Opfindelsen af AI kan sammenlignes med opdagelsen af elektricitet: alle i verden bruger den til noget og alt. Imidlertid er applikationer til kontrol af mennesker allerede mere avancerede, end noget historien nogensinde har afsløret. ⁃ TN Editor
Et team af AI-forskere fra Indien udviklede et værktøj til at søge efter mennesker i overvågningsoptagelser efter højde, tøjfarve og køn. Det er som en søgemaskine, der kan finde folk i en video.
Forskerne brugte dyb læring (og Microsofts COCO-datasæt) til at træne et indviklet neuralt netværk (CNN), hvordan man genkender visse menneskelige funktioner, kaldet blød biometri, ved hjælp af computersyn.
Grundlæggende kan du fortælle denne AI nogle detaljer om den person, du leder efter, og den vil skure uanset hvilken video du giver den. F.eks. Ville en anmodning om “hunner, der bærer røde skjorter, der er 153 cm høje” muligvis indsnævre et helt videoklip til kun rammer med personer, der opfylder disse kriterier.
Ifølge forskere genvinder algoritmen "28-personer korrekt" ud af 41 i et meget udfordrende datasæt med bløde biometriske egenskaber. ”I øjeblikket søges det kun efter højde, torso (tøj) farve og køn.
Ved første øjekast lyder ideen om at identificere mennesker i videoer, der opfylder relativt vage beskrivelser, og med nøjagtighed, der er lidt bedre end halvdelen, ikke som et vigtigt teknologisk fremskridt. Men dette tidlige arbejde viser masser af potentiale. Det er værd at spørge, hvad det ville betyde, hvis nøjagtigheden kunne forbedres ud over menneskelige evner.
Der er scenarier, hvor interesserede parter ikke ved, hvad de leder efter i overvågningsdata i realtid. Dette eksperimentelle CNN ville være perfekt egnet til brugstilfælde, hvor vi er nødt til at sammensætte en tidslinje omkring et specifikt individ, baseret på tilgængelige historiske overvågningsoptagelser.
Forestil dig en situation, hvor en person rapporteres savnet efter to dage. Man kan måske bede om optagelser fra kameraer på steder, som personen sandsynligvis havde været i nærheden af - som en ofte frekventeret tankstation eller campus, den person deltog i. Men efter det, uden nogen kundeemner, er det næsten umuligt at afgøre, hvilke optagelser man skal se på næste. Der kan være millioner af timers videooptagelse over to dage inden for rammerne af et bestemt sæt byblokke.
Men hvis vi kunne tilføre video til en neurale netværk og lad det indsnævre tingene til et par timers sammenstillede optagelser, ville det være muligt at spore mennesker nøjagtigt på tværs af flere overvågningsfeeds.
Dette er spændende af adskillige grunde. For det første er naturligvis konsekvenserne for at finde savnede personer eller spore mistænkte kriminelle utrolige. Men måske lige så vigtigt er det faktum, at dette er et legitimt svar på problemet med allestedsnærværende overvågning.
wpDiscuz