آرشیو برچسب: AI

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

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. 

مقالات

ویدئوآنالیتیک های AI-محور تا چه حد هوشمند هستند؟

Posted on by مدیر

در حال حاضر صحبت های زیادی حول استفاده از هوش مصنوعی ﴿AI﴾ در آنالیتیک های ویدئویی وجود دارد. به طوری که بسیاری از ارائه کنندگان راهکارهای امنیتی، واژه ی هوش مصنوعی را به عنوان یک ضرورت در تولید و عرضه محصولات خود میبینند. اگر بخواهیم منصفانه صحبت کنیم باید بگوییم که راهکارهای آنالیتیک ویدئویی راه زیادی را از نخستین روزهای ورود خود آمده اند. با این حال این سوال مطرح میگردد که آنالیتیک های ویدئویی تا چه حد هوشمند هستند؟

هوش مصنوعی در کجای صنعت امنیت جای میگیرد؟

هوش مصنوعی (AI﴾، یادگیری عمیق، آنالیتیک های ویدئویی همگی از جمله کلمات رایجی هستند که به دیدن آنها عادت کرده ایم.

علیرغم تمامی بحث ها و تبلیغات های صورت گرفته در مورد هوش مصنوعی، اغلب افراد ذهنیتی مبهم نسبت به اجزای تشکیل دهنده ی این تکنولوژی دارند. نکته جالب توجه اینجاست که این موضوع در بحث امنیت ساختمان های مسکونی و تجاری که در چند سال اخیر بیشتر مطرح شده صادق است.

همچنین اینکه اصطلاحات نزدیکی چون آنالیتیک ها، یادگیری ماشین و یادگیری عمیق چگونه زیرمجموعه، گونه جهش یافته یا زیرشاخه ای از هوش مصنوعی (AI﴾ محسوب میشوند نیز برای اکثر متخصصین امنیتی و مشتریان همچون یک راز تلقی میگردد. علاوه بر آن، به احتمال زیاد برای این افراد انجام یک سری عملیات پیچیده توسط ربات ها به قطع مستلزم درجه ای از هوش مصنوعی خواهد بود.

هوش مصنوعی یک اصلاح گسترده است که برای توصیف هر چیزی که همچون مغز یک انسان عمل میکند استفاده میشود. یادگیری ماشین تکنیکی است که در آن یک کامپیوتر میتواند با پردازش حجم بالایی از داده ها در مورد عملیات مربوطه، قدرت خود را برای انجام یک عملیات بهبود بخشد. یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که از شبکه های نورونی بهره میگیرد. یک لایه از شبکه های نورونی پس از پردازش داده ها، نتیجه این پردازش را به لایه ی بعد منتقل میکند که این لایه نیز پس از انجام عملیات، پاسخ خود را به لایه بعد میفرستد. این دست از شبکه های نورونی به عنوان شبکه های نورونی پیچیده یا CNN مشهور هستند.آنالیتیک های نظارت ویدئویی نمونه ای عالی از بکارگیری هوش مصنوعی و یادگیری عمیق هستند که با ورود GPUها ﴿واحدهای پردازش گرافیکی﴾ امکان پذیر شده اند.

چرا هوش مصنوعی، آنالیتیک ها، سرویس های ابری و امنیت سایبری، فرصت های جدیدی را برای نصاب ها فراهم میکنند؟

به قطع آنالیتیک های ویدئویی یکی از رایجترین راه های بکارگیری هوش مصنوعی در کاربردهای امنیتی است. به همین شکل، سیستم های مدیریت اطلاعات مربوطه به امنیت فیزیکی ﴿PSIM﴾ که با تلفیق داده های امنیتی گوناگون باعث آگاهی موقعیتی میشوند نیز از تکنولوژی هوش مصنوعی بهره میگیرند.

ربات های بادوام و هوشمندی را تصور کنید که مجهز به چنین الگوریتم های پیشرفته و سنسورهای پردازش و هوشمند شوند. این ربات ها یک چشم انداز امنیتی وسیع را باز میکنند که با کمک آن تهدیدات انسانی به حداقل رسیده و مکان ها و ابعاد دوری را که غیرقابل دسترسی بوده اند، برای آنالیز، ارزیابی و پاسخگویی به صورت همزمان با وقوع رخداد مورد دسترس قرار میگیرند.

صنعت امنیت چگونه میتواند از هوش مصنوعی بهره مند شود؟

به تدریج با بهبود یافتن دستگاه ها و پایین آمدن قیمت ها، کاربری های این تکنولوژی گسترده تر خواهد شد. همچنین انواع مختلف تکنولوژی هوشمند مصنوعی به احتمال زیاد در اغلب جنبه های زندگی روزانه ما نفوذ خواهد کرد.

برعهده گرفتن آن دسته از کارهایی که از لحاظ فکری نیازمند انرژی چندانی نیستند توسط ماشین ها به روندی بزرگ برای سالهای پیش رو تبدیل خواهد شد. شرکت آمازون در حال بکارگیری این تکنولوژی در مغازه های خرده فروشی خود است که در آنها مفهوم گیشه پرداخت قیمت کالا با مشتریانی که خارج میشوند جایگزین شده است. تولید این نوع از ابزارهای فکری در مراحل اولیه خود به سر میبرند، با این حال این ابزارها به رسیدگی به مسائل و ایجاد ارزش ادامه خواهند داد. انقلاب صنعتی هوشمند در حال وقوع در اطراف ما است. شاید این انقلاب بسیار آشفته به نظر آید، اما در عین حال بسیار هوشمند و رهایی بخش است.

پتانسیل آنالیتیک های ویدئویی به مراتب سودمندتر از سیستم های قاعده-محور قدیمی است. با شهرت یافتن بیشتر GPUها در اجرای سیستم های AI، تولیدکنندگان بزرگی چون NVIDIA و حتی استارتاپ های کوچکتر شاهد سرمایه گذاری بیشتری در این زمینه هستند.

در سالهای اخیر یادگیری عمیق توجه های زیادی را جلب خود نموده است، چرا که این تکنولوژی عملکردهای گوناگونی را ارائه میکند که موردپسند مشتریان قرار گرفته است. به عنوان مثال، الگوریتم های جستجوی تصویری به مشتریان اجازه میدهد تا به جستجوی اشیاء، حیوانات بخصوص و یا سایر چیزهای دیگر بپردازند.

توانایی این تکنولوژی در داشتن هوش کافی برای کار کردن در جهت گیری ها و شرایط نوری مختلف است که آن را به یک تکنولوژی تاثیرگذار تبدیل نموده است. تکنولوژی یادگیری عمیق در واقع در سالهای 2012 و 2013 به صورت پررنگ مطرح شد. این تکنولوژی در کنار قدرت GPUهایی که قادر به انجام آن دسته از کارهایی هستند که در گذشته به صورت بازدارنده ای زمانگیر و طاقت فرسا بودند، به عنوان سوختی تلقی میگردد که موج نوآوری را امکان پذیر ساخته است.

هنگامی که صحبت از شبکه های نورونی میشود، منظور یک تکنولوژی یادگیری عمیق صرف نیست که متشکل از شبکه های عمیقی باشد که افراد از آنها به عنوان شبکه های نورونی پیچیده یاد میکنند. در حال حاضر شبکه های نورونی قدرتمندتر و توانمندتر از قبل شده اند و منابع و ابزارآلات بسیار خوبی نسبت به گذشته در اختیار افراد قرار گرفته است.

شرکت های فعال در این زمینه

با توجه به پتانسیل مشهود تکنولوژی هوش مصنوعی AI، برخی از غول های تکنولوژی نیز مشتاق ورود به این زمینه و جستجوی فرصت ها هستند. این شرکت ها تا حد زیادی به عنوان پیشگامان این زمینه عمل میکنند و توسعه و بکارگیری راهکارهای هوشمندتر را تشویق میکنند.

به قطع شرکت های بزرگ فعال در زمینه تکنولوژی همچون گوگل، با ارائه مدل TensorFlow خود کمک بزرگی در این زمینه  نموده اند. شرکت اینتل نیز دارای ابزارآلاتی عالی است که با بکارگیری مدل TensorFlow و وارد کردن آن، از هر منبعی که روی آن است (چیپ هایی که با کمک آنها به اجرای برنامه ها میپردازید) خروجی تهیه میکند. بنابراین شما یک ترکیب انعطاف پذیر از CPU و GPU را در اختیار دارید. حال منابعی در اختیار شما قرار دارد که این کار را برای شما هدف قرار میدهد. در مرحله بعد، شما تمام افرادی را دارید که روی راه هایی برای فعالسازی و توسعه مراکز آموزش که از اهمیت بالایی برخوردارند کار میکنند. در نتیجه چیزی شبیه به یک اکوسیستم کامل حول این مسئله که چگونه ماشینها دیدن و فهمیدن را یاد میگیرند شکل میگیرد.

برای انجام این کار ابعاد و لایه های زیادی وجود دارد، چرا که اساسا این کار همان جمع آوری و نام گذاری داده ها است. کامپایلرهای متعددی که قادر به اجرای کارآمد مدل های شما در چیپ-ست های مختلف هستند، ابزارآلات تحلیل داده ای که برای تهیه خروجی از آنها بدان احتیاج پیدا خواهید کرد، همگی به پتانسیل تکنولوژی هوش مصنوعی AI در آنالیتیک های ویدئویی کمک میکنند.

برگرفته از مجله a&s و سکیوریتی-سیلز

مقالات

بکارگیری AI در نظارت ویدئویی

Posted on by مدیر

با آگاهی بیشتر مشتریان نسبت به لزوم و مزایای راهکارهای امنیتی، تعداد دوربین های بکار گرفته شده رو به افزایش است. با این حال، این موضوع مشکلات مختص خود را نیز به همراه می آورد.

در گذشته تعداد دوربین های بکارگرفته شده چندان زیاد نبوده است و پرسنل امنیتی میتوانستند با نشستن مقابل یک مانیتور به بازبینی ویدئوهای ضبط شده بپردازند. علیرغم ناکارآمدی چنین فرآیندی، گزینه ی دیگری هم وجود نداشته است.

خوشبختانه در حال حاضر ورود تکنولوژی هوش مصنوعی در حال تغییر دادن همه چیز است. طبق جدیدترین پست منتشر شده توسط شرکت پژوهشی مموری، یک گارد امنیتی مجهز به نرم افزار هوش مصنوعی-محور با داشتن تعداد چشمان بیشمار و بازه زمانی توجه بی انتها قادر به دنباله روی 24 ساعته تمامی فعالیت های صورت گرفته در جریان های ویدئوی میباشد. هنگام تشخیص یک مسئله توسط هوش مصنوعی، این تکنولوژی میتواند به هشداردهی به مسئولین مربوطه بپردازد و از صورت گرفتن اقدامات مربوطه اطمینان حاصل کند.

به نقل از پست منتشرشده توسط مموری: «مواردی چون ورود افراد غیرمجاز بدون اعمال هرگونه رفتار خشونت آمیز، به سرقت رفتن یک کالای ناامن، قرار داده شدن یک بسته ی مشکوک داخل یک سطل آشغال و بسیاری از شرایط مهم دیگر ممکن است که از چشمان یک فرد که در تلاش برای بررسی و اسکن چندین جریان ویدئویی مختلف است جا بمانند. هزینه استخدام پرسنل امنیتی کافی برای مدیریت تعداد دوربین های در حال افزایش بسیار بالا تمام خواهد شد. حتی هنگام وقوع یک رخداد، جستجو در تمامی ویدئوهای ضبط شده جهت جمع آوری شواهدی که به پرسنل امنیتی در شناسایی افراد مظنون و فهم توالی رخدادها کمک کند، بسیار دشوار و زمانگیر است».

در یکی از گزارشات اخیر ارائه شده توسط شرکت مموری، از رسیدگی به حجم در حال افزایش ویدئوهای نظارتی ایجاد و ضبط شده به عنوان امری بسیار دشوار برای سیستم های مجری قانون فعلی یاد شده است. با افزایش تعداد دوربین ها تا 12 درصد به صورت سالیانه، این حجم از ویدئوها بیشتر نیز خواهد شد. مسئله ی جالب اینجاست که در صورت عدم وجود راه هایی برای بازبینی و دنباله روی جریان های ویدئویی در حال تولید، هیچ تعداد دوربینی کارآمد نخواهد بود. و در حال حاضر ریسک بزرگی برای از دست دادن اطلاعات مهم وجود دارد، چرا که هیچ راه قابل اعتمادی برای بازبینی این اطلاعات وجود ندارد.

بکارگیری هوش مصنوعی AI

اهمیت هوش مصنوعی در زمینه سیستم های نظارتی بدون هیچ بحثی قابل قبول است. با این حال، پرسنل امنیتی باید بدانند که استفاده کارآمد از هوش مصنوعی به معنای خرید، نصب و به فراموشی سپردن یک راهکار نیست. همچون انسانی که پشت یک کامپیوتر مینشیند، هوش مصنوعی نیز باید آموزش داده شده و سفارشی سازی شود تا نسبت به نیازها، شرایط و محیط شما آگاهی پیدا کند.

به نقل از مموری :«نخستین بخش بکارگیری نظارت ویدئویی AI-محور شامل افزودن موتورهای آنالیتیکی به جریان های ویدئویی مختلف میشود که به نسبت ساده است. بخش دوم این کار پیکربندی این سیستم ها برای داشتن عملکرد دقیق و درست است که میتواند به مراتب پیچیده تر و زمانبرتر باشد. هر مکان دارای ویژگی های منحصر بفرد خود میباشد، حتی این امکان وجود دارد که مکانهای کاملا مشابه که از قوانین آنالیتیکی مشابهی استفاده میکنند، با توجه به یک سری الزامات عملیاتی بخصوص خود، نیازمند ارائه نتایجی کاملا متفاوت باشند. حتی در یک سیستم AI-محور خودآموز نیز شاید نیاز به تغییر تنظیمات مربوط به مناطق تشخیص و ماسک ها، زوایای دوربین و دورنمای آنها باشد. این بخش دوم بکارگیری این سیستم هاست که مانع بکارگیری آنها شده است».

هوش مصنوعی AI چقدر هوشمند است؟

تکنولوژی هوش مصنوعی AI روز به روز در حال قوی تر شدن است. اما آیا این تکنولوژی به قدری قدرتمند است که قادر به جایگزین کردن چشمان بشر باشد؟ علیرغم اینکه سوال پیشتر مطرح شده و سوالاتی چون اینکه آیا هوش مصنوعی متضمن بازگشت سرمایه است همچنان پرسیده میشوند، در حال حاضر به نظر میرسد که توافقی کلی روی اینکه آنالیتیک های ویدئویی قابلیتی بیش از آنچه راهکارهای قاعده-محور دارند صورت گرفته است.

به نقل از گزارش تهیه شده توسط مموری: « این کار تا حد زیادی به خاطر پیشرفت های بزرگ صورت گرفته در ساختار نیمه رساناها اتفاق افتاده است که باعث پردازش به مراتب سریعتری میشود؛ با استفاده از الگوریتم های یادگیری عمیق و یادگیری ماشین، تجزیه و تحلیل داده ها با سرعتی بیشتر از آنچه پیشتر امکان پذیر بود صورت میگیرد. سرمایه داران صنایع مختلف هم اکنون در حال تزریق میلیون ها دلار پول برای تامین سرمایه شرکت های تولیدکننده چیپ های هوش مصنوعی  AI و نرم افزارهای آنالیتیکی هستند.

موضوع اصلی احساس نیاز جدی به استفاده ی کامل از حجم بزرگ داده های ایجاد شده توسط دوربین های نظارت ویدئویی است و راهکارهای هوش مصنوعی-محور تنها پاسخ عملی هستند.

ساختار چیپ های مدرن مجهز به نرم افزارهای هوش مصنوعی به گونه ای است که قادر به جستجو و بررسی حجم بالای داده ها و افزایش امنیت، ایمنی و عملکرد کلی افراد، ساختمان ها و تشکیلات بیزینسی هستند.

علیرغم تمام پیشرفت های صورت گرفته هنوز هم پیشرفت های زیادی را در این زمینه اتفاق خواهد افتاد و مسیر این راه کاملا واضح و روشن است.

منبع: مجله a&s