春意影院试看2分钟

设为首頁 | 加入收藏 | 春意影院试看2分钟
 
 
綜合布線系統
計算機網絡系統
樓宇設備自動控制系統
智能化小區綜合物業管理系統
門禁考勤系統
智能安防監控系統
電子圍欄系統
安防報警系統
一卡通系統
背景音樂系統
多媒體數字會議系統
音響控制系統
大屏幕顯示系統
辦公設備、耗材
 


春意影院试看2分钟
地址:江蘇省昆山市周市鎮春晖路5號??
联系人:徐先生 13375153260
电话/传真:0512-57662186 ??
電子郵箱:leboxinxi@163.com

當前位置:首頁 > 新聞動態

昆山监控系统什么时候会有AI 的大脑

发布时间:2018-07-29 08:43:00 点击:
 

我們通常會把監控攝像頭想作是電子眼。對此,不同的人看法也大相徑庭,有人認爲電子眼是在監控我們,有人認爲它在幫助我們密切注意環境。但實際上,它們更像是舷窗:當有人通過舷窗看時,它們才有用武之地。有時候這意味著人們會從磁盤錄像中查看現場畫面。但是大多數監控攝像頭都是被動觀察者。它們只是用作震懾,或是在出現問題時提供線索。你的汽車被偷了?那就去查看閉路電視監控吧。

不過這一情況正在發生改變——且以一種很快的速度。人工智能爲監控攝像頭配備了數字大腦來匹配“眼鏡”,並讓其無需人力參與就可自行分析現場視頻。這對公共安全來說也許是好消息,它可以幫助警察以及第一目擊者更容易得發現犯罪或事故。此外,它還可以廣泛應用于科學和工業。但是這卻會嚴重侵犯未來的隱私並對社會公平帶來新的風險。

如果政府通過閉路電視能夠追蹤到大量人群,那會發生什麽情況呢?如果警察在數據庫中僅僅通過上傳側面照片,就能以這種“電子”方式在城市裏跟蹤你呢?如果在當地購物中心,攝像頭運行的是一個具有偏見的算法,它會因爲不喜歡某一類型的年輕人就去通知警察嗎?

这些情况也许距离我们还很遥远,但当下我们已经发现人工智能结合监控会带来什么样的后果了。IC Realtime就是一个例子。去年十二月发布的旗舰产品被称作是闭路电视界的Google。有一个叫做Ella的应用及网页平台就是利用人工智能分析视频中发生的事情并且使其提供及时搜索。Ella可以识别成千上万种自然语言查询,用户可以搜索镜头从而找到呈现特定动物、穿着某种颜色衣物或是单个车型的片段。

在网页演示中,IC Realtime的首席执行官Matt Sailor向我们展现了Ella与大约40个摄像头连接起来对一个公园实施监控。他输入了各式各样的搜索内容——“红衣服的男士”、“UPS火车”、“警车”——几秒钟时间内,所有关键词都得到了相关的影像片段。之后,通过限定时间和地理位置,他将搜索结果的范围缩小了并展示了用户可以如何表达赞成或是反对从而优化结果——就像Netflix一样。

“舉個例子,某地發生了一起搶劫,但你不知道實際情況到底如何。”Sailor說道,“但搶劫發生之後,有一輛Jeep牧馬人向東加速駛去。所以我們就輸入‘Jeep牧馬人’,然後我們就可以獲得影像片段了。”屏幕上開始出現片段,顯示出鏡頭前滑過的多輛Jeep牧馬人。Sailor表示這是人工智能和閉路電視結合的第一大優勢:更容易去找到你要尋找的內容。“沒有這項技術,除了攝像頭,你什麽都不知道。你需要連續數小時觀看影像從而進行篩選。”他解釋道。

Ella在Google Cloud上运行,它可以从几乎任何一个闭路电视视频系统中搜索镜头。Sailor表示:“从单摄像头系统——例如保姆摄像头或宠物摄像头——到拥有成千上万摄像头的企业系统,Ella都能适用。”用户每月支付费用,起价为大约7美元,总价会根据摄像头数量的增加而增长。

IC Realtime的目标受众是各种规模的企业,但它也认为这一技术能够吸引个人消费者。新兴市场上,亚马逊、Logitech、Netgear以及谷歌旗下的Nest智能家居已经让这些顾客开始广泛使用安防摄像头。但是Sailor表示这一技术要比IC Realtime简陋得多。这些摄像头连接到家庭WiFi上,通过应用程序提供实时视频流。当它们发现有东西在移动的时候,它们就会自动记录影像。但是Sailor表示它们无法区分闯入者和鸟类的区别,这就会导致很多误报。“这是非常基础的技术,已经存在很多年时间了。”他说道,“这不含人工智能,也不包括深度学习。”

这种情况不会持续太长时间了。虽然IC Realtime提供的云分析工具可以升级现有傻瓜式的摄像头,其他公司则是直接将人工智能嵌入在硬件里。Boulder AI就是这样一家初创企业,公司利用自己独立的人工智能摄像头推出“视觉即服务”。在设备中结合人工智能带来的优势在于,它们无需互联网连接就能工作。Boulder AI向各行各业出售产品,为每位客户量身定制机器视觉系统。

“这些应用已经遍布各行各业了。”创始人Darren Odom在采访中这样说道,“我们的平台出售给了银行业、能源业的公司。我们甚至有一个应用是去观察披萨,决定它们的形状和大小是否合适。”

Odom還舉了一個在愛達荷州建造水壩的客戶例子。爲了符合環保規定,他們正在監控設施頂部的魚類數量。Odom表示:“他們過去是安排了一個人坐在窗口看著魚梯,數有多少條鲑魚遊過。(顧名思義,魚梯就是一條階梯式的航道,魚類可以借此向上遊。)之後,他們轉而使用視頻技術,有人(遠程)進行監控。”最終,他們聯系到了Boulder公司,後者爲其打造了一個定制化的人工智能閉路電視系統,從而識別通過魚梯向上遊的魚的種類。“我們真的可以通過計算機視覺來識別魚的種類。我們現在能夠100%的識別愛達荷州的鲑魚。”odom驕傲地說道。

如果IC Realtime代表的是市场的通用端,那么Boulder则呈现了精品承包商可以在这个市场上做些什么。这两种情况下,这些公司现在提供的服务不过也只是冰山一角。就像机器学习在识别物体能力方面取得迅速进步一样,它分析场景、活动和动作的能力也有望快速提升。一切准备工作都已经完成,包括基础研究、计算能力和训练数据集——这是创建出色人工智能的关键要素。视频分析的两个最大数据集来自YouTube和Facebook,两家公司都希望人工智能帮助它们控制平台上的内容(不过两家公司也都承认现在还没有做好准备)。例如说,YouTube的数据集包含超过45万小时带标签的视频,公司希望这能够激发“视频理解的创新和进步”。参与构建此类数据集的机构有很多,这也让我们对该领域的重要性有了一些了解。谷歌、麻省理工学院(MIT)、IBM和DeepMind都参与进来并创建了类似的项目。

IC Realtime已经在致力于开发面部识别等高级工具了。之后,它想要分析屏幕上发生的情况。Sailor表示他已经和教育行业的未来顾客进行过交谈,对方希望当学生在学校遇到麻烦的时候,监控能够识别出来。“比如说,他们对于发生打架的预先通知这一功能很感兴趣。”他说道。所有的系统都需要注意聚集在一起的学生,之后提醒某个人,他就可以查看视频谌堇纯纯捶⑸耸裁椿蚴乔鬃匀サ鞑椤

Boulder也在探索這類高級分析。公司正在開發的一個原型系統就是分析銀行內人們的行爲。“我們專門尋找壞人,並且區分正常人的行爲和越界者行爲之間的區別。”Odom說道。爲了做到這一點,他們使用舊的安全攝像頭拍攝的影像來訓練系統來發現異常行爲。但是這種視頻大多低質,因此他們也會找一些演員來拍攝訓練視頻片段。Odom沒有講述具體細節,但表示這個系統會尋找特定的面部表情和行爲。“我們的演員會做一些類似蹲伏、推擠以及回頭撇的動作。”他說道。

對于監控和人工智能的專家來說,這些功能的引入也面臨潛在的困難(技術層面和道德層面都有)。和人工智能通常遇到的問題一樣,這兩個類別的問題也是緊密相連。這是一個技術難題,畢竟機器始終無法像人類一樣理解這個世界。但如果我們假設它們能夠做到這一點並讓它們爲我們做決定時,這又成爲了一個道德難題。

卡内基.梅隆大学的教授Alex Hauptmann专门从事这类计算机分析。他表示尽管人工智能在近些年推动了这一领域的快速发展,但让计算机理解视频,这依然存在根本性的难题。其中最大的一个问题就是我们通常不会考虑到的:摄像头的分辨率。

舉個例子,一個神經網絡經過訓練可以分析視頻內人們的行爲。這是通過細分人類身體——胳膊、腿、肩膀、頭部等,之後觀察這些畫中小人在視頻中從一幀到另一幀的變化。據此,人工智能可以告知你是否有人在跑步或是梳頭發。“但是這取決于你的視頻分辨率。”Hauptmann在采訪中說道,“假設我看的是停車場盡頭的攝像頭,如果我能分辨出有人是否打開車門,那真是萬幸了。如果你就站在攝像頭前面彈吉他,那它可以追蹤你的每一根手指。”

對閉路電視監控來說,這也是一個大問題。攝像頭往往會有顆粒感,角度通常也非常奇怪。Hauptmann舉了一個便利店內要對准收銀台的攝像頭爲例,它也可以俯瞰到面向街道的窗戶。如果外面發生了搶劫,那麽攝像鏡頭就會被部分擋住,之後人工智能就會卡住。“但是我們作爲人類,可以想象到正在發生的情況並將信息拼湊在一起。計算機就做不到這一點。”他說道。

與之類似,盡管人工智能能夠出色識別視頻中發生的事情(比如說有人在刷牙、看手機或是踢足球),但它尚不能提取重要背景。拿可以分析人類動作的神經網絡爲例。它也許能夠在看到鏡頭時表示出“這個人在跑步”,但它不能識別這個人是否是因爲快要趕不上汽車或是偷了別人手機才要跑步。

這些准確率問題讓我們需要認真考量一下人工智能初創企業的聲明。我們還遠遠達不到一種情況——即電腦能夠在看視頻時獲得和人類一樣的見解。(研究人員會告訴你這非常困難,相當于是“解決”智能難題。)但事情的發展速度非常快。

Hauptmann表示車牌跟蹤功能已經被采用,而受控設置下的面部識別也同樣如此。(使用低質閉路電視影像進行面部識別是另一碼事。)識別像汽車、衣物這類的東西非常靠譜,系統也能自動追蹤多個攝像頭內的同一個人,但這也要取決于實際情況。“在一個不擁擠的環境中追蹤一個人還是非常靠譜的,但在擁擠的環境中就別想了。”Hauptmann說道。他表示如果一個人穿的是不太顯眼的衣服,那麽追蹤起來也非常困難。

但是,即便是這些非常基礎的工具也會帶來很大的影響。中國就發生了這樣一個情況。在新疆,傳統的監控和民事控制會結合面部識別、車牌掃描儀、虹膜掃描儀以及普遍的閉路電視監控來創造出一個“全面監控的狀態”。在莫斯科,類似的基礎設施也正在組建,面部識別軟件會被嵌入在一個集成式系統中,該系統配備了超過10萬台高分辨率的攝像頭,覆蓋了整個城市90%以上的公寓入口。

在這些情況下,可能會出現一個良性循環。隨著軟件變得愈加完善,系統就可以收集到更多的數據,相應地這也會幫助軟件變得更加出色。“我想這一切都會進步。這一情況也正在發生。”Hauptmann說道。

如果這些系統已經在工作了,那麽我們就會碰到類似算法偏見的問題。這並不是一個假設性的挑戰。研究表明機器學習系統吸收了爲其編寫程序的社會中存在的種族和性別偏見——從總是將女性放置在廚房裏的圖像識別軟件到總是宣傳黑人更可能再次犯罪的司法系統。如果我們使用舊的影像片段去訓練人工智能監控系統,比如說閉路電視或是警察佩戴的攝像頭,那麽這些存在于社會之中的偏見就很有可能會滲透進算法內。

纽约大学专攻道德“AI Now”研究所的联席主任Meredith Whittaker表示执法过程中已经出现这一情况了,这也将延伸至私有行业。Whittaker拿Axon(之前被称为Taser)为例。该公司收购了几家人工智能企业来将视频分析嵌入到其产品中。“他们得到的数据来源于警察佩戴的摄像头,这些数据阐明了单个警察会关注哪些人的情况,但它并没有告诉我们全部的情况。”Whittaker说道,“这就会带来真正的危险,我们正在普及带有偏见的罪犯图片。”

ACLU高级政策分析师Jay Stanley表示即便我们可以解决自动系统中存在的偏见问题,这也不能使得它们就变成良性的。他表示将闭路电视监控从消极的观察者转变为主动观察者,这给公民社会会带来巨大的负面影响。

“我們希望人們不僅僅是獲得自由,還能感受到自由。這意味著它們不需要擔心一個未知、看不見的觀衆會如何解釋或曲解他們的每一個動作和話語。”Stanley說道,“要擔心的問題是,人們會開始不斷自我監控,擔心自己做的所有事情都會被曲解,從而給他們的生活帶來負面影響。”

Stanley也表示不准确的人工智能监控引发的误报会导致执法部门以及公众之间发生更危险的对抗。想想Daniel Shaver的枪击事件吧。Shaver被人看见拿着枪之后,有人打电话报警,警察来到旅店。当Shaver按照要求趴在地面上时,警长Charles Langley枪杀了他。而Shaver被发现持有的枪其实是他除虫工作所需要的粒丸枪。

如果人類都可以犯下這樣的錯誤,那麽計算機呢?如果監控系統變成了半自動化的,那麽這樣的錯誤是會更頻繁還是更少見呢?“如果技術被采用了,那麽一定會有一些警察被迫需要照看這些情況。”Stanley說道。

Whittaker表示我們在這個領域看到的情況只是人工智能大趨勢的一部分。我們使用這些相對粗糙的工具,試圖基于圖像來對人們進行分類。她提到了去年發表的一項具有爭議的研究,該研究聲稱可以通過面部識別來確定性別。人工智能結果的准確性值得質疑,但是評論家也指出它是否可行並不重要,重要的是人們是否相信它有用以及是否會用此數據進行判斷。

“有一點很困擾我,沒有任何民主程序讓我們質疑它的有效性或是通知大家將會部署系統,許多系統就已經被安裝在我們的核心基礎設施裏。”Whittaker說道,“這不過是算法系統的又一個例子——算法系統是基于內在文化和曆史偏見的數據來識別特征,據以分類並確定個體類型。”

当我们向IC Realtime询问关于人工智能监控可能会如何被滥用的问题时,他们给出了一个在科技行业常见的回答:这些技术是价值中立的,它们被谁如何使用决定了技术的好坏。“任何新技术落入不法分子之手都有可能带来危险。”Sailor说道,“任何技术都是如此...我认为在这个问题上,利远大于弊。”

 
 
上一篇:新一代人工智能发展风起云涌 标准法规亟待完善
下一篇:AI之争 中美差距
  Copyright©  春意影院试看2分钟  All right reserved  版权所有
地址:江苏省昆山市周市镇春晖路5号 ??联系人:徐先生 13375153260 ??电话/传真:0512-57662186 ??電子郵箱:leboxinxi@163.com
網站備案許可證:  網站建設:賽文&