Produto

Colocando a IA para trabalhar na indústria de segurança

Inteligência artificial, aprendizado de máquina, aprendizado profundo - o que tudo isso significa para a indústria de segurança?

Quer seja o Deep Blue jogando xadrez ou qualquer um dos dispositivos inteligentes em sua casa, parece que estamos vendo sinais de Inteligência Artificial (IA) em todos os lugares.

A verdade é que o hype em torno da IA está se espalhando mais rapidamente do que a ciência real. É claro que as máquinas estão dando grandes passos à frente. No entanto, embora sejam capazes de imitar o comportamento em tarefas específicas, não são capazes de pensar ou agir como os humanos.

Na indústria de segurança física e em outras indústrias, há muitas alegações sobre o que as versões atuais da IA são capazes de fazer. Assim como outras formas de tecnologia, se não tivermos uma compreensão baseada em fatos sobre seu potencial, a IA não atenderá às nossas expectativas irreais.  

Atualmente, IA, aprendizado de máquina e aprendizado profundo são palavras da moda, mas, embora estejam relacionadas, elas significam coisas muito diferentes.

O que é IA? 

Na ciência de dados, IA refere-se a um cérebro artificial totalmente funcional. Alojado em uma máquina, é uma inteligência autoconsciente que pode aprender, raciocinar e compreender. Também pode aumentar seu conhecimento sem a necessidade de intervenção de um operador humano.

O objetivo da pesquisa de IA é criar uma inteligência que consiga entender o mundo ao seu redor, adquirir informações e, a partir dessas experiências, aprender habilidades que não foram programadas anteriormente. Embora estejamos a anos de distância desse tipo de IA verdadeira, os cientistas de dados fizeram grandes avanços em várias áreas de pesquisa, incluindo o aprendizado de máquina.

O que é aprendizado de máquina? 

O aprendizado de máquina envolve ensinar uma máquina a usar inputs e informações históricas para melhorar seu desempenho sem ser explicitamente programada para isso. Em vez de codificar instruções que não mudam com o tempo, os programadores usam algoritmos de aprendizado de máquina e conjuntos de dados para treinar um computador a avaliar, alterar e, por fim, melhorar seus próprios processos computacionais.

O que é aprendizagem profunda? 

Um dos vários tipos de aprendizado de máquina é o aprendizado profundo, que usa algoritmos específicos de tarefas para ajudar a treinar um computador a classificar corretamente os inputs. 

Para fazer isso, os programadores trabalham com dados que foram organizados ou rotulados de maneira predefinida. Eles ensinam um computador a aplicar correlações a novas entradas associando milhares, muitas vezes milhões, de inputs possíveis com rótulos correspondentes que um computador consegue entender.

Depois que o computador processa e classifica uma nova entrada, os programadores medem a precisão da classificação feita pela máquina. Caso a máquina erre, os programadores avaliam o grau do erro e, em seguida, fazem ajustes ao longo da rede para evitar que a máquina repita essa classificação incorreta no futuro. Dessa forma, eles treinam o computador para melhorar sua capacidade de reconhecer novas entradas.

Como a Genetec utiliza essa ciência? 

Na Genetec, usamos o aprendizado profundo em nossa solução de reconhecimento automático de placas de veículos (ALPR) e em outra área de aprendizado de máquina - chamada de não supervisionada - no Genetec Citigraf™, nosso sistema de suporte a decisões (DSS).

Com nosso sistema ALPR, estamos treinando nossos algoritmos usando um conjunto de dados estruturado de imagens LPR brutas e um conjunto limitado de possíveis classes ou saídas. Os conjuntos de dados estruturados consistem em dados que foram organizados ou rotulados de uma maneira predefinida. Nesse caso, os conjuntos de dados incluem imagens rotuladas de uma ampla variedade de placas de veículos.

 
 

O objetivo é que o sistema capture a imagem da traseira de um carro que ele nunca viu antes e seja capaz de identificar os caracteres da placa, o estado de origem e a marca do veículo. Ele faz isso comparando a nova imagem com imagens rotuladas em seu banco de dados. Em seguida, calcula a probabilidade da nova imagem pertencer a um conjunto específico predeterminado de classificações.  

Nossas ofertas atuais de ALPR contêm classificadores Deep Neural Net que são muito eficientes na leitura de caracteres, na rejeição de leituras incorretas e no reconhecimento do estado de origem de uma placa de veículo.

Enquanto o AutoVu aproveita o aprendizado de máquina supervisionado, o Citigraf emprega o aprendizado de máquina não supervisionado.

O aprendizado de máquina não supervisionado lida com problemas muito restritos, analisando dados que não foram organizados ou rotulados com antecedência para encontrar padrões. Nesse caso, o computador está procurando padrões discerníveis nos dados e buscando um resultado desconhecido ou "verdade básica".

Como o aprendizado de máquina pode manter sua cidade segura

O Citigraf ajuda as cidades e as autoridades policiais a utilizar seus recursos físicos com mais eficiência.

Com seu mecanismo de correlação, o Citigraf identifica possíveis relações entre pontos de dados, inclusive eventos. Ele funciona em tempo real e associa dados para ajudar as autoridades policiais e outras equipes de segurança pública a criar um quadro completo de um incidente.

Portanto, embora as máquinas não estejam prontas para dominar o planeta, elas estão se tornando uma ferramenta importante para ajudar a manter as pessoas seguras. E oferecemos suporte à pesquisa em ciência de dados que tem o potencial de proporcionar benefícios para todos em todo o mundo.

Para se manter atualizado sobre a Genetec, siga-nos no TwitterLinkedIn, Facebook e Instagram.

 
Compartilhar

Conteúdo relacionado

As implicações de modelos de linguagem grandes na segurança física

A IA oferece grande potencial para automação e economia de custos. Mas a IA é segura? Explore como a inteligência artificial está evoluindo em nossa indústria hoje.

Tendências de segurança física para 2024
Segurança física: Tendências para 2024

Quer saber quais são as tendências na indústria de segurança física para 2024? Confira nossas previsões anuais abaixo.

Security Center SaaS
Apresentando o Security Center SaaS

Agora você pode ter controle de acesso de nível empresarial, gerenciamento de vídeo, monitoramento de intrusões e comunicações, automação, busca forense e muito mais através de serviços nativos de nuvem.