر، تا سال 2020 به جای آنالیز محتواهای (ویدئویی/تصویری) شرکتی توسط انسانها، حدود 99 درصد از این محتواها توسط ماشین ها آنالیز میگردند، بیشتر از 30 درصد در سال 2018. این پیش بینی با کمک جمع آوری پیشرفته داده ها و اتوماسیون سیستم ها، سرویس و نرم افزارها به واقعیت تبدیل خواهد شد، چرا که این کارها همچنان باعث افزایش میزان ویدئوها و نوآوری های آنالیتیکی ویدئویی میشوند.

به عنوان مثال در هارتفورد، ایالت کانکتیکات آمریکا، مجریان قانون این منطقه با بکارگیری تکنولوژی ویدئویی توانستند یک مرکز مواد مخدر را با کمک حجم بالای ترافیک مشکوک اطراف آن خانه شناسایی کنند. کارگاهان مربوطه، به جای بکارگیری تعداد زیادی از منابع خود برای تحت نظر گرفتن محل موردنظر در خودروها و یا در پشت بام ها توانستند در کمتر از یک دقیقه شواهد کافی را برای حمله به خانه موردنظر به دست آورند و بدین شکل حدود 32 ساعت کاری در انجام این ماموریت صرفه-جویی کنند.

آینده ی ویدئوها

پیشرفت های صورت گرفته در صنعت نظارت ویدئویی، ارگان های مختلف را بر آن داشته است که روی رویکرد خود نسبت به سیستم های ویدئویی تجدیدنظر کنند. از امن نگه داشتن شهرهای هوشمند گرفته تا بهینه سازی فروشگاه های خرده فروشی، آینده-ی ویدئوها امیدوارکننده به نظر میرسد. هنگامی که بیزینس ها شروع به دیدن موارد کاربرد بخصوص و عملی سیستم های نظارت ویدئویی میکنند، شاهد بکارگیری وسیع ویدئوهایی فراتر از امنیت در صنایع مختلف خواهیم بود.

منبع: مجله a&s

مقالات

50 شرکت امنیتی برتر: تکنولوژی غیرقابل انکار – AI

Posted on by مدیر

اگر قرار باشد که یک روند امنیتی بزرگ را در طول 12 ماه گذشته معرفی کرد، میتوان از موتورهای آنالیتیکی پیشرفته ای نام برد که اغلب به عنوان هوش مصنوعی یا AI از آنها یاد میشود. در این مقاله نحوه ی کمک این آنالیتیک­ ها به ارتقاء وضع امنیت و دلیل مخالفت برخی از فعالین این صنعت با این اصطلاح «AI» مورد بحث و بررسی قرار خواهد گرفت.

در مقایسه با آنالیتیک­ های اغراق­ شده در گذشته که وعده هایی بیش از توان اجرایی خود میداده اند، موتورهای آنالیتیکی امروزی به سطح مشخصی از تکامل رسیده و در زمینه­ هایی چون تشخیص اشیاء، جستجوی هوشمند و سایر کاربردها سودمند واقع شده­ اند. فاکتورهایی چون قدرت محاسباتی بالاتر، الگوریتم های پیشرفته ­تر، دسترسی وسیعتر به داده­ هایی که بتوان با کمک آنها به آموزش سیستم­ ها پرداخت و میزان آگاهی شما از تقاضای یک بازار، همگی به امکان پذیر شدن قابلیت­ های امروزی موتورهای آنالیتیکی کمک نموده­ اند.

نتیجه نهایی، راهکارهایی است که به کاربران کمک میکنند تا کارایی و آگاهی موقعیتی بیشتری به دست آورند. بکارگیری هوش مصنوعی AI در کنار تکنولوژی و نرم­ افزار آنالیتیک ویدئویی به شکل قابل توجهی باعث رشد بازار شده است و تا حد زیادی در حال کمک به روبه ترقی نگه داشتن چشم اندازهای رشد بازار میباشد. از آنجایی که این تکنولوژی باعث ایجاد دسترسی کارآمدتر و آسوده ­تر به تصاویر و ویدئوها شده و در نتیجه اتخاذ تصمیمات و تشخیص تهدیدها را با کارایی بیشتری بهبود بخشیده، استفاده از آن در حال افزایش است. بکارگیری تکنولوژی AI در سیستم­های امنیتی برای ارائه راهکارهای امنیت پیرامونی هوشمند بسیار موثر هستند؛ این راهکارهای امنیتی که تماما به صورت خودکار عمل میکنند، با کمک هوش مصنوعی مزاحمین را شناسایی کرده و بر اساس دستورالعمل های داده شده به سیستم به هنگام تجزیه ­و­تحلیل شرایط در محل رخداد به اتخاذ اقدامات مقتضی میپردازند.

به قطع میتوان گفت که تکنولوژی هوش مصنوعی (AI﴾ قویتر از هر زمان دیگری در حال به قبضه در آوردن بازار امنیت است، آن هم بدین خاطر که سیستم­­های نصب شده در حال بزرگ و بزرگتر شدن بوده و در مقایسه با گذشته تعداد سنسورها و دوربین­های بیشتری در حال بکار گرفته شدن هستند. از این رو، آگاهی یافتن از تمامی اطلاعات ورودی برای انسانها امکان ­ناپذیر خواهد بود. بنابراین برای گرفتن حداکثر نتیجه از نصب سیستم امنیتی خود، باید از هوش مصنوعی استفاده کنید تا بتوانید به نحو احسن از سیستم امنیتی نصب شده جهت بیرون کشیدن و تفسیر اطلاعات استفاده ببرید.

حقیقت این است که در مقایسه با گذشته، امروزه تعداد دوربین­ها و ویدئوهای ضبط شده ی بیشتری وجود دارد؛ این بدین معناست که اپراتورهای امنیتی باید با سرعتی مشابه این پیشرفت­ ها حرکت کرده و با چنین  چالشی دست و پنجه نرم کنند. ­موضوع حائزاهمیت دیگر این است که افراد محدوده توجه کوتاهی دارند. با این حال، هوش مصنوعی (AI) تکنولوژی است که میتواند به غلبه بر این چالش کمک کند؛ هوش مصنوعی در مقایسه با انسانها خستگی ناپذیر بوده و قادر به پردازش تعداد داده ­های ویدئویی بیشتری است. نقش هوش مصنوعی در امنیت دگرگون کننده است. نرم ­افزارهای مدیریت ویدئویی که با هوش مصنوعی کار میکنند به اپراتورهای امنیتی کمک میکنند تا کارآمدتر و موثرتر در کار خود عملکرد داشته باشند.

با از میان رفتن نیاز به مشاهده ­ی مداوم صفحه نمایش ویدئوها و خودکارسازی عملکرد «تشخیص» در نظارت، تکنولوژی AI به اپراتورها اجازه میدهد تا روی چیزی که خوب انجام میدهند متمرکز شوند: تایید و صورت دادن اقدامات لازم در صورت وقوع رخدادهای مهم. این کار علاوه بر سرعت بخشیدن به مراحل انجام تحقیقات قانونی، امکان عکس­ العمل نشان دادن به اتفاقات رخ داده را نیز فراهم میسازد.

یکی از نمونه کاربردهای مفید تکنولوژی AI مربوط به جستجوی هوشمند است؛ در این کاربرد، کاربر مربوطه میتواند به جای تماشای ساعت­ها ویدئوی نظارتی ضبط شده، با وارد کردن سوالات مربوط به ویدئوی مورد جستجو، به سرعت ویدئوی موردنظر را دریافت کند.

این آنالیتیک­ها کاربردی بسیار فراتر از جستجوی هوشمند را دارا هستند. به عنوان مثال، با کمک هوش مصنوعی کار تشخیص چهره را میتوان بسیار کارآمد و دقیق انجام داد، چرا که چهره­ ی هر فرد با چهره­ های موجود در پایگاه داده تطابق داده میشود، حتی اگر فرد موردنظر روی صورت خود ماسک کشیده و یا با لباس مبدل جلوی دوربین ظاهر شده باشد.

هوش مصنوعی/یادگیری عمیق نویدبخش بهبود چشمگیر عملکرد کاربردهای فعلی آن و معرفی ویژگی­های پیشرفته جدیدی است که پیشتر امکان­ پذیر نبوده است. فرقی نمیکند که چالش موردنظر تشخیص ویدئویی یک چهره ­ی مبدل در ازدحام باشد و یا بیرون کشیدن صدای فردی حاضر در یک تخلف امنیتی از میان نویزهای محیطی اطراف آن، هوش مصنوعی وعده­ ی عملکرد بهتر و آینده­ ای هیجان­ انگیزتر از‌ آن را میدهد.

مخالفت با اصطلاح «AI»

برخی از فروشندگان و مشاورینی که با آنها صحبت میشود، مخالف اصطلاح «AI» هستند. به نقل از این دست از افراد، تکنولوژی­ هایی که امروزه مورد استفاده قرار میگیرند در بهترین حالت از آنالیتیک­های پیشرفتهاستفاده میکنند، نه هوش مصنوعی! آنچه این تکنولوژی­ها ادعا میکنند با هوش مصنوعی فاصله بسیاری دارد. به نقل از یکی از این تحلیلگران، افراد باید مراقب استفاده­ ی خود از کلمه ­ی AIباشند، چرا که ادعاهای زیادی مبنی بر به ارمغان آوردن پیشرفت­ های بزرگ توسط AI وجود دارد. هوش مصنوعی واقعی با ما فاصله زیادی دارد و به این زودی خودروهای پرنده و یا حتی خودروهای خودران را در اختیار ما قرار نخواهد داد.

این موارد جزء «آنالیتیک­های پیشرفته» دسته بندی میشوند، نه « هوش مصنوعی»! هوش مصنوعی اصطلاحی وسیعتر بوده و شامل قابلیت­هایی فراتر از تشخیص اشیاء و طبقه بندی آنها میشود. هوش مصنوعی به این معناست که کامپیوتر کم و بیش به «فکر» میپردازد. برای آنکه کامپیوتر به فکر بپردازد، تکنولوژی­های پیچیده­ ی زیادی چون یادگیری ماشین، یادگیری تقویتی، شبکه ­های مولد تخاصمی (این شبکه ها بر اساس رویکرد تئوری بازی­ها بناگذاری شده­اند که در آن یک شبکه یادگیری عمیق که مولد نامیده میشود با یک روند تخاصمی رقابت می­کند) و یادگیری داده افزوده باید با یکدیگر ترکیب شوند.

طبق نظر این تحلیلگران، تکنولوژی امروز به یک عامل پیش­ بینی کننده نیاز دارد – به عنوان مثال، تشخیص و پیش­ بینی اینکه آیا فردی قصد انجام کاری بد را دارد، چرا که این فرد در حال نشان دادن رفتاری نامتناسب با پروفایل رفتاری خود است.

الگوریتم­ های “خود-یادگیرنده”ی زیادی در بازار موجود است. و این الگوریتم­ها مدت­ها پیش از الگوریتم­ های نویدبخش کنونی که بر اساس شبکه­ های نورونی کار میکنند، شکل گرفته و توسعه یافته ­اند. این الگوریتم ­های خود-یادگیرنده که قادر به تهیه تصاویر از اشیاء و مقایسه سرعت آنها با میانگین سرعت اشیاء حاضر در صحنه هستند، بسیار ابتدایی­ اند. به ندرت میتوان انتظار داشت که این الگوریتم ­ها بتوانند به صورت خودکار رفتار مشکوک یک فرد را شناسایی کرده و تشخیص دهند. در حال حاضر شبکه ­های نورونی قادرند که به صورت استثنایی به تشخیص هرگونه شیء ثابتی که تصور کنید بپردازند: از چهره­ های افراد گرفته تا اشیاء موجود روی اسکنر اشعه-ایکس. علاوه بر این، شبکه­ های نورونی پیچیده سه بعدی 3D وجود دارد که اخیرا پا به بازار گذاشته ­اند. این الگوریتم ­ها به افراد اجازه میدهند تا الگوی پیچیده حرکت را ارزیابی کرده و بدین شکل به طبقه ­بندی رفتار اشیاء بپردازند. اما پیش از بکارگیری کامل این تکنولوژی در سیستم­های امنیتی موجود در بازار، باید کارهای زیادی انجام شده و مسائل زیادی حل­ و­فصل شوند. به محض حل شدن این مسائل میتوان توسعه و تولید سیستم­های نظارتی بازدارنده را آغاز نمود.

به نقل از یکی از متخصصین، هوش مصنوعیقابلیت­های زیادی را برای حل مشکلات قدیمی ارائه کرده است که این قابلیت­ها شامل تشخیص چهره یا تشخیص یک فرد/وسیله نقلیه میشود. محصولات AI-محور هنوز به صورت گسترده نشان نداده­ اند که میتوانند تصمیمات پیچیده­ تری چون موارد زیر را اتخاذ کنند: «آیا این فرد در حال نشان دادن رفتاری مشکوک از خود است؟» یا اینکه «آیا این کار برای این فرد، برای این صحنه، برای این محیط طبیعی به نظر میرسد؟»

هرچند که این بدان معنا نیست که این آنالیتیک­های پیشرفته – فارغ از اینکه چه نامیده شوند – ذاتا هیچگونه ارزشی ندارند. میتوان گفت که آنالیتیک­های پیشرفته خود به تنهایی یک تکنولوژی پیچیده و قدرتمند هستند. این تکنولوژی ابعاد فوق­العاده ­ای را رو به تمامی ابعاد زندگی باز میکند. و سیستم­های نظارتی تنها بخشی از این تکنولوژی بزرگ هستند.

یادگیری ماشین و استدلال آماری موجود در برنامه­ هایی که القاکننده ­ی تصور هوشمندی هستند، باعث بهبود کارایی و عملکرد برای کاربران میشود. پیشرفت­های اخیر صورت­ گرفته در تکنیک­های یادگیری ماشین، مخصوصا در شبکه­ های نورونی عمیق در دسترس همه­ ی افراد قرار گرفته­ اند.

برگرفته از مجله a&s

مقالات

5 شکل بکارگیری هوش مصنوعی در صنعت خودروسازی

Posted on by مدیر

هوش مصنوعی (AI﴾ صنعت خودروسازی را به قبضه خود در آورده است و حال آنکه تمامی فعالین بزرگ صنعت خودروسازی مشغول بکارگیری منابع و تکنولوژی های خود هستند تا به مطلوبترین خروجی برسند.

زیبایی دستگاه های مجهز به هوش مصنوعی در آن نهفته است که این سیستم ها به دنبال یادگیری از تمامی ورودی های سنسوری همچون صداها و تصاویر هستند.

به همین شکل هنگامی که این هوشمندی در تکنولوژی موجود در یک خودرو گنجانده میشود، خودروی مربوطه محیط پیرامون خود را شناسایی کرده و هنگام حرکت یا مواجه شدن با موانع به ارزیابی علائم محیطی میپردازد.

در سال 2015، نرخ نصب و بکارگیری سیستم های هوش مصنوعی-محور در خودروهای جدید تنها 8٪ بوده است، اما تا سال 2025 انتظار میرود که این نرخ به 109٪ افزایش پیدا کند. این افزایش بخاطر نصب و بکارگیری سیستم های AI مختلف در وسایل نقلیه خواهد بود.

راندن خودروهای بدون راننده با کمک هوش مصنوعی

تفکر پشت خودروهای بدون راننده از حوالی سال 1970مطرح شد و از این جهت میتوان گفت که این پدیده موضوع جدیدی نیست. خودروهای مجهز به هوش مصنوعی که در فیلم های سالهای گذشه به تصویر کشیده شده اند همیشه تصورات ما را درگیر خود نموده اند. اما به احتمال زیاد، کمبود آگاهی فنی و منابع از جمله موانعی بوده اند که مانع به حقیقت پیوستن این تصورات تاچند سال اخیر شده اند. به تدریج تمامی فاکتورهایی که منجر به هوش مصنوعی میشدند شکل گرفتند و در حال حاضر شاهد به حقیقت پیوستن تولید خودروهای بدون راننده هستیم.

اما دیدن هوش واقعی در این نوع ماشین ها موضوعی است که نیاز به زمان دارد. ایده ی پشت تولید این نوع ماشین ها این بوده است که خودروها بتوانند بدون راننده ی انسانی و در شرایط مختلف خود به تنهایی به رانندگی بپردازند. شاید این کار آسان به نظر برسد، اما به هیچ وجه اینگونه نیست! چرا که برای انجام این کار به محاسبات بسیار دقیقی احتیاج است.

از طریق تکنیک هایی چون تلفیق سنسورها و یادگیری عمیق، محقیقن موفق به توسعه تکنولوژی شدند که به ایجاد یک نقشه سه بعدی از تمامی اتفاقات رخ داده در اطراف خودرو کمک میکند.

برخی از شرکت های بزرگ در زمینه تکنولوژی و خودروسازی همچون گوگل و تسلا، میلیونها دلار از پول خود را صرف پژوهش در مورد خودروهای بدون راننده نموده اند تا بدین شکل به یک تکنولوژی بهتر دست پیدا کرده و خودروهای خودگردان/خودران را به یک واقعیت تجاری تبدیل کنند.

حال بیایید به اشکال مختلفی که هوش مصنوعی به پیشرفت و توسعه صنعت خودردوسازی در آینده کمک میکند نگاهی بیاندازیم:

1. یادگیری ماشین

هوش مصنوعی ﴿AI﴾ نوعی هوش است که در نتیجه بهترین آزمایشات علمی مطرح شده و توسعه پیدا کرده است. هنگامی که این هوش در دستگاه ها و ماشین ها بکار گرفته میشود، آنها را به دستگاه/ماشین هایی مبدل میسازد که تا حد زیادی همچون انسانها عمل میکنند. با این حال، هوش مصنوعی با یادگیری عمیق متفاوت است. در هوش مصنوعی، دستگاه ها به شکلی به انجام کارها میپردازند که انسانها آن را هوشمند تلقی میکنند. یادگیری ماشین یا ML یکی از کاربردهای هوش مصنوعی است که در آن به ماشین ها یک سری داده ی بخصوص داده میشود و آنها به خودی خود شروع به یادگیری بر اساس این داده ها میکنند. یادگیری ماشین در حقیقت زیرمجموعه ای از هوش مصنوعی AI تلقی میگردد.

شرکت تویوتا یک گام جلوتر پیش رفته و از بیگ دیتا ﴿کلان داده﴾، یادگیری ماشین و هوش مصنوعی در جهت تولید سیستم های خودگردان به شدت حساسی بهره جسته است که به سهولت حرکت «افراد کم توان در رانندگی» کمک میکند.

2. یادگیری عمیق

یادگیری عمیق فرآیندی است که با کمک آن یادگیری ماشین بکار گرفته میشود. با کمک یادگیری عمیق است که بسیاری از فعالیت های هوش مصنوعی بدون هیچگونه شکستی صورت میپذیرند. یادگیری عمیق به سیستم ها کمک میکند تا وظایف خود را به بخش هایی قابل مدیریت تقسیم کنند. نرم افزار موجود در یادگیری عمیق قادر به یادگیری است و پس از آن شروع به تقلید از فعالیت های لایه های نورونی مغز ما میکند.

تکنیک های یادگیری عمیق در صنعت خودروسازی بسیار سودمند واقع شده است، چرا که این تکنیک ها در زمینه سیستم های پیشرفته راهنمای رانندگی و رانندگی خودکار کمک میکنند. این موارد تنها کاربردهای یادگیری عمیق در داخل خودروها بوده اند. تکنولوژی یادگیری عمیق نقش پررنگی را در خارج از محیط خود خودروها نیز ایفا میکند – در طول تولید، فروش و خدمات پس از فروش. حتی در سرویس هایی که تا کنون تکنولوژی در آنها تا حدودی مبهم به نظر میرسید، تکنولوژی یادگیری عمیق تفاوت ایجاد کرده و پیشرفت بزرگی را رقم زده است.

3. اینترنت اشیا ء ﴿IoT﴾

اینترنت اشیاء تاثیری انکارناشدنی روی صنعت خودروسازی داشته است و همچنان مستعد قوی تر شدن در سالهای پیش رو نیز هست. خودروهایی که به تازگی تولید شده اند مجموعه ای از مواردجدید را به همراه خود دارند – سنسورهای هوشمند، قابلیت های تجزیه و تحلیل محیطی با کمک بیگ دیتا، کاربردهای اتصال گنجانده شده در خود سیستم.

با توجه به ویژگی های رویایی این خودروها، صاحبان این سیستم ها میتوانند از مزیت برخی ویژگی ها بهره مند شوند. برخی از این ویژگی ها عبارتند از:

  • فروشندگان یا تولیدکنندگان این سیستم ها از طریق نرم افزارهای بروزرسانی بیسیم، فریمور خودروها را بروزرسانی میکنند.
  • در صورتی که یک وسیله نقلیه در یک روز به خصوص برای سرویس یا تعمیر شدن برنامه ریزی شده باشد، داده های مربوط به عملکرد خودرو به مرکز تولیدکننده/فروشنده/خدمات رسانی ارسال خواهد شد.
  • تولید کنندگان خودروها میتوانند تنها از طریق یک نرم افزار مشخص به حل و فصل برخی از مسائل مربوط به عملکرد خودرو بپردازد و دارنده ی خودرو مجبور به تهیه یک لیست بلند بالای خرید نخواهد شد.
  • کمپانی هایی که دارای مجموعه ای از وسایل نقلیه خود هستند میتوانند با کمک پارامترهای امنیتی ارتقاء یافته، به صورت یک شکل به مدیریت خودروهای خود بپردازند.
  • کیفیت تولید ارتقاء یافته از طریق فرآیندهای اینترنت اشیاء (IoT) امکان پذیر است.
  • در صورت وقوع موارد نیازمند فوریتهای پزشکی، سنسورهای هوشمند خودرو پرسنل پزشکی مربوطه را فراخوانده و خواهند فرستاد.

 

 

4. قابلیت های ادراکی

انقلاب رانندگی بدون راننده در گوشه و کنار خیابانها به مسیر خود ادامه خواهد داد و افراد نه تنها شاهد بکارگیری قابلیت های هوش مصنوعی در خودروهای کوچک خواهند بود، بلکه کامیون های 18-چرخی را خواهند دید که مجموعه ای از کالاها را با خود حمل میکنند. این امر با کمک آنالیزهای ادراکی یک گام پیشتر آمده است، چرا که این آنالیزها با نگاه کردن به الگوهای رفتاری و قابلیت های داده کاوی به تقلید از رفتار افراد میپردازند.

سیستم های ادراکی باید عملکردی همچون یک انسان را در تفسیر شرایط واقعی داشته باشند. برای انجام این کار داشتن فهم و آگاهی عمیق نسبت به داده های غیرساختار-یافته ضروری است.

این دانش و آگاهی با کمک کسر بزرگی از داده های غیرساختار-یافته به دست می آید تا روی چگونگی نشان دادن عکس العمل طبیعی به صورت همزمان با وقوع رخداد تصمیم گیری صورت گیرد.

این قابلیت های ادراکی همچنین قادر به کنترل شرایط عملیاتی پویا و دینامیک خواهند بود. در حال حاضر تولیدکنندگان خودروها شروع به گنجاندن این نوع قابلیت ها در خودروهای خود نموده اند. به عنوان مثال، شرکتBMW با همکاری شرکت IBM تلاش نموه است تا این قابلیت های ادراکی را به خودروهای خود بیافزاید.

5. سیستم های اطلاع رسانی و سرگرمی

هوش مصنوعی، سیستم های اطلاع رسانی و سرگرمی موجود در خودروها را به شکل عظیمی تغییر میدهد. به خاطر این روند، تقاضا برای راهکارهای سخت افزاری و نرم افزاری باکیفیت نیز افزایش یافته است، چرا که تمام این سیستم ها باید سازگار با تکنولوژی هوش مصنوعی AI باشند.

در گروه سیستم های اطلاع رسانی و سرگرمی میتوانید شاهد پیشرفت و توسعه ویژگی های زیر باشید: تشخیص صدا، دنباله روی مسیر حرکت چشم، بازبینی رانندگی، تشخیص حرکات بدن و پایگاه داده زبان های طبیعی ﴿زبان طبیعی، قابلیت یک رایانه برای درک چیزی است که انسان در قالب کلام به او می‌گوید﴾. به مرور زمان این پیشرفت ها یک گام جلوتر خواهند رفت تا سیستم های ارزیابی شرایط راننده، سیستم های دید ماشینی متصل به دوربین، واحدهای کنترل موتور ترکیب سنسورها و واحدهای تشخیص رادار-محور را درنظر گرفته و در خود بگنجانند.

اینترفیس های ماشینی-انسانی مربوط به سیستم های سرگرمی و اطلاع رسانی وجود دارد که قبلا به خودروها متصل شده اند. این اینترفیس ها میتوانند طبق الگوریتم های به دست آمده از شبکه های نورونی ابر-محور به بازبینی پرداخته و عمل کنند. از این قابلیت بعدها میتوان برای انجام کارهای پیشرفته استفاده نمود.

نتیجه

با کمک قابلیتهای هوش مصنوعی افراد میتوانند شاهد نوع جدیدی از راندن خودروها ﴿پدیده «ابرها به خودروها»﴾ باشند. توسعه دهندگان این نوع سیستم ها با کمک قدرت محاسباتی فوق العاده ی موجود خود قادر به ساخت اپلیکیشن هایی شده اند که هوش مصنوعی را به مرحله ی جدیدی از کمال رسانده اند.

استفاده از هوش مصنوعی محدود به خودروهایی که به خودی خود و در شرایط گوناگون همچون یک راننده ی واقعی میرانند نمیشود. علاوه بر این، هوش مصنوعی به ساخت خودروهای ارزانتری کمک میکند که قادر به حس کردن محیط بوده و علیرغم تمام موانعی که ممکن است در جریان رانندگی سر راه افراد قرار بگیرد قادر به راهیابی باشند.

منبع: Bigdata-Madesimple

مقالات

50 شرکت امنیتی برتر: روندهای تکنولوژی 2019

Posted on by مدیر

با به پایان رسیدن سال 2018، بسیاری از افراد به دنبال آن هستند که ببینند کدام یک از تکنولوژی­های امنیتی در سال 2019 رایج خواهند بود. 50 شرکت امنیتی برتر در سال 2018، برخی از این تکنولوژیها را معرفی نموده­ اند که خلاصه ­ای از آنها در ادامه این مقاله آورده شده است.

1. امنیت سایبری

از لحاظ تکنولوژیک، امنیت سایبری همچنان به عنوان موضوعی داغ در سال 2019 مطرح خواهند ماند. در واقع طبق طبقه­ بندی ارائه شده توسط انجمن صنعت امنیتی آمریکا ((SIA، امنیت سایبری نخستین رتبه را از میان 10 روند عظیم امنیتی از آن خود نموده است؛ انتظار میرود که این 10 روند عظیم امنیتی، صنعت امنیت را در سال 2019 شکل دهند. از میان تهدیدات سایبری موجود در مورد دستگاه ­های امنیتی که روز به روز بیشتر از پیش به سوی سیستم­ های تحت شبکه مهاجرت میکنند، فروشندگان این نوع سیستم ­ها باید ثابت کنند که راهکار­های آنها در مقابل حملات و هک­های صورت گرفته مقاوم هستند. در سال 2019، امنیت سایبری همچنان به عنوان موضوعی مهم مطرح خواهد بود و اقدامات مربوط به مقاوم­سازی در برابر حملات سایبری همچنان به عنوان وجهی کلیدی در توسعه محصولات باقی خواهند ماند.

2. هوش مصنوعی/ یادگیری عمیق

لازم به گفتن نیست که هوش مصنوعی و آنالیتیک­های پیشرفته همچنان در زمینه صنعت امنیت حکمرانی خواهند نمود. هوش مصنوعی/ یادگیری ماشین/ یادگیری عمیق، یک روند تکنولوژی مداوم خواهد بود که قادر به بهبود بخشیدن قابل ­توجه عملکرد و قابلیت­های سیستم­ های امنیتی است.

3. محافظت از حریم شخصی

با این حال با مطرح­ شدن تکنولوژی هوش مصنوعی، چگونگی استفاده و محافظت از داده ­ها به مسئله ­ای اساسی تبدیل خواهد شد. البته باید گفت که بحث­ های زیادی حول هوش مصنوعی و یادگیری عمیق در این صنعت وجود دارد. علاوه بر این انتظار میرود که تاکید زیادی روی بحث حریم شخصی و شخصی­ سازی صورت بگیرد. دغدغه­ های موجود حول رویکرد یک شرکت نسبت به مسئله حریم شخصی و استفاده از داده ­های شخصی، یکی از تاثیرگذارترین جنبه ­های پیشرفت یک بیزینس خواهد بود.

4. محاسبات اج محور

در ارتباط نزدیک با تکنولوژی هوش مصنوعی/ یادگیری عمیق میتوان به محاسبات اج-محور اشاره نمود که به زودی برای انجام الگوریتم ­های پیچیده، قدرتمندتر خواهد شد؛ علاوه بر این، برای فهم تمامی داده­ های جمع آوری شده، محاسبات ابری به کار گرفته خواهند شد.

همچنین منابع پیشرفته ای برای محاسبات اج-محور موجود خواهد بود که باعث هوشمندتر شدن دستگاه­ های اج محور، پذیرش بیشتر راهکارهای ابر-محور در صنعت و استفاده هوشمندتر از تکنولوژی ­های ابری برای تجزیه ­و­تحلیل عمیق­تر رخدادها خواهد شد.

5. اعتبارسنجی موبایلی

در زمینه کنترل دسترسی، سیستم های کنترل دسترسی بیسیم و سیستم­های اعتبارسنجی موبایلی پذیرش بیشتری را در بازار به دست خواهد آورد. در مقایسه با استفاده از کارت­های پلاستیکی، اعتبارسنجی از طریق گوشی­های هوشمند با استقبال زیادی مواجه شده است.

برگرفته از: مجله a&s

مقالات

هوش مصنوعی و خودروهای خودگردان

Posted on by مدیر

هوش مصنوعی (AI)، صنعت خودروسازی را تحت کنترل خود گرفته است تا بدین شکل تولید خودروهای خودگردان سطح-4 و سطح-5 کلید بخورد. شاید این سوال برای شما پیش بیاید که چرا علیرغم پیدایش و مطرح شدن هوش مصنوعی از سال 1950، این تکنولوژی به تازگی سر زبانها افتاده و شهرت یافته است؟ به صورت ساده شاید بتوان گفت که دلیل رشد سریع تکنولوژی هوش مصنوعی، وجود حجم بالای داده هایی است که امروزه در اختیار افراد قرار دارد. با کمک دستگاه ها و سرویس های متصل به هم، افراد میتوانند در هر صنعتی به جمع آوری داده ها بپردازند و در نتیجه آنچه را که برای آغاز انقلاب هوش مصنوعی AI لازم است تامین کنند. علیرغم تلاش های صورت گرفته برای بهبود سریع سنسورها و دوربین ها برای تولید داده های مربوط به خودروهای خودگردان، شرکت انویدیا در ماه اکتبر سال 2017 از نخستین کامپیوتر هوش مصنوعی خود پرده برداری کرد تا امکان یادگیری عمیق، بینایی رایانه ای و الگوریتمهای محاسباتی موازی را فراهم سازد. تکنولوژی هوش مصنوعی AI به بخش مهمی از تکنولوژی خودروهای خودگردان تبدیل شده است و دانستن چگونگی کارکرد این تکنولوژی در خودروهای خودگردان و متصل به یکدیگر حائزاهمیت است.

هوش مصنوعی چیست؟

مهندس کامپیوتری به نام جان مک کارتی، اصطلاح «هوش مصنوعی» را در سال 1955 ساخت. تعریفی که از هوش مصنوعی ارائه میشود بدین شرح است: توانایی یک برنامه کامپیوتری یا ماشین برای فکر کردن، یادگیری و اتخاذ تصمیمات. در استفاده ی کلی، این اصطلاح به معنای ماشینی است که قوه ی فهم انسانی را جعل میکند. با کمک تکنولوژی هوش مصنوعی AI، برنامه های کامپیوتری و ماشین ها قادر به انجام کارهایی میشوند که پیشتر انسان ها انجام میداده اند. این برنامه ها و ماشین ها با حجم زیادی از داده های تجزیه و تحلیل و پردازش شده تغذیه میشوند تا در نهایت قادر به تفکر به صورت منطقی  و انجام کارهای انسانی شوند. فرآیند خودکارسازی کارهای تکراری انسان ها تنها بخش کوچکی از کوه یخی بزرگ به نام هوش مصنوعی را تشکیل میدهد. تجهیزات مربوط به تشخیص بیماریها و خودروهای خودگردان همگی با هدف نجات جان انسانها، شروع به بکارگیری تکنولوژی هوش مصنوعی AI نموده اند.

رشد هوش مصنوعی در صنعت خودروسازی

طبق گزارش های موجود پیش بینی شد که در سال 2017 بازار AI در صنعت خودروسازی ارزشی برابر 783$ میلیون دلار داشته و تا سال 2025 با ترکیب نرخ رشد سالانه ای برابر 38.5٪ این ارزش به 11$ هزار میلیون دلار خواهد رسید.  طبق پیش بینی آی.اچ.اس مارکیت، در مقایسه با نرخ بکارگیری ۸ درصدی سیستم های AI-محور در خودروهای جدید، انتظار میرود که تا سال 2025 این نرخ تا 109٪ افزایش پیدا کند. سیستم هایAI-محور در خودروهای جدید تبدیل به یک استاندارد خواهند شد، مخصوصا در دو دسته زیر:

  1.   واسط سرگرمی و اطلاع رسانی بین انسان و ماشین که شامل تشخیص صدا، تشخیص رفتار، دنباله روی مسیر حرکت چشم و بازبینی راننده، راهنمای مجازی و واسط های زبان طبیعی (پردازش زبان‌های طبیعی یکی از زیرشاخه‌های بااهمیت در حوزه گسترده علوم رایانه، هوش مصنوعی است که به تعامل بین کامپیوتر و زبان‌های (طبیعی) انسانی می‌پردازد) میشود. سیستم های پیشرفته راهنمای راننده ﴿ADAS﴾ و خودروهای خودگردان که شامل سیستم های دید ماشینی دوربین-محور، واحدهای تشخیص رادار-محور، ارزیابی شرایط راننده و واحدهای کنترل موتور و ترکیب سنسورها میشود.
  2.          تکنولوژی یادگیری عمیق که یک تکنیک برای بکارگیری یادگیری ماشین ﴿رویکردی برای رسیدن به هوش مصنوعی AI﴾ است، انتظار میرود که بزرگترین و پرسرعت ترین تکنولوژی از لحاظ رشد در بازار هوش مصنوعی خودروها باشد. در حال حاضر این تکنولوژی در حال بکار گرفته شدن در بخش هایی چون تشخیص صدا، جستجوی صدا، موتورهای پیشنهادکننده و توصیه گر، تجزیه و تحلیل احساسات، تشخیص تصاویر و تشخیص حرکت در خودروهای خودگردان میباشد.

چگونگی کارکرد هوش مصنوعی در خودروهای خودگردان

این روزها واژه ی هوش مصنوعی به اصطلاحی رایج تبدیل شده است، اما سوالی که پیش می آید این است که این تکنولوژی دقیقا چطور در خودروهای خودگردان عمل میکند؟

نخست باید به زاویه دید یک انسان نسبت به راندن یک خودرو با استفاده از عملکردهای حسی چون بینایی و شنوایی برای دیدن جاده و سایر خودروهای موجود در جاده نگاهی انداخت. هنگامی که در مقابل یک چراغ قرمز ترمز میکنیم یا منتظر عبور یک عابر پیاده از عرض خیابان هستیم، در واقع در حال استفاده ازحافظه خود برای اتخاذ چنین تصمیات سریعی هستیم. تجربه ی  به دست آمده از سالها رانندگی، ما را نسبت به جستجو برای چیزهای کوچکی که اغلب در جاده ها با آنها مواجه میشویم ﴿ شاید یک راه بهتر برای رسیدن به اداره و یا شاید یک برآمدگی بزرگ در مسیر جاده﴾ عادت میدهد.

خودروهای خودگردانی که خودشان کار راندن را انجام میدند در حال تولید و ساخته شدن هستند، اما چیزی که حائزاهمیت است ساختن خودروهایی است که همچون رانندگان انسانی به راندن خودروها میپردازند. این به معنای تعبیه نمودن یک سری عملکرد در این وسایل نقلیه است که عملکردهای حسی، عملکردهای فکری ﴿حافظه، تفکر منطقی، تصمیم گیری و یادگیری﴾ و قابلیت های اجرایی که انسانها برای راندن وسایل نقلیه مورد استفاده قرار میدهند را شامل شود. صنعت خودروسازی به صورت مداوم در حال رشد و تکامل است تا در طی چند سال اخیر موفق به نیل این هدف شود.

به نقل از گارتنر تا سال 2020 حدود 250 میلیون خودرو قادر خواهند شد که از طریق سیستم های مختلف V2X (تکنولوژی ارتباط خودرو با همه چیز) به یکدیگر و زیرساخت های پیرامون خود متصل شوند. فناوری V2Xیا Vehicle-to-Everything ارتباط بین یک خودرو را با هر چیزی که دراطرافش از آن تأثیر می‌گیرد، ممکن می‌سازد که این ارتباط می‌تواند شامل «سایر خودروها» یا خودرو با خودرو/ V2V، زیرساخت‌های مرتبط و پیرامون خودرو/ V2I یا حتی موبایل / V2P باشد که درنتیجه سیستم خودرو با یک فرد موبایل به‌دست به‌عنوان عابر یا راننده خودروی کناری ارتباط برقرار کرده و بدین ترتیب خودروی شما با هر چیز ممکنی به‌صورت لحظه‌ای ارتباط می‌گیرد تا تعاریف استاندارد را اجرا کند. هر چه میزان داده های داده شده به واحدهای IVI ﴿in-vehicle infotainment به مجموعه ای از سخت افزارها و نرم افزارهای موجود در خودردوها گفته میشود که سرگرمی های صوتی و ویدئویی را ارائه میکنند﴾ یا سیستم های برقراری ارتباط از راه دور بیشتر شود، خودروها بیشتر قادر خواهند شد که به صورت همزمان با وقوع رخداد به ضبط و به اشتراک گذاری وضعیت داخلی سیستم ها و داده های مربوط به مکان خودرو و هرگونه تغییرات صورت گرفته در اطراف خودرو بپردازند. خودروهای خودگردان در حال مجهز شدن به دوربین ها، سنسورها و سیستم های ارتباطی هستند تا وسیله نقلیه مربوطه را قادر به تولید حجم بالایی از داده ها کنند. با بکارگیری تکنولوژی هوش مصنوعی AI، وسایل نقلیه قادر به دیدن، شنیدن، فکر کردن و اتخاذ تصمیماتی چون تصمیمات رانندگان انسانی میشوند.

چرخه درک عمل AI در خودروهاي خودگردان

هنگامي كه خودروي خودگردان از فضاي اطراف خود داده توليد ميكند و اين داده ها را در اختيار يك عامل هوشمند قرار ميدهد، يك لوپ تكرارشونده به نام چرخه درک عمل ايجاد ميشود. در مبحث هوش مصنوعی، عامل هوشمند به موجودی گفته می‌شود که در یک محیط، اطراف خود را شناخته و اعمالی را روی محیط انجام می‌دهد و کلیه اعمالی که انجام می‌دهد در جهت نیل به اهدافش می‌باشد. این سیستم‌ها امکان یادگیری دارند و سپس از دانش اکتسابی خود برای انجام اهداف خود استفاده می‌کنند. این کنشگرها ممکن است بسیار ساده یا پیچیده باشند. بطور مثال ماشین‌های کوکی که با برخورد به دیوار، راه خود را عوض می‌کنند نمونه‌ای از کنشگرهای هوشمند هستند. با توجه به تعریف اراده شده، این عامل هوشمند با استفاده از داده هاي ارائه شده شروع به تصميم گيري كرده و خودروي خودگردان موردنظر را قادر به انجام يك سري عمليات خاص در آن محيط ميسازد. اين فرايند به سه بخش اصلي تقسيم ميشود:

بخش ١: سيستم هاي جمع آوري داده و سيستم هاي ارتباطي داخل خودرو

خودروهای خودگردان مجهز به تعداد زیادی سنسور، رادار و دوربین هستند که برای تولید حجم عظیمی از داده های محیطی مورد استفاده قرار میگیرند. تمامی این سیستم ها به وسیله نقلیه خودگردان کمک میکنند تا به دیدن، شنیدن و حس کردن جاده، زیربناهای جاده ای، سایر وسایل نقلیه و هرشیء دیگر موجود در/نزدیک جاده کمک میکند؛ دقیقا همانطوری که یک راننده ی انسانی به هنگام رانندگی به جاده توجه میکند. این داده ها در مرحله ی بعد توسط سوپرکامپیوترها مورد پردازش قرار میگیرند و سیستم های ارتباطی داده ها برای تبادل امن اطلاعات (ورودی) ارزشمند به پلتفرم ابری رانندگی خوگردان استفاده میشوند. وسیله نقلیه خودگردان ابتدا فضای رانندگی و/یا شرایط رانندگی بخصوص را به پلتفرم رانندگی خودگردان مخابره میکند.

بخش ٢: پلتفرم رانندگي خودگردان (ابري)

پلتفرم رانندگي خودگردان كه در فضاهاي ابري قرار دارد داراي يك عامل هوشمند است كه از الگوريتم هاي هوش مصنوعي براي اتخاذ تصميمات منطقي و معنادار استفاده ميكند. اين پلتفرم به عنوان سياست كنترل يا مغز خودروهاي خودگردان عمل ميكند. عامل هوشمند نيز به يك پايگاه داده متصل ميشود كه به عنوان يك حافظه كه تجربيات رانندگي هاي پيشين در آن ذخيره ميگردد عمل ميكند. اين داده ها به همراه  داده هاي ورودي همزمان با وقوع رخداد ارائه شده توسط خودروي خودگردان و محيط اطراف آن، به عامل هوشمند كمك ميكنند تا تصميمات دقيقي در رانندگي بگیرد. حال خودروي خودگردان دقيقا ميداند كه براي رانندگي در چنين فضاهايي و يا در برخي شرايط بخصوص چه كاري بايد انجام بدهد. 

بخش ٣: عملكردهاي AI-محور در خودروهاي خودگردان

بر اساس تصميمات گرفته شده توسط عامل هوشمند، خودروي خودگردان قادر به تشخيص اشياء در خيابان، داشتن عملكرد در ترافيك آن هم بدون دخالت افراد و ايمن رسيدن به مقصد موددنظر خود ميباشد. همچنين خودروهاي خودگردان مجهز به سيستم هاي كاربردي AI-محوري چون تشخيص صدا و كلام، كنترل حالت بدن، دنباله روي مسير چشم و ساير سيستم هاي بازبيني رانندگي، راهنماي مجازي و سيستم هاي تشخيص مسير و مكان و سيستم هاي امنيتي ميباشند. اين سيستم هاي كاربردي تنها برخي از سيستم هاي بكار گرفته شده در خودروهاي خودگردان هستند. همچنين اين عملكردها بر اساس تصميمات اتخاذشده توسط عامل هوشمند موجود در پلتفرم رانندگي خودگردان انجام ميشوند. اين سيستم ها ساخته شده اند تا يك تجربه ي كاربري عالي را به مشتريان خود ارائه كنند و از آنها در جاده ها محافظت كنند. تجربه هاي رانندگي به دست آمده از هر بار رانندگي، ضبط و در پايگاه داده ذخيره ميشوند تا به عامل هوشمند در تصميم گيريهاي دقيقتر در آينده كمك كنند. 

اين لوپ داده كه چرخه درک عمل نيز ناميده ميشود به صورت مداوم تكرار ميشود. هر چه تعداد دفعات تكرار چرخه های درک عمل بيشتر باشد، عامل هوشمند مربوطه هوشمندتر شده و در نتيجه تصميات مربوطه، مخصوصا در شرايط رانندگي دشوار با دقت بيشتري گرفته ميشود. هر چه تعداد دستگاه هاي متصل شده بيشتر باشد، تعداد تجربيات رانندگي بيشتري ضبط ميشود. اين تجربيات به عامل هوشمند كمك ميكنند تا بر اساس داده هاي ايجادشده توسط چندين دستگاه خودگردان مختلف تصميم گيري كند. اما اين موضوع بدان معنا نيست كه هر دستگاه خودگردان لزوما بايد در يك شرايط رانندگي پیچيده قرار بگيرد پيش از آنكه قادر به فهمیدن آن شود. 

هوش مصنوعي، مخصوصا شبكه هاي نوروني و  يادگيري عميق به موضوعي اساسي در عملكرد درست و ايمنی خودروهاي خودگردان تبديل شده است. هوش مصنوعي در حال باز كردن راه براي راه اندازي خودروهاي خودگردان سطح ٥ است. در اين نوع خودروها ديگر نيازي به فرمان، پدال گاز يا ترمزها نخواهد بود.