Ξεκλείδωμα ανθρώπινης αντίληψης σε εφαρμογές τεχνολογίας που βασίζονται σε αισθητήρες
Όπως και οι περισσότερες βιομηχανίες, τα πεδία ασφάλειας, πρόσβασης και ασφάλειας έχουν μετατραπεί από την τεχνολογία, με τον αυτοματισμό που βασίζεται σε τεχνολογία AI να προσφέρει μια σαφή ευκαιρία για παίκτες που αναζητούν ανάπτυξη και ηγεσία όσον αφορά την καινοτομία. Από αυτή την άποψη, αυτές οι αγορές ξέρουν ακριβώς τι θέλουν. Απαιτούν λύσεις που με ακρίβεια (χωρίς ψευδείς ή αρνητικές θετικές) ταξινομούν και παρακολουθούν άτομα και / ή οχήματα, καθώς και την ακριβή τοποθεσία και τις αλληλεπιδράσεις μεταξύ αυτών των αντικειμένων. Θέλουν να έχουν πρόσβαση σε ακριβή δεδομένα που δημιουργούνται από λύσεις κορυφαίας κατηγορίας, ανεξάρτητα από τον τρόπο αισθητήρα. Και, πρέπει να είναι σε θέση να αναπτύξουν εύκολα τέτοιες λύσεις, στο χαμηλότερο capex και opex, με τη γνώση ότι μπορούν να ενσωματωθούν με προτιμώμενα VMS και PSIM, να είναι εξαιρετικά αξιόπιστα, να έχουν χαμηλά γενικά έξοδα εγκατάστασης και συντήρησης και να υποστηρίζονται καλά. Έχοντας υπόψη αυτές τις ανάγκες, οι πάροχοι τεχνολογίας οράματος για κάμερα και υπολογιστές, οι πάροχοι λύσεων και οι ολοκληρωτές συστημάτων προχωρούν μπροστά και έχουν δημιουργήσει υποδειγματικά οικοσυστήματα με καθιερωμένες συνεργασίες που συμβάλλουν στην επιτάχυνση της υιοθέτησης. Στο επίκεντρο αυτού είναι η τεχνητή νοημοσύνη και οι εφαρμογές Convolutional neural network (CNN), μια αρχιτεκτονική που χρησιμοποιείται συχνά σε αλγόριθμους βαθιάς μάθησης με υπολογιστή, οι οποίοι εκτελούν εργασίες που ήταν εξαιρετικά δύσκολες με το παραδοσιακό λογισμικό. Τι γίνεται όμως με τις τεχνολογίες 3D και την αντίληψη; Η αγορά ασφάλειας, ασφάλειας και πρόσβασης έχει μια επιπρόσθετη κρίσιμη ανάγκη: πρέπει να μετριάσουν τον κίνδυνο και να πραγματοποιήσουν επενδύσεις που αποφέρουν μακροπρόθεσμα. Αυτό σημαίνει ότι εάν ένας ολοκληρωτής συστημάτων επενδύσει σε μια πλατφόρμα αντίληψης δεδομένων ανίχνευσης 3D σήμερα, θα υποστηρίξει την επιλογή των αισθητήρων, των στρατηγικών αντίληψης, των εφαρμογών και των περιπτώσεων χρήσης με την πάροδο του χρόνου χωρίς να χρειάζεται να επανεπενδύει συνεχώς σε εναλλακτικό λογισμικό υπολογιστή και λογισμικό αντίληψης κάθε φορά που υιοθετήστε νέα τεχνολογία ή συστήματα. Αυτό θέτει το ερώτημα – εάν ο κλάδος ασφαλείας γνωρίζει τι χρειάζεται, γιατί δεν έχει ακόμη αγκαλιάσει πλήρως τους τρόπους ανίχνευσης 3D; Στρατηγική αντίληψης Οι έξυπνες στρατηγικές αντίληψης δεν έχουν ακόμη εξελιχθεί, οι οποίες βλέπουν τους σχεδιαστές να κλειδώνουν τα πάντα στη φάση σχεδιασμού. Λοιπόν, ένα πρόβλημα που αντιμετωπίζει η ασφάλεια, η ασφάλεια και οι πάροχοι λύσεων πρόσβασης, οι ολοκληρωτές συστημάτων και οι τελικοί χρήστες κατά την ανάπτυξη λύσεων βασισμένων σε αισθητήρες 3D πρώτης γενιάς είναι την τρέχουσα προσέγγιση. Σήμερα, οι έξυπνες στρατηγικές αντίληψης δεν έχουν ακόμη εξελιχθεί πέρα από το status quo που βλέπει τους σχεδιαστές να κλειδώνουν τα πάντα στη φάση σχεδιασμού, συμπεριλαμβανομένης της επιλογής των αισθητήρων, του υλικού υπολογιστή εκτός καταστημάτων και οποιουδήποτε συγκεκριμένου προμηθευτή ή τρίτου μέρους αλγόριθμοι λογισμικού αντίληψης και βαθιά μάθηση ή τεχνητή νοημοσύνη. Αυτή η προσέγγιση όχι μόνο δημιουργεί περιορισμούς για μελλοντικές περιπτώσεις χρήσης και εξελίξεις, αλλά εμποδίζει το επίπεδο αντίληψης που αναπτύχθηκε από τη μηχανή. Πράγματι, τα δεδομένα που χρησιμοποιήθηκαν για την ανάπτυξη ή την κατάρτιση των αλγορίθμων αντίληψης για περιπτώσεις ασφάλειας, πρόσβασης και χρήσης ασφάλειας κατά τη διάρκεια του σχεδιασμού συνήθως συλλαμβάνονται για ένα στενό και συγκεκριμένο σύνολο σεναρίων ή πλαισίων και στη συνέχεια αναπτύσσονται ή εκπαιδεύονται στο εργαστήριο. Τεχνολογικά κενά Όπως γνωρίζουν πάρα πολύ καλά σε αυτόν τον κλάδο, οι αθόρυβες λύσεις και τα κενά τεχνολογίας συνήθως εμποδίζουν τη δημιουργία παραγωγικών οικοσυστημάτων και συνεργασιών, ενώ η έλλειψη εμπορικών ολόκληρων προϊόντων μπορεί να καθυστερήσει την υιοθέτηση νέας καινοτομίας στην αγορά. Οι αρχιτεκτονικές συστημάτων αντίληψης σήμερα δεν υποστηρίζουν την προσαρμογή σε πραγματικό χρόνο των μηχανών λογισμικού και υπολογιστών. Παραμένουν τα ίδια με αυτά που επιλέχθηκαν κατά τη φάση σχεδιασμού και είναι σταθερά για ολόκληρη την ανάπτυξη και το στάδιο ανάπτυξης. Βασικά, αυτό σημαίνει ότι το σύστημα δεν μπορεί να αντιμετωπίσει τα άγνωστα των καταστάσεων με πραγματικό χρόνο που ποικίλλουν με βάση τα συμφραζόμενα, όπου αλλάζουν τα περιβάλλοντα (π.χ. να μπορούν να αντανακλούν σε καταστάσεις ασφαλείας για τις οποίες δεν έχουν εκπαιδευτεί) και όπου οι στρατηγικές αντίληψης του αυτόνομου συστήματος πρέπει να δυναμικά προσαρμογή ανάλογα. Τελικά, οι παραδοσιακές στρατηγικές έχουν μη επεκτάσιμες και μη προσαρμόσιμες ανταγωνιστικές αρχιτεκτονικές υπολογιστών που δεν είχαν σχεδιαστεί για την επεξεργασία της επόμενης γενιάς αλγορίθμων, τη βαθιά μάθηση και την τεχνητή νοημοσύνη που απαιτούνται για μικτούς φόρτους εργασίας αισθητήρων 3D. Αυτό σημαίνει για τις βιομηχανίες που επιδιώκουν να αναπτύξουν ή να αναπτύξουν συστήματα αντίληψης, όπως η ασφάλεια, η πρόσβαση και η ασφάλεια, είναι ότι οι διαθέσιμες αρχιτεκτονικές υπολογιστών είναι γενικές και σχεδιασμένες είτε για γραφική απόδοση είτε για επεξεργασία δεδομένων. Οι πάροχοι λύσεων, ως εκ τούτου, έχουν λίγη επιλογή εκτός από την προώθηση αυτών των αρχιτεκτονικών στην αγορά. Κατά συνέπεια, οι προκύπτουσες τεχνικές υπολογισμού καθορίζονται από τους παρόχους υπολογιστών και όχι από τους προγραμματιστές λογισμικού που εργάζονται για λογαριασμό του πελάτη που αναπτύσσει τη λύση ασφαλείας. Συμφραζόμενα…. δεν ξέρουμε τι δεν γνωρίζουμε Η πλατφόρμα αντίληψης πρέπει να έχει τη δυνατότητα να προσαρμόζεται σε αλλαγές στο περιβάλλον, βελτιώνοντας έτσι την απόδοση μετά την ανάπτυξη Για να είναι χρήσιμη και χρήσιμη στο πλαίσιο ασφάλειας και σε άλλα, μια πλατφόρμα αντίληψης πρέπει να έχει την ικανότητα να προσαρμοστεί στις αλλαγές στο περιβάλλον, μπορεί να αυτο-βελτιστοποιηθεί και ουσιαστικά, μπορεί να μάθει μόνος του, βελτιώνοντας έτσι την απόδοση μετά την ανάπτυξη. Οι συνδυασμοί πιθανών αλλαγών με βάση τα συμφραζόμενα σε πραγματικό περιβάλλον, όπως το αεροδρόμιο ή η στρατιωτική βάση, είναι αναρίθμητοι, μη ντετερμινιστικοί, σε πραγματικό χρόνο, συχνά αναλογικοί και απρόβλεπτοι. Οι αισθητήρες ροπής, το υλικό υπολογιστικής αιχμής και το λογισμικό αντίληψης αναπτύσσονται στο πεδίο, χιλιάδες μεταβλητές όπως ο καιρός, το έδαφος καθώς και η θέση και ο προσανατολισμός τοποθέτησης αισθητήρων αντιπροσωπεύουν μια μετατόπιση περιβάλλοντος όπου η λύση των συστημάτων αντίληψης δεν είναι πλέον βέλτιστη. Για παράδειγμα, ενδέχεται να αναπτυχθεί ένα συγκεκριμένο σύστημα αισθητήρων σε εξωτερικό σενάριο με έντονο φύλλωμα. Επειδή η ανάπτυξη ή η κατάρτιση του αλγορίθμου ολοκληρώθηκε στο εργαστήριο, το κινούμενο φύλλωμα, οι θάμνοι ή τα χαμηλά δέντρα και κλαδιά ταξινομούνται ως άνθρωποι ή κάποιο άλλο ψευδώς θετικό αποτέλεσμα. Συνήθως, ακολουθεί βαριά προσαρμογή λογισμικού και υποστήριξη επί τόπου, απαιτώντας επιτόπου υποστήριξη από προμηθευτές λύσεων όπου κάθε ρύθμιση παραμέτρων αισθητήρα πρέπει να είναι χειροκίνητη για να παραδώσει κάτι που είναι αποδεκτό από τον τελικό πελάτη. Μια νέα προσέγγιση για αποτελεσματικές στρατηγικές αντίληψης Το Cron AI δημιουργεί το senseEDGE, το οποίο αντιπροσωπεύει μια σημαντική εξέλιξη στην ανάπτυξη της στρατηγικής ανίχνευσης στην πληροφόρηση. Πρόκειται για μια πλατφόρμα αντίληψης τρισδιάστατης αντίληψης και όρασης υπολογιστή που έχει δημιουργηθεί από την αρχή για να αντιμετωπίσει και να αφαιρέσει τα παραδοσιακά σημεία συμφόρησης ανάπτυξης και απόδοσης που μόλις περιγράψαμε. Το senseEDGE γνωρίζει την ένδειξη του σχεδίου αντίδρασης της εφαρμογής χρήστη για ενεργοποίηση συναγερμού ή ενεργοποίηση κάμερας CCTV. Όλη η πλατφόρμα άκρων είναι χτισμένη γύρω από μια πραγματική κλίμακα και προσαρμόσιμη αρχιτεκτονική υπολογιστών που είναι αρκετά ευέλικτη για αλγόριθμους και λογισμικό για κλιμάκωση και προσαρμογή σε διαφορετικούς φόρτους εργασίας και περιβάλλοντα. Επιπλέον, διαθέτει συνειδητοποίηση σε πραγματικό χρόνο, πράγμα που σημαίνει ότι ολόκληρη η πλατφόρμα άκρων γνωρίζει, ανά πάσα στιγμή, το εξωτερικό περιβάλλον, την αρχιτεκτονική αισθητήρων και αισθητήρων και τις απαιτήσεις της εφαρμογής χρήστη. Επιπλέον, όταν παράγει δεδομένα εξόδου αντικειμένου, γνωρίζει επίσης την ένδειξη του σχεδίου αντίδρασης της εφαρμογής χρήστη, η οποία θα μπορούσε να πυροδοτήσει συναγερμό ή να ενεργοποιήσει μια κάμερα CCTV όταν εντοπίζεται μια συγκεκριμένη ενέργεια. Αυτή η προσέγγιση μετατρέπει τις παραδοσιακές στρατηγικές αντίληψης στο μυαλό τους: είναι προγραμματιζόμενη από το λογισμικό προγραμματιζόμενη αντίληψη και αρχιτεκτονική υπολογιστών, όχι καθορισμένη από υλικό. Είναι απαλλαγμένο από τους περιορισμούς που επιβάλλονται από τον παραδοσιακό υπολογισμό CPU ή GPU που υπαγορεύονται από παρόχους αρχιτεκτονικής υλικού και δεν περιορίζεται στην αντίληψη που έχει δημιουργηθεί κατά τη διάρκεια του σχεδιασμού. Και, αφού είναι πλήρως διαμορφώσιμο, μπορεί να μετακινηθεί από τη μία λύση στην άλλη, παρέχοντας υπολογισμό για διαφορετικούς τρόπους αισθητήρων που έχουν σχεδιαστεί για διαφορετικές περιπτώσεις χρήσης ή περιβάλλοντα, και χαμηλότερο κίνδυνο υιοθέτησης και μετανάστευσης για όσους αναπτύσσουν τη λύση ασφάλειας. Οι μελλοντικές απαιτήσεις αντίληψης senseEDGE είναι επίσης σε θέση να κλιμακώσουν τις μελλοντικές απαιτήσεις αντίληψης, όπως αλγόριθμοι και φόρτος εργασίας που παράγονται από μελλοντικούς αισθητήρες, καθώς και υπολογιστικές τεχνικές και νευρωνικά δίκτυα που δεν έχουν ακόμη επινοηθεί. Εν τω μεταξύ, η καθυστέρηση έναντι της απόδοσης καθορίζεται πλήρως από το λογισμικό και δεν περιορίζεται από τους παρόχους αρχιτεκτονικής υπολογιστών. Τέλος, με γνώμονα τα συμφραζόμενα, συνδέεται πλήρως με τον πραγματικό κόσμο, όπου τα αντανακλαστικά προσαρμόζονται ακόμη και στις πιο λεπτές αλλαγές στο πλαίσιο, γεγονός που κάνει όλη τη διαφορά στο χρόνο και την ακρίβεια σε κρίσιμες καταστάσεις ασφαλείας. Έτσι βλέπει το CronAI το μέλλον της αντίληψης. Αυτό σημαίνει ότι οι καινοτόμοι ασφάλειας και προστασίας μπορούν πλέον να έχουν πρόσβαση και να επενδύουν με χαμηλό κίνδυνο σε μια εύχρηστη και κλιμακούμενη λύση αντίληψης που μπορεί πραγματικά να επωφεληθεί από τις τρέχουσες και μελλοντικές μεθόδους αισθητήρων 3D.