Tehnologija računalnog vida može pomoći u sprečavanju napada, ali i potaknuti rješenja za industriju, logistiku, maloprodaju

Sustav računalnog vida ima vrlo široku primjenu u raznim sektorima. Tako, primjerice, u maloprodaji pomaže trgovinama i trgovačkim centrima analizirati ponašanje kupaca, dok u industrijskim postrojenjima sustav igra ključnu ulogu u nadzoru proizvodnih linija. Njegova primjena omogućuje otkrivanje nepravilnosti u procesu rada, čime se povećava učinkovitost i smanjuje rizik od nesreća, ističe za ICTbusiness.info jedan od suosnivača Mogen Techa Krešimir Radošević.

Prema njegovim riječima tu je i primjena u logistici jer sustav automatizira procese poput praćenja robe i optimizacije skladišnih operacija, a vezano uz nedavni tragični događaj u školi u Prečkom u Zagrebu sustav računalnog vida može igrati ključnu ulogu u sprječavanju sličnih incidenata.

Tehnologija omogućuje prepoznavanje potencijalno opasnih predmeta, poput noževa i pištolja, u stvarnom vremenu, pojašnjava Radošević.

Tvrtka Mogen Tech bavi se sustavima prepoznavanja videa. Koliko je danas uloženo u razvoj i što je sve taj razvoj dosad uključivao?

Razvoj našeg sustava računalnog vida rezultat je višegodišnjeg intenzivnog rada i značajnih ulaganja, koja su sa značajnim porastom u posljednjih 6 mjeseci ukupno premašila milijun eura. Ovo ulaganje bilo je usmjereno na nekoliko ključnih aspekata. Prije svega, razvijali smo napredne algoritme dubokog učenja koji omogućuju prepoznavanje objekata i situacija u stvarnom vremenu.

Istovremeno, izgradili smo robusnu infrastrukturu koja može obraditi ogromne količine podataka te osigurati stabilnost i skalabilnost sustava. Testiranje u stvarnim uvjetima bio je još jedan važan korak kroz koji smo osigurali da naš sustav može učinkovito raditi u različitim industrijama, poput maloprodaje, logistike i sigurnosnih sustava.

Osim tehničkog aspekta, u razvoj su uključeni stručnjaci iz različitih područja, poput inženjera umjetne inteligencije, biheviorističkih psihologa i stručnjaka za sigurnost. Ova multidisciplinarna suradnja bila je ključna za stvaranje rješenja koja odgovaraju na stvarne izazove s kojima se naši korisnici svakodnevno susreću.

Koje su sve primjene vašeg sustava?

Naš sustav računalnog vida ima vrlo široku primjenu u raznim sektorima. Primjerice, u maloprodaji pomaže trgovinama i trgovačkim centrima analizirati ponašanje kupaca. Sustav omogućuje razumijevanje kako se kupci kreću kroz prostor, koje proizvode najviše razgledavaju i gdje provode najviše vremena. Te informacije koriste se za optimizaciju rasporeda proizvoda i povećanje prodaje.

U industrijskim postrojenjima naš sustav igra ključnu ulogu u nadzoru proizvodnih linija. Njegova primjena omogućuje otkrivanje nepravilnosti u procesu rada, čime se povećava učinkovitost i smanjuje rizik od nesreća.

U logistici, sustav automatizira procese poput praćenja robe i optimizacije skladišnih operacija. To rezultira smanjenjem operativnih troškova i povećanjem brzine isporuke.

Osim toga, sigurnosne primjene našeg sustava uključuju praćenje javnih prostora, prepoznavanje potencijalnih prijetnji i sprječavanje opasnih situacija. Na gradilištima, primjerice, sustav prepoznaje potencijalno rizične scenarije, poput nepravilne upotrebe zaštitne opreme, čime se smanjuje broj nesreća.

S obzirom na nedavni napad na učenike i učiteljicu, kakva je primjena vašeg sustava u takvim slučajevima?

Duboko suosjećamo sa svima pogođenima ovom tragedijom. Naš sustav računalnog vida može igrati ključnu ulogu u sprječavanju sličnih incidenata. Tehnologija omogućuje prepoznavanje potencijalno opasnih predmeta, poput noževa i pištolja, u stvarnom vremenu.

Kada sustav detektira takvu prijetnju, automatski šalje upozorenje nadležnim službama, omogućujući im da odmah reagiraju. Svaka sekunda je važna u takvim situacijama, a naš sustav omogućuje brzo donošenje odluka.

Ipak, tehnologija najbolje funkcionira kao dio šireg sigurnosnog sustava. Važno je da bude integrirana s protokolima koji uključuju edukaciju osoblja i pravilne postupke u kriznim situacijama. Naša misija nije zamijeniti ljudski nadzor, već ga osnažiti alatima koji omogućuju brže i preciznije reakcije.

Kako funkcionira sustav računalnog prepoznavanja vida i koje su glavne komponente takvog sustava? Koju ulogu igra umjetna inteligencija u razvoju tehnologija za prepoznavanje predmeta i ljudi?

Naš sustav koristi tehnologiju konvolucijskih neuronskih mreža (CNN), koje su osmišljene za analizu i prepoznavanje vizualnih informacija. Funkcionira tako da svaki videozapis razdvaja na pojedinačne slike, a zatim analizira te slike sloj po sloj.

Prvi slojevi neuronske mreže prepoznaju osnovne elemente, poput rubova, oblika i tekstura. Kako slike prolaze kroz dublje slojeve mreže, sustav kombinira ove osnovne značajke u složenije strukture, poput prepoznavanja lica, vozila ili predmeta poput oružja.

Posebna snaga našeg sustava je mogućnost obrade podataka u stvarnom vremenu. To znači da sustav ne samo da identificira objekte, već to čini dovoljno brzo da se omogući pravovremena reakcija, što je ključno u sigurnosno osjetljivim situacijama.

Umjetna je inteligencija ključna jer omogućuje sustavu da uči iz podataka. Što više podataka analiziramo, sustav postaje precizniji i prilagodljiviji novim izazovima.

Kako sustavi za prepoznavanje vida razlikuju ljude, životinje i nežive objekte? Koliko je pouzdan sustav za prepoznavanje oružja i koje su mjere za minimiziranje pogrešaka?

Razlikovanje ljudi, životinja i neživih objekata temelji se na analizi njihovih karakterističnih značajki. Sustav, primjerice, prepoznaje ljude prema proporcijama tijela i obrascima pokreta, dok životinje imaju specifične obrasce kretanja koji ih razlikuju. Neživi objekti prepoznaju se prema obliku, veličini i teksturi.

Što se tiče prepoznavanja oružja, naš sustav postiže visoku razinu pouzdanosti zahvaljujući treniranju na velikim i raznolikim skupovima podataka. Implementirali smo višestruke slojeve validacije rezultata kako bismo smanjili mogućnost pogreške. Sustav također kontinuirano uči iz novih podataka kako bi održao visoku razinu preciznosti čak i u kompleksnim uvjetima.

Kako se osigurava etička upotreba računalnog prepoznavanja vida u javnim prostorima i privatnom sektoru? Posebno kada je u pitanju GDPR i EU AI Act.

Za nas je etička upotreba tehnologije prioritet. Naš sustav razvijen je prema principu "privacy-by-design", što znači da je zaštita privatnosti ugrađena u svaki korak razvoja.

Osobni podaci, poput lica ljudi, automatski se anonimiziraju i ne pohranjuju bez pristanka korisnika. Pristup podacima strogo je kontroliran i omogućuje ga samo ovlaštenim osobama. Našim korisnicima pružamo transparentne informacije o tome kako se sustav koristi i na koji način obrađuje podatke.

Osim toga, u potpunosti se pridržavamo GDPR regulative i EU AI Act-a, čime osiguravamo odgovornu i zakonitu primjenu naše tehnologije.

Na koje izazove nailazite pri prepoznavanju sličnih ili zamaskiranih objekata? Koje su glavne primjene računalnog vida u sigurnosnim sustavima, kao što su prepoznavanje oružja ili nadzor ulaza?

Jedan od najvećih izazova je prepoznavanje objekata u uvjetima slabe vidljivosti, poput lošeg osvjetljenja, ili kada su objekti djelomično zaklonjeni. Sustav se suočava i s kompleksnim scenama gdje se pojavljuje više objekata različitih veličina i oblika.

Kako bismo rješavali ove izazove, razvili smo napredne algoritme koji uzimaju u obzir kontekst cijele scene, a ne samo pojedinačne objekte. Na primjer, sustav može analizirati kutove gledanja ili uvjete osvjetljenja kako bi povećao preciznost detekcije.

Sigurnosne primjene uključuju prepoznavanje oružja u stvarnom vremenu, praćenje ulaza u štićene prostore te identifikaciju sumnjivog ponašanja. Ove funkcionalnosti ključne su za prevenciju i brzo reagiranje u situacijama koje zahtijevaju hitnu intervenciju.

Kako se može smanjiti pristranost (bias) u AI modelima koji prepoznaju ljude na temelju fizičkih karakteristika? Koja su ograničenja trenutne tehnologije računalnog vida i što možemo očekivati u budućnosti?

Pristranost (bias) u AI modelima prepoznavanja može biti ozbiljan izazov, pogotovo kada je riječ o ljudima. Različite fizičke karakteristike, poput boje kože, dobi ili spola, mogu nenamjerno utjecati na performanse modela. Kako bismo smanjili pristranost, koristimo raznolike skupove podataka koji uključuju različite demografske skupine. To osigurava da modeli jednako precizno prepoznaju ljude bez obzira na njihove fizičke osobine.

Osim toga, primjenjujemo napredne tehnike za otkrivanje i ispravljanje pristranosti tijekom procesa treniranja modela. Kontinuirano testiramo sustav na stvarnim situacijama kako bismo identificirali eventualne nepravilnosti i odmah ih ispravili.

Što se tiče ograničenja trenutne tehnologije računalnog vida, najveći izazovi su uvjeti slabe vidljivosti, poput noćnih scena, te kompleksni scenariji gdje se pojavljuje mnogo objekata ili ljudi. Također, računalni resursi potrebni za rad s velikim skupovima podataka mogu biti značajni, što ponekad ograničava primjenu u manjim sustavima.

U budućnosti očekujemo još naprednije modele koji će biti robusniji u izazovnim uvjetima. Vidimo razvoj sustava koji će bolje razumjeti kontekst scene, a istovremeno će biti optimizirani za rad na manje zahtjevnim hardverskim platformama. Također, etička dimenzija razvoja AI-ja postat će još važnija, osiguravajući fer i nepristranu primjenu tehnologije.