Larry Andreson, editor la SecurityInformed.com si SourceSecurity.com, intr-o serie de trei articole explica rolul inteligentei artificiale si a algoritmilor de deep learning in sistemele de securitate fizica.
Termenul de inteligenta artificiala se regaseste mai nou in agenda zilnica tuturor producatorilor de sisteme de securitate de renume. Aceasta are potentialul de a transforma complet modul in care percepem si functioneaza un sistem de securitate inteligent. Iata cateva cunostiinte de baza ale AI (Artificial Intelligence) si a noilor algoritmi derivati ca deep learning.
Inteligenta Artificiala reprezinta o categorie de calcul cu referire la o inteligenta afisata de o masina. Informal, inteligenta artificiala este reprezentata de masini care simuleaza functiile cognitive care de regula sunt asociate cu creaturi vii, ca invatare si solutionare probleme.
Trenduri care au dus la dezvoltarea AI
Trei trenduri din industria computerelor au contribuit la dezvoltarea rapida a inteligentei artificiale. Acestea sunt:
- Dezvolatare de hardware capabil in solutionarea de calcule complexe, in mod special a unitatilor grafice de procesare (GPU- care utilizeaza procesarea “paralela” in locul celei “seriale” comuna in randul procesoarelor CPU). Unitatile GPU sunt capabile de efectuarea de multiple calcule simultan. Aceasta aprofundare este orientata spre scalabilitate, problemele mari sunt divizate in mai multe probleme de complexitate redusa care pot fi solutionate in paralel.
- Dezvoltarea tehnicilor de programare in vederea “antrenarii” sistemelor, in mod special a retelor neuronale (neurale). Aceste aplicatii lucreaza in conjunctie cu procesarea paralela specifica unitatilor grafice GPU. O retea neuronala reprezinta un sistem computational compus din sisteme multiple, simple, de elemente de procesare, organizate de regula in straturi, fiecare strat fiind format din noduri interconectate. Fiecare strat determina un rezultat, care va reprezenta datele de intrare pentru urmatorul strat. Pot exista mai mult de 100 de straturi, cu ajutorul carora este posibila procesarea unor cantitati uriase de date in vederea clasificarii complexe a acestora.
- Proliferarea senzorilor (incluzand camere de supraveghere) care produc o cantitate uriasa de date(a.k.a “Big Data”) pentru “antrenarea” eficienta a sistemelor. Proliferarea datelor asigura suficiente date pentru antrenare. In industria securitatii, datele generate de sistemele de supraveghere reprezinta in jur de 60% din Big Date, valoare care ar putea creste cu 20% anual. Aceasta inmultire a datelor hranesc sistemele inteligente si imbunatatesc capabilitatile acestora.
Antrenarea unui sistem bazat pe Inteligenta Artificiala
In cazul unei retele neurale care rezida pe un GPU, regulile de invatare modifica importanta conexiunilor; fiecare nivel contribuie la algoritm cu o importanta diferita. In cazul introducerii unor date de procesare sub forma unui sablon (spre exemplu o imagine video), reteaua neurala analizeaza si eticheteaza sablonul respectiv.
Procesul de antrenare determina cat de diferit este raspunsul initial de cel actual si efectueaza ajustari necesare ale importantei conexiunii. Prin acest proces sistemul “invata”. Exista mai multe nivele de clasificare, similar filtrelor, fiecare avand un rol important in determinarea caii de analiza corecta a datelor de intrare.
Algoritmii de deep learning fac parte din familia de algoritmi de tipul machine learning si sunt utilizati indeosebi in randul sistemelor de supraveghere video. Deep learning presupune utilizarea unor cantitati uriase de date (imagini video) in procesul de invatare specific retelei neurale.
Deep learning in sistemele CCTV
Creierul uman compus din miliarde de neuroni este simulat de elementele de procesare interconectate ale unei retele neurale care lucreaza in paralel pe unitati de procesare video (GPU) in scopul solutionarii unei probleme. Acest aspect a inteligentei artificiale, cunoscut ca deep learning, reprezinta bazele unei noi generatii de sisteme inteligente de supraveghere video cu performante in scenariile de clasificare a obiectelor.
Aceasta abordare urmareste transformarea si evolutia eficientei sistemelor de supraveghere video, adio alarme false. O scurta incursiune in lumea computerelor, acestea sunt programate utilizand algoritmi de analiza video. Sistemele bazate pe deep learning sunt antrenate. Daca se doreste identificarea unei pisici spre exemplu, este nevoie de antrenarea sistemului cu multiple imagini ce contin pisisci, acesta va clasifica datele in date de dimensiuni reduse si va cauta dupa parametri comuni. Ulterior va invata caracteristicile comunie din imagini.
Antrenarea poate fi maximizata odata cu prezentarea unei cantitati uriase de date. Sistemul devine mai rafinat pe masura ce sunt prezentate datele spre invatare. Astfel un sistem bazat pe deep learning va discerne tiparele si va generaliza cu usurinta un eveniment.
De la antrenare la interferenta
Daca un programator poate petrece cateva luni pentru a scrie instructiuni prin care ii indica computerului cum arata o pisica, o retea neurala poate invata daca este expusa la un numar ridicat de imagini ale pisicilor, fara codare suplimentara. Exista totusi si un mic dezavantaj, timpul necesar invatarii unei sistem neural este insemnat, aceasta poate porni de la cateva minute, ore si poate dura cateva zile pana la completarea procesului. Pe durata invatarii din punct de vedere computational sistemul functioneaza extrem de intens.
Totusi, odata ce o retea neurala a fost invatata, poate fi utilizata sa “interfereze”, sa decida daca o imagine contine sau nu o pisica. Actiunea de interferenta consuma resurse reduse, fapt pentru care acesti algoritmi de deep learning pot fi stocati in inregistratoare digitale ca DVR-uri si NVR-uri, sau chiar si in randul camerelor IP.
Algoritmii deep learning pot obtine rezultate incredibile in precizia de recunoastere a tiparelor, in calsificarea si recunoasterea multitudinilor de caracteristici. Aceste functii disting sistemele performante si moderne de supraveghere video de cele conventionale, totul rezumandu-se la viteza de analiza a imaginilor in scopul filtrarii alarmelor false.
Timpi esentiali pot fi economisiti prin simpla utilizare a unui DVR sau NVR inteligent, deoarece acestia detin toate armele in etichetarea obiectelor. Operatorii de securitate si nu numai, petrec din ce in ce mai putin timp in vizualizarea si etichetarea manuala a inregistrarilor in caz de eveniment, rezultatele sugestive fiind afisate doar la cateva clickuri de mouse distanta.
Partea doi, in curand…
