• کیفیت داده: کیفیت داده های مورد استفاده برای آموزش شبکه عصبی بسیار مهم است. داده‌های با کیفیت پایین یا داده‌های دارای برچسب بد می‌توانند منجر به نتایج نادرست شوند و بر عملکرد شبکه عصبی تأثیر منفی بگذارند.
این سؤال که چقدر می‌توانیم برای انجام کارهایی که در گذشته به اپراتورهای آموزش دیده نیاز داشت، به هوش مصنوعی تکیه کنیم، سؤالی است که باید به آن پرداخته شود. این سوال که هوش مصنوعی چند شغل را از انسان ها خواهد گرفت، یک بحث کاملاً محبوب در همه صنایع است، زیرا آشکار شده است که فقط کارگران یقه آبی در خط بیکاری نیستند.
ابری یا در محل
نسخه چاپگر پسندملاحظات مربوط به سیستم های هوش مصنوعی هشدار نادرست
SMART Surveillance 2023 انتخاب سردبیر، دوربین مدار بسته، نظارت و نظارت از راه دور، راه حل های یکپارچه
با نگاهی خاص به اپراتورهای اتاق کنترل انسانی، هوش مصنوعی چقدر شغل آنها را در معرض خطر قرار می دهد؟ در حال حاضر بهترین سناریو این است که یک رویکرد صفحه سیاه داشته باشید که در آن هوش مصنوعی بیشتر هشدارهای نادرست را حذف می‌کند و امیدواریم همه آلارم‌های واقعی را بگیرد و به اپراتور اطلاع دهد که سپس رویه‌های عملیاتی استاندارد (SOP) را برای شرکت یا آن مشتری خاص اجرا می‌کند. (اگر اتاق کنترل زیرساخت های چندین مشتری را نظارت کند).
امروزه برنامه های تحلیلی زیادی وجود دارد که هدف آنها جلوگیری از رسیدن هشدارهای اشتباه به اپراتورهای اتاق کنترل است، برخی از آنها کاملاً در فضای ابری هستند، در حالی که برخی دیگر در سرورها در محل یا حتی در لبه خود دوربین ها میزبانی می شوند. راه حل های امنیتی هوشمند با Dene Alkema، MD Cathexis Africa (برنده جوایز OSPA امسال و همچنین سال گذشته) صحبت کرد تا درباره گزینه‌های مختلف هشدار نادرست موجود برای عملیات نظارت تصویری اطلاعات بیشتری کسب کند.
منبع: https://www.securitysa.com/19896R
“گزارش در مورد مدیریت رویداد یک ویژگی مهم در نرم افزار است که به حفظ یکپارچگی اتاق کنترل کمک می کند. پیاده‌سازی مؤثر CathexisVision در سایت‌های بزرگ و پربازدید در سطح جهانی، گواهی بر توانایی راه‌حل در افزایش ارزش داده‌های ویدیویی است، به طوری که اپراتورها می‌توانند آگاه بمانند و روی ضروری‌ترین وظایف تمرکز کنند.»
وام)
در مورد سوال پهنای باند، او خاطرنشان می کند: «نیاز به پهنای باند مستقیماً بر نحوه طراحی راه حل تأثیر می گذارد. می‌توانید هوش مصنوعی روی دوربین مبتنی بر لبه را به کار ببرید، جایی که دوربین تنها زمانی رویدادها و ویدیو را ارسال می‌کند که تشخیص دهد چیزی برای گزارش وجود دارد. این می تواند پهنای باند و منابع محاسباتی زیادی را صرفه جویی کند، چه به یک راه حل مبتنی بر ابر و چه در محل متصل باشد. این به نحوه نظارت مشتریان بر سایت های خود، الزامات مشتری و محدودیت های اتصالی که باید در هنگام طراحی راه حل در نظر بگیرند، بازمی گردد.
• کمیت داده: بسته به اینکه چقدر در آموزش شبکه عصبی خود تخصص دارید، مقادیر زیادی از داده های متنوع برای آموزش موثر شبکه های عصبی مورد نیاز است که می تواند زمان بر و پرهزینه باشد.
با تمام صحبت ها در مورد سیستم های ابری و راه حل هایی که ظاهراً همه مشکلات شما را حل می کند، مهم نیست در چه صنعتی هستید، ما ابتدا از آلکما پرسیدیم که به نظر او بهترین راه حل چیست. او می‌گوید: «نظارت مؤثر یک سایت یک جنبه حیاتی از هر سیستم امنیتی است و هر دو سیستم ابری و داخلی مزایا و معایب خود را در کاهش هشدارهای کاذب دارند.»
ما چیزهای زیادی در مورد برنامه‌های تشخیص هشدار نادرست می‌شنویم که هشدارهای نادرست را تا ۹۰٪ یا بیشتر کاهش می‌دهند (اگرچه به نظر می‌رسد تعداد کمی از افراد روی تعداد رویدادهای واقعی که سیستم‌ها از دست می‌دهند تمرکز می‌کنند)، با این حال، کارآمدی هر هوش مصنوعی به آموزش دریافتی آن بستگی دارد – مشابه مردم. تشخیص گیاهی که در باد می وزد از انسان به اندازه کافی آسان است (این روزها)، اما چگونه سیستم ها بین افرادی که در آغوش می گیرند و افرادی که دعوا می کنند، تفاوت قائل می شوند؟
آموزش شبکه های عصبی دقیق و موثر امکان پذیر است. تجربه در این زمینه، سرمایه‌گذاری در منابع توسعه کافی، و دسترسی به داده‌های با کیفیت کافی، همگی یک ارائه‌دهنده را قادر می‌سازد تا راه‌حل‌های مبتنی بر هوش مصنوعی را به بازار بیاورد.»
شما باید افراد و ماشین ها را آموزش دهید
در حال حاضر هوش مصنوعی نمی تواند این مشاغل را به عهده بگیرد، یا می تواند؟ با این حال، در آینده چه چیزی می تواند مانع از شناسایی یک رویداد واقعی و اجرای خودکار آن SOPها بدون اتکا به انسان برای اتمام کار توسط هوش مصنوعی شود؟
«در کاتکسیس، اخلاق ما در توسعه راه‌حل‌های مبتنی بر هوش مصنوعی افزایش ارزش داده‌های ویدیویی است. یک راه کلیدی برای انجام این کار با مجموعه تجزیه و تحلیل ویدئویی CathexisVision است که از مدل‌های شبکه عصبی و هوش مصنوعی استفاده می‌کند تا اطمینان حاصل شود که نرم‌افزار می‌تواند ناهنجاری‌ها را در محل تشخیص دهد و فقط اپراتورهای اتاق کنترل را در مورد رویدادهایی که باید در مورد آنها مطلع شوند، هشدار می‌دهد. علاوه بر این، ابزار مدیریت رویداد قدرتمند CathexisVision، دروازه مدیریت هشدار، وجود دارد که به اپراتورها اجازه می‌دهد رویدادهای ویدیویی زنده و ضبط‌شده را مشاهده کنند، از SOPهای خود مطلع شوند و اقداماتی را که انجام داده‌اند گزارش دهند.
نوشته اندرو سلدون
دنه آلکما.
