Штучний інтелект та інтелектуальна автоматизація: в чому різниця?

Світ стає більш автоматизованим: від роботів для спільної роботи, до комп'ютерних програм, які можуть миттєво просіяти тисячі документів, — організації тепер можуть економити час та гроші новими способами. Тепер цю технологію можна використовувати для виконання необхідних, але утомливих та трудомістких завдань, які віднімають у людей набагато більше часу та більше схильні до помилок. Проте, є аспекти автоматизації, які неправильно зрозумілі та спотворені — йдеться про штучний інтелект (ШІ), де ажіотаж поширюється швидше, ніж можливості технології.

Підмножини ШІ, подібні до машинного навчання або Deep learning, часто називають штучним інтелектом, коли це не так. Насправді вони ближче до інтелектуальної автоматизації, ніж до штучного інтелекту. Інтелектуальна автоматизація (ІА) може допомогти організаціям, використовуючи чинні дані та автоматизуючи аналіз на основі цієї інформації, що в кінцевому підсумку допомагає поліпшити операції та робочі процеси, а також зменшити надлишкові відповіді. Але жодна з технологій не є насправді «розумною» в тому сенсі, що не може мислити або діяти як люди. До цього ще дуже багато років.

Штучний інтелект: чи досягне він свого справжнього потенціалу?

ШІ, безумовно, вважається модним словом в індустрії систем безпеки, але деякі опції невірно витлумачені, не визначені або неправильно зрозумілі. Нерозуміння здібностей штучного інтелекту часто призводить до нереалістичних очікувань. У науці про дані ШІ належить до функціонального штучного мозку, який володіє самосвідомістю, розумом та може вчитися, міркувати й розуміти. У той час як досягнення в технологіях штучного інтелекту пройшли складний шлях та будуть продовжувати розвиватися, дійсність штучного інтелекту вагомо відрізняється від інтелектуального комп'ютера, який може вчитися та приймати рішення, як людина.

На практиці та в частині, що стосується індустрії фізичної безпеки й відеоспостереження, ШІ — це технологія, яка запускає серію алгоритмів, виконує пошук у великих базах даних або швидко виконує обчислення, щоб гарантувати більш поглиблене розуміння. Результати можуть допомогти користувачам приймати рішення швидше та продуктивніше, в залежності від застосування. Спільними прикладами додатків, які підпадають під «ШІ» вважаються технології розпізнавання облич, виявлення об'єктів або підрахунку людей.

Проте, розширений характер цього терміна означає, що часто очікування та галас перевищують справжні можливості й викликають розчарування. Сьогодні відчутні тільки підмножини ШІ, такі як методи машинного навчання, які включають нейронні мережі та глибоке навчання. Наприклад, Deep learning використовує специфічні для завдання алгоритми, щоб допомогти навчити комп'ютер або камеру відеоспостереження правильно класифікувати вхідні дані. Для цього програмісти по суті навчають пристрій, вводячи гранично великий обсяг інформації з відповідними позначками, покращуючи здатність технології розпізнавати нові вхідні дані.

Насправді Deep learning продуктивно використовується при автоматичному розпізнаванні автомобільних номерів за допомогою відеокамер (ANPR). Систему можна навчити, надавши їй необроблені зображення автомобільних номерів, а також параметри, за якими вона буде працювати, тому технологія знає, що може класифікувати тільки зазначені зображення з можливими вихідними даними. Це дозволяє IP камері відеоспостереження зробити знімок задньої частини автомобіля та ідентифікувати символи, а також іншу корисну інформацію (місце розташування, колір та модель транспорту). Для людини це було б втомливим та трудомістким заняттям, але ідеально для комп'ютерів.

Ще однією вертикаллю, де машинне навчання може принести вагому цінність, вважається роздрібна торгівля, завдяки здатності відстежувати та визначати тенденції. Наприклад, така технологія може допомогти магазинам виявити роздрібні коефіцієнти конверсії або кількість людей, в порівнянні з числом покупок. Високоточний алгоритм Deep learning здатний відстежувати кількість відвідувачів та об'єднувати їх з даними про продажі, щоб надати потрібну інформацію людині-оператору.

Попри те, що технології штучного інтелекту наділені перевагами для добре понятих додатків, вони мають обмеження. Конкретні сценарії використання та алгоритми можуть допомогти організаціям досягти більшої операційної продуктивності, але не можуть навчати себе абсолютно новим завданням або автоматично осмислювати дані, яким не навчалися вперше. Крім того, користувачам може бути важко інтерпретувати, як технологія ШІ прийняла рішення або отримала результат.

Визначення інтелектуальної автоматизації

Інтелектуальна автоматизація дозволяє користувачам приймати миттєві та обґрунтовані рішення. Дана технологія також може автоматизувати деякі з цих рішень, оскільки об'єднує автоматизацію та дані разом, щоб рекомендувати результат. Один зі способів поглянути на ІА полягає в тому, що рішення використовує існуючі в організації дані з різних технологій та дає проводити повномірний аналіз для автоматизації операцій й підвищення продуктивності.

З метою безпеки ІА може об'єднувати та автоматизувати всілякі набори даних, такі як свідчення термометра, комплекти відеоспостереження, розпізнавання облич, розпізнавання номерних знаків та інше. Ця кореляція означає, що люди можуть оцінювати конкретні проблеми чи ситуації, замість розрахунків різних баз даних, але без комбінованого ув'язнення. Як і більшість платформ автоматизації, ІА найбільш продуктивна при розгортанні для конкретних рішень.

Щоб підприємства могли отримати вигоду з інтелектуальної автоматизації, технологія повинна мати чітко встановлену середу, в якій наголос робиться на людський внесок, коли машини виконують важку роботу, а не приймають рішення. З ІА люди перевіряють та схвалюють машинні рішення, щоб допомогти поліпшити результати.

З точки зору розгортання, національна інфраструктура вважається яскравим прикладом. У цих будівлях передбачено кілька систем, включаючи охоронні датчики, пожежні датчики та централізовану систему безпеки. Інтелектуальна автоматизація може використовуватися для автоматичного вилучення відзнятого матеріалу, відправки карти із зазначенням місця події та подачі сигналізації в разі вагомого стрибка температури та того, що датчики теплові пожежні повідомляють про «небезпеки» (що вказує на ймовірність пожежі або розлив хімікатів). Технологія може допомогти забезпечити дієві заходи, ініціюючи встановлену стандартну робочу процедуру (SOP), коли це необхідно: наприклад, відмикання конкретних дверей, повідомлення служби безпеки та інше.

Не можна заперечувати, що використання таких модних слів, як ШІ, надає продукту ажіотаж, навіть якщо він не зовсім точний. Сьогодні ми регулярно бачимо, що цей термін використовується не зовсім правильно, та прийшов час це припинити. У автоматизації є вагомий потенціал, щоб приносити користь бізнесу, збираючи більше даних, тим самим розкриваючи розуміння та інформуючи рішення, які раніше були неможливі.