Potencjał generatywnych SI w branży security w 2024r.

Od dłuższego czasu w branży bezpieczeństwa obserwujemy trendy związane z wykorzystywaniem SI (sztucznych inteligencji) i uczenia maszynowego (oraz głębokiego – deep learning). W szczególności skupiają się one na zaawansowanej analityce w urządzeniach brzegowych – czyli w samych kamerach.

Proliferacja uczenia maszynowego do urządzeń brzegowych przyspiesza. W zasadzie każda nowoczesna kamera ma zaimplementowaną tego typu technologię, co w znacznym stopniu poprawia możliwości analityczne urządzenia. Możliwości te są podstawą do budowania skalowalnych systemów w chmurze ze względu na to, że eliminują potrzebę bardzo wysokich przepustowości w sieci. Dodatkowo redukują potrzebną moc obliczeniową w chmurze, a co za tym idzie – system staje się bardziej niezawodny.

W temacie SI rok 2023 był przełomowy. Duże modele językowe (LLM – Large Language Model), jako podstawa generatywnych SI ujrzały światło dzienne i zostały zakorzenione na naszej świadomości. Taka forma SI wspiera tworzenie nowych treści – tekstu, obrazów czy nawet materiałów wideo – bazując na „promptach” pisanych naturalnym językiem czy pytaniach zadawanych przez użytkowników.

Niemal każda branża szuka potencjalnych zastosowań dla generatywnych SI, a sektor bezpieczeństwa nie jest tu wyjątkiem. Z pewnością w 2024 roku zobaczymy wiele aplikacji z wynku security, które bazują na wykorzystaniu modeli językowych i generatywnych SI.. Możemy podejrzewać, że będą to np. asystenci dla operatorów, dzięki którym człowiek będzie w stanie dokładniej i efektywniej interpretować co się dzieje na obrazie. Kolejnym zastosowaniem może być interaktywne wsparcie klienta, które szybko i sprawnie odpowie na pytania. Należy również pamiętać, że generatywne SI już udowodniły swoją wartość przy tworzeniu nowego oprogramowania, co niewątpliwie jest benefitem dla sektora bezpieczeństwa.

Axis Communications nie pozostaje tutaj w tyle. W nowych produktach możemy spotkać coraz bardziej zaawansowane algorytmy i rozwiązania, które kilka lat temu były w swerze marzeń czy fantastyki naukowej. Rozpoznawanie rodzaju obiektu (człowiek, samochód osobowy, ciężarowy, rower etc) staje się standardem.

Technologia za tym stojąca jest coraz bardziej wyrafinowana i coraz dokładniejsza. Przykładem może być tutaj wbudowany w niektóre modele kamer AXIS „Obejct Analytics”.

Oczywiście musimy mieć na uwadze ryzyko i potencjalne pułapki czyhające na użytkowników generatywnych SI. Możemy się spodziewać wielu debat nad tym, które modele zaimplementować i w jaki sposób. Na pewno pojawią się pytania open-source czy modele zamknięte. Ryzykowne może być pominięcie tych pytań i będziemy musieli na nie odpowiedzieć już wkrótce.

Przykładowe rozwiązania AXIS wykorzystujące deep learning i zaawansowaną analitykę bezpośrednio w kamerze:

Kamera z wyjściem HDMI oraz wyjściem HD-SDI:

Budżetowa kamera kopułkowa z zaawansowaną analityką, wyjściem HDMI i oświetlaczem IR:

Autor: Paweł Będź

Wszystkie materiały graficzne pochodzą z oficjalnej strony producenta lub zostały wygenerowane z użyciem AI.