Мир становится более автоматизированным: от роботов для совместной работы, до компьютерных программ, которые могут мгновенно просеивать тысячи документов, — организации теперь могут экономить время и деньги новыми способами. Теперь эту технологию можно использовать для выполнения необходимых, но утомительных и трудоемких задач, которые отнимают у людей гораздо больше времени и более подвержены ошибкам. Тем не менее, есть аспекты автоматизации, которые неправильно поняты и искажены — речь идет об искусственном интеллекте (ИИ), где ажиотаж распространяется быстрее, чем способности технологии.
Подмножества ИИ, подобные машинному обучению или Deep learning, часто называют искусственным интеллектом, когда это не так. На самом деле они ближе к интеллектуальной автоматизации, чем к искусственному интеллекту. Интеллектуальная автоматизация (ИА) может помочь организациям, используя существующие данные и автоматизируя анализ на основе этой информации, что в конечном итоге помогает улучшить операции и рабочие процессы, а также уменьшить избыточные ответы. Но ни одна из технологий не является на самом деле «разумной» в том смысле, что не может мыслить или действовать как люди. До этого еще очень много лет.
Искусственный интеллект: достигнет ли он своего истинного потенциала?
ИИ, безусловно, считается модным словом в индустрии систем безопасности, но некоторые опции неверно истолкованы, не определены или неправильно поняты. Непонимание способностей искусственного интеллекта часто приводит к нереалистичным ожиданиям. В науке о данных ИИ относится к функциональному искусственному мозгу, который обладает самосознанием, умом и может учиться, рассуждать и понимать. В то время как достижения в технологиях искусственного интеллекта прошли сложный путь и будут продолжать развиваться, действительность искусственного интеллекта весомо отличается от интеллектуального компьютера, который может учиться и принимать решения, как человек.
На практике и в части, касающейся индустрии физической безопасности и видеонаблюдения, ИИ — это технология, которая запускает серию алгоритмов, выполняет поиск в больших базах данных или быстро выполняет вычисления, чтобы гарантировать более углубленное понимание. Результаты могут помочь пользователям принимать решения быстрее и продуктивнее, в зависимости от применения. Общими примерами приложений, которые подпадают под «ИИ» считаются технологии распознавания лиц, обнаружения объектов или подсчета людей.
Тем не менее, расширенный характер этого термина означает, что часто ожидания и шумиха превышают истинные возможности и вызывают разочарование. Сегодня ощутимы только подмножества ИИ, такие как методы машинного обучения, которые включают нейронные сети и глубокое обучение. Например, Deep learning использует специфичные для задачи алгоритмы, чтобы помочь обучить компьютер или камеру видеонаблюдения правильно классифицировать входные данные. Для этого программисты по сути обучают устройство, вводя предельно большой объем информации с соответствующими метками, улучшая способность технологии распознавать новые входные данные.
В действительности Deep learning продуктивно используется при автоматическом распознавании автомобильных номеров с помощью видеокамер (ANPR). Систему можно обучить, предоставив ей необработанные изображения автомобильных номеров, а также параметры, по которым она будет работать, поэтому технология знает, что может классифицировать только указанные изображения с возможными выходными данными. Это позволяет IP камере видеонаблюдения сделать снимок задней части автомобиля и идентифицировать символы, а также другую полезную информацию (местоположение, цвет и модель транспорта). Для человека это было бы утомительным и трудоемким занятием, но идеально для компьютеров.
Еще одной вертикалью, где машинное обучение может принести весомую ценность, считается розничная торговля, благодаря способности отслеживать и определять тенденции. Например, такая технология может помочь магазинам выявить розничные коэффициенты конверсии или количество людей, по сравнению с числом покупок. Высокоточный алгоритм Deep learning способен отслеживать количество посетителей и объединять их с данными о продажах, чтобы предоставить нужную информацию человеку-оператору.
Несмотря на то, что технологии искусственного интеллекта наделены преимуществами для хорошо понятых приложений, они имеют ограничения. Конкретные сценарии использования и алгоритмы могут помочь организациям достичь большей операционной продуктивности, но не могут обучать себя совершенно новым задачам или автоматически осмысливать данные, которым не обучались впервые. Кроме того, пользователям может быть трудно интерпретировать, как технология ИИ приняла решение или получила результат.
Определение интеллектуальной автоматизации
Интеллектуальная автоматизация позволяет пользователям принимать мгновенные и обоснованные решения. Данная технология также может автоматизировать некоторые из этих решений, поскольку объединяет автоматизацию и данные вместе, чтобы рекомендовать результат. Один из способов взглянуть на ИА состоит в том, что решение использует существующие в организации данные из разных технологий и дает проводить полномерный анализ для автоматизации операций и повышения производительности.
В целях безопасности ИА может объединять и автоматизировать всевозможные наборы данных, такие как показания термометра, комплекты видеонаблюдения, распознавание лиц, распознавание номерных знаков и прочее. Эта корреляция означает, что люди могут оценивать конкретные проблемы или ситуации, вместо расчетов разных баз данных, но без комбинированного заключения. Как и большинство платформ автоматизации, ИА наиболее производительна при развертывании для конкретных решений.
Чтобы предприятия могли извлечь выгоду из интеллектуальной автоматизации, технология должна иметь четко установленную среду, в которой упор делается на человеческий вклад, когда машины выполняют тяжелую работу, а не принимают решения. С ИА люди проверяют и одобряют машинные решения, чтобы помочь улучшить результаты.
С точки зрения развертывания, национальная инфраструктура считается ярким примером. В этих зданиях предусмотрено несколько систем, включая охранные датчики, пожарные датчики и централизованную систему безопасности. Интеллектуальная автоматизация может использоваться для автоматического извлечения отснятого материала, отправки карты с указанием места происшествия и подачи сигнализации в случае весомого скачка температуры и того, что датчики тепловые пожарные сообщают об «опасности» (что указывает на вероятность пожара или разлив химикатов). Технология может помочь обеспечить действенные ответные меры, инициируя установленную стандартную рабочую процедуру (SOP), когда это необходимо: например, отпирание конкретных дверей, уведомление службы безопасности и прочее.
Нельзя отрицать, что использование таких модных слов, как ИИ, придает продукту ажиотаж, даже если он не совсем точен. Сегодня мы регулярно видим, что этот термин используется не совсем правильно, и пришло время это прекратить. У автоматизации есть весомый потенциал, чтобы приносить пользу бизнесу, собирая больше данных, тем самым раскрывая понимание и информируя решения, которые прежде были невозможны.
