Autonome observatie

Veel video beveiligingsbedrijven zullen verschillende vormen van kunstmatige intelligentie gebruiken. Kunstmatige intelligentie helpt beveiligingsprocessen sneller, makkelijker en goedkoper te maken, en zelfs gedeeltelijk te automatiseren. Nu zijn we op een punt gekomen dat er steeds meer intelligentie in de edge zit. Accenture gebruikt de term ‘The Internet of Thinking’ om een realiteit te beschrijven waarin, anders dan bij ‘traditionele’ AI, alle beslissingen en acties op de apparaten gebeurt, zonder dat er een externe speler actie hoeft te nemen gebaseerd op de verzamelde informatie. En dat geldt ook voor camera observatie. In deze tijd van Smart Cities en zelfrijdende auto’s bewegen we richting autonome observatie, of we er klaar voor zijn of niet.

De ontwikkeling van AI voor observatie

AI begint met een combinatie van slim zoeken, machine learning en natural language processing om mensen te helpen een bepaald proces te veranderen om deze makkelijker, sneller en goedkoper te maken. In observatie betreft deze eerste fase het filteren van data en het labelen van beelden met meta-data.

Doordat AI continu leert, is het in staat om processen gedeeltelijk te automatiseren. Mensen fungeren dan als de interface tussen AI machines, en doen handelingen en maken beslissingen op basis van gefilterde informatie en gestroomlijnde workflows. In observatie is deze tweede fase bereikt. In deze fase zijn de algoritmen geavanceerder, waarbij gezichten, manieren van lopen en voertuigen worden gematcht. Beslissingen van een laag niveau kunnen nu worden geautomatiseerd, en we kunnen data winnen om ons te informeren en om voorspellingen te doen.

De volgende progressie is fase drie, waarbij meerdere deels-geautomatiseerde processen samen worden gebracht. Menselijke interventie is hierbij niet langer nodig. Het observatie proces is volledig geautomatiseerd en verbetert zichzelf; autonome observatie.

Autonome observatie in de praktijk

Een autonome observatie camera zou je kunnen plaatsen aan een gebouw of in een druk stedelijk gebied. De camera is niet voorgeconfigureerd en heeft geen gecodeerde regels, maar observeert simpelweg zijn omgeving en bestudeert en classificeert patronen en leert continu. Hij detecteert abnormaliteiten in omgevingsomstandigheden, in het gedrag van mensen, en in bewegingen van voertuigen en objecten, zonder ooit te zijn geïnstrueerd over hoe zo’n abnormaliteit eruit zou zien. Elk object wordt gedetecteerd en geclassificeerd. Metadata wordt verzameld onder strenge privacy regels. Beelden worden niet opgeslagen of gestreamd, tenzij ze gerelateerd zijn aan een incident of een abnormaliteit. Als deze camera wordt verbonden met andere camera’s, met lokale clusters van camera’s, en met gehele netwerken van camera’s, wordt de diepte van machine learning intens. Sensoren delen data, vergelijken resultaten en trainen elkaar. Ze werken als een systeem om hun omgevingen te leren kennen en beschermen.

Stel dat er een incident is gebeurd. Processen die dan kunnen plaatsvinden zijn gezichtsherkenning, loop herkenning en logo herkenning op kledingstukken. Deze processen zijn bij autonome observatie allemaal geautomatiseerd en vinden in real-time plaats. Als het systeem bijvoorbeeld een straatroof herkent, zal deze direct een geautomatiseerd proces in gang zetten voor het vervolgen van de verdachte en het bijeenroepen van hulp voor het slachtoffer. Op dat moment is er nog geen agent bij betrokken. Het netwerk is gewaarschuwd, de verdachte kan worden gevolgd, geïdentificeerd en gelokaliseerd, en de case kan worden beheerd. Daarbij kan een geschikt team op het juiste moment naar de juiste plek worden gestuurd. Mensen nemen nog steeds de eindbeslissingen, maar omdat de autonome AI architectuur de data heeft gefilterd worden deze beslissingen wel gebaseerd op directe, gesystematiseerde data.

Dit klinkt super efficiënt, en dat is het ook. AI architecturen zijn veel beter in staat patronen en verbanden te zien dan de mens, waardoor er minder valse meldingen zullen zijn. Naast dat observatie en gerelateerde beveiligingsprocessen zo makkelijker en sneller verlopen, worden ze ook een stuk goedkoper. AI bespaart grote hoeveelheden dure manuren aan taken als het handmatig uitpluizen van beeldmateriaal en het classificeren en matchen van objecten, maar ook aan het leiden van het proces dat volgt op een incident.

‘The Internet of Thinking’ biedt ons een snellere, slimmere manier van leven. Echter, autonome observatie systemen brengen fundamentele vragen met zich mee over de balans tussen publieke veiligheid en individuele privacy, met een serieus debat over waar de grens is. Toch staat deze fase voor de deur, dus of we klaar zijn voor camera’s die voor zichzelf denken in onze straten, openbare gelegenheden en werkplekken zullen we snel ontdekken.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s