Omgang met autonome observatie

De fase van autonome observatie staat voor de deur. Naast het feit dat deze ontwikkeling waardevolle voordelen met zich meebrengt, gaat deze gepaard met enkele twijfels en onzekerheden. Los van het debat over privacy, bestaat er verontrusting onder beveiligingsexperts met betrekking tot het weggooien van data, hun baanzekerheid, en het uit handen geven van controle. Hoe kunnen we hiermee omgaan?

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. 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.

Vooroordelen elimineren voor eerlijke algoritmen II

Zoals we vorige keer besproken hebben is het belangrijk dat de algoritmen van data-driven tools die ingezet worden om zakelijke en maatschappelijke beslissingen te nemen onbevooroordeeld en nauwkeurig zijn. Het creëren van een eerlijkheid cultuur en het bieden van ethische training aan de betrokken techneuten zijn twee stappen die genomen kunnen worden om de algoritmen te verbeteren en vooroordelen te elimineren. Daarnaast kunnen we op het gebied van beleid en techniek stappen nemen. Daarover vandaag meer.

Vooroordelen elimineren voor eerlijke algoritmen

Data-driven tools worden steeds belangrijker bij het maken van onder meer zakelijke en maatschappelijke beslissingen. Om tot eerlijke beslissingen te komen is het nodig dat de algoritmen onbevooroordeeld en nauwkeurig zijn. Helaas blijkt dat algoritmen niet (altijd) betere voorspellingen doen en minder bevooroordeeld zijn dan de mens. Gelukkig kunnen we stappen nemen om algoritmen te verbeteren en vooroordelen te elimineren.

Liplees technologie voor CCTV camera’s

Kunstmatige intelligentie stelt ons in staat om steeds meer informatie uit CCTV beelden te verkrijgen. Helaas gaan CCTV opnames meestal niet gepaard met geluidsopnames, terwijl gesprekken vaak waardevolle informatie bevatten. In die gevallen is spraakherkenning wenselijk. Er ontstaan echter unieke problemen met spraakherkenning als er geen geluid beschikbaar is of als de audio kwaliteit niet goed is. Liplezen is namelijk complex. Maar onderzoekers laten zien dat machine learning ingezet kan worden om effectiever spraak uit stille videobeelden op te maken dan professionele, menselijke liplezers.