Mesterséges intelligencia a biztonsági szektorban

A mesterséges intelligencia (AI) a magánembereket éppúgy foglalkoztatja, mint a vállalatokat, főként amióta divat lett kipróbálni a „ChatGPT”-t, az állítólag mindentudó chatbotot. Az AI-megoldások áradatával egy időben felmerül a kérdés is, hogy milyen szerepet játszik az AI a biztonsági iparágban. Mit tehet az AI a mindennapi élet védelmében és a fizikai biztonsági megoldásokban? De azért felmerülhet az a kérdés is, hogy mennyire van értünk, vagy ellenünk a technológia...

Számos olyan alkalmazási terület van, ahol a mesterséges intelligencia hozzájárulhat a biztonsági iparághoz. Például az emberek felismerése; annak meghatározása, hogy belépnek-e bizonyos területekre; az emberek számlálása; vagy az arcfelismerés. A nagy feldolgozási sebességüknek köszönhetően az AI-alapú megoldások hatalmas mennyiségű adatot képesek átvizsgálni nagyon nagy pontossággal.

Meglévő problémák okos megoldása
A fizikai biztonságot segítő megoldásoknál alkalmazott mesterséges intelligencia megközelítését alapvetően annak a kérdésnek kell vezérelnie, hogy mi a feladat és az AI a megfelelő technológia-e a megoldásához? Nincs értelme a mesterséges intelligenciát önmagáért, úgymond divatból alkalmazni. Éppen ezért a mesterséges intelligencia alkalmazásakor az első kérdések, amelyeket fel kell tenni:
– Mi az, ami valóban üzleti értéket hoz?
– Hol van a hozzáadott érték az átfogó koncepcióban?
A mesterséges intelligencia alkalmazása csak egyik összetevője egy átfogó koncepciónak, például amikor a biztonság és az adatvédelem (GDPR) közötti kompromisszumról van szó.

Az AI csak egy általános kifejezés
De mit is jelentenek a mesterséges intelligencia, a gépi tanulás és a mélytanulás kifejezések a biztonsági ipar számára? Az AI csak egy általános kifejezés, ami a biztonsági ipar számára a gépi tanulást jelenti. A gépi tanulás arra épül, hogy a rendszerek információt kapva tanulnak, például azt, hogy az autóknak gumiabroncsuk van. A gépi tanulás esetén a programozók beavatkoznak és kiigazításokat végeznek. A rendszer tanul, de önmaga nem változtatja meg az algoritmusokat.
A gépi tanulás izgalmas részterülete a mélytanulás. Ez a forradalmi megközelítés megnyitja annak lehetőségét, hogy a rendszerek automatikusan tanuljanak és fejlesszék magukat. Ehhez a Deep Learning (mély tanulás) nagy adathalmazokat elemez, és a rendszer maga találja ki, hogy miből áll például egy autó, ha több százezer képet dolgoz fel, és megállapítja, hogy mindegyikben vannak gumiabroncsok. A Deep Learning mesterségesen létrehozott neurális hálózatokat használ a minták felismerésére. Ez persze összetettebb, és hosszabb időt vesz igénybe a rendszerek betanítása. Másrészt viszont képes strukturálatlan adatok kezelésére.

A cél az intelligens automatizálás
Az AI a legnagyobb hozzáadott értéket az automatizálás révén adhatja a biztonsági ágazat számára. Ezért a biztonsági rendszerekkel kölcsönhatásban lévő mesterséges intelligenciára a megfelelőbb kifejezés az „intelligens automatizálás”.
Az intelligens automatizálás az ember-gép együttműködés új szintjét jelenti: az AI és a videóelemzés segítségével megváltoztatja és egyszerűsíti a szervezetek biztonsági folyamatait. A fizikai biztonsági megoldások területén a cél az intelligens automatizálási módok megtalálása, hogy bizonyos monoton feladatokat ne kelljen többé manuálisan elvégezni, mint például az emberek megszámlálása, vagy egy védett területre történő behatolás automatikus észlelése – anélkül, hogy valaki folyamatosan a képernyőre nézne.

Alkalmazási példák az intelligens automatizáláshoz
Különösen a biztonsági iparban nagyon sok lehetőség kínálkozik az automatizálásra, például a videóelemzésben. Például a tömegközlekedésben vagy sporteseményeken egy stadionban az egyének számlálására van szükség a tömegek intelligens irányítása és a veszélyes zsúfoltság elkerülése érdekében. Nem arról van szó, hogy a be- és kijáratnál meg kell számolni az embereket, hanem arról, hogy helyesen kell felmérni az aktuális helyzetet egyes helyszíneken.
Az ún. „tömegbecslés” mesterséges intelligenciával támogatott megoldása átveheti ezt a feladatot, és ma már legalább 90%-os pontosságot lehet így elérni. A tömegeket kamerával rögzítik. Az egyén pixeles és nem azonosítható – így ez a megoldás megfelel az általános adatvédelmi rendeletnek (GDPR). Ezt követően a rendszer, amely több ezer, meghatározott számú embert tartalmazó kép kiértékelésével megtanulta, hogy hány ember alkot egy 500 vagy 1000 fős tömeget, Deep Learning segítségével elemzi ezeket a képeket. A megoldás képes megbízható információt adni arról, hogy hány ember csoportosul egy helyen. Ezután például riasztást lehet adni, ha a helyi közlekedés egyik peronja teljesen túlterhelt. Az automatizált bejelentések ezután segítenek az embereket más területekre irányítani.

Nagyobb biztonság a közterületeken
A közterületek és városok nagyobb biztonsága érdekében a mesterséges intelligenciával támogatott videóelemzés például képes intelligens és pontos osztályozásra különböző objektumok – például járókelők, lézengő emberek, tömegek vagy autók – esetében, beleértve a haladási irányt is. Az élő és a rögzített videókon egyaránt a gépek címkézik ezeket az adatokat. Ezután a mentőszolgálatok, vagy adott esetben a nyomozók gyorsabban és könnyebben azonosíthatják a releváns személyeket, tárgyakat vagy eseményeket. Így elkerülhető a megfigyelési felvételek több órás átfésülése. Vészhelyzetben ezek az új adatfelismerések a gyors segítségnyújtáshoz elengedhetetlen információkkal szolgálhatnak.
A mesterséges intelligencia alapú technológiák a biztonság veszélyeztetése nélkül segítik a polgárok magánéletének védelmét is. A közterületeken egyre elterjedtebbé váló videó-megfigyelés vitákhoz vezetett az emberek magánélethez való jogáról és a biztonság javításának módjáról. Megoldásként intelligens eszközök állnak rendelkezésre az emberek magánéletének védelmére azáltal, hogy automatikusan eltakarják az egyéneket, és csak meghatározott esetekben és az arra felhatalmazott személyek számára engedélyezik az eredeti felvételekhez való hozzáférést.
A biztonsággal kapcsolatos alkalmazásokon túl az AI-alapú videóelemzésben nagy lehetőségek rejlenek, például az épületek helykihasználásának megismerésében. Az ilyen térfoglaltsági mérésekből a szervezetek számos értékes üzleti betekintést nyerhetnek, és választ kaphatnak olyan kérdésekre, mint például: Hogyan használják ki a tárgyalótermeket? Túl nagy tárgyalótermeket foglalnak-e le kis létszámú megbeszélésekre? Hány közös használatú íróasztal van szabadon emeletenként? Milyen folyamatokat lehet javítani, például a kantinban?

Következtetés
Az AI-technológiák növelik az elemzések pontosságát, és az automatizálás révén könnyítést és hozzáadott értéket teremtenek, így növelik az emberek biztonságát, és védik a környezetet. Azonban még nem képesek arra, hogy felügyelet nélküli tanulással új feladatokat tanítsanak maguknak, vagy automatikusan megértsék az adatokat.
A megoldások képesek előzetes döntéseket hozni és szűrni, de továbbra is az ember marad a kulcselem. Az emberek határozzák meg, hogy mi a fontos, validálják az adatokat, és döntenek arról, hogy mihez kezdjenek az információkkal.

(Forrás: de magazin elektro.net hírlevél.2023.06.21.)

Képek:
1. ábra Image by rowpixel.com on Freepick
2. ábra Image by Freepik