Nonostante i progressi dell’intelligenza artificiale, la maggior parte dei sistemi di videosorveglianza non riesce ancora a riconoscere il contesto in condizioni reali. La maggior parte delle telecamere è in grado di acquisire filmati in tempo reale, ma fatica a interpretarli. Questo problema si sta trasformando in una preoccupazione crescente per i progettisti di smart city, i produttori e le scuole, ognuno dei quali può dipendere dall’intelligenza artificiale per mantenere al sicuro persone e proprietà.
Lumana, un’azienda che si occupa di videosorveglianza AI, ritiene che il difetto di questi sistemi risieda nelle fondamenta della loro costruzione. “Le piattaforme video tradizionali sono state create decenni fa per registrare filmati, non per interpretarli”, ha dichiarato Jordan Shou, vicepresidente del marketing di Lumana. “Aggiungere l’intelligenza artificiale a un’infrastruttura ormai obsoleta è come mettere un chip intelligente in un telefono a rotazione. Potrebbe funzionare, ma non sarà mai abbastanza intelligente o affidabile da comprendere ciò che viene ripreso o aiutare i team a prendere decisioni più intelligenti in tempo reale”
Grandi conseguenze
Quando i sistemi di videosorveglianza tradizionali aggiungono l’intelligenza artificiale a un’infrastruttura più vecchia, si verificano falsi allarmi e problemi di prestazioni. Gli avvisi e i mancati rilevamenti non sono solo intoppi tecnici, ma rischi che possono avere conseguenze devastanti. Shou cita un caso recente in cui un sistema di sorveglianza scolastica, che utilizzava un componente aggiuntivo di intelligenza artificiale per il rilevamento delle armi, ha identificato erroneamente un oggetto innocuo per un’arma, provocando un inutile intervento della polizia.
“Ogni errore, che si tratti di un evento mancato o di un falso allarme, che porta a una risposta impropria, erode la fiducia”, ha affermato. “Fa perdere tempo e denaro e può traumatizzare persone che non hanno fatto nulla di male”
Gli errori possono anche essere costosi. Ogni falso allarme costringe le squadre a sospendere il lavoro vero e proprio e a indagare, un processo che può sottrarre milioni di euro ai bilanci della sicurezza pubblica e delle operazioni ogni anno.
Costruire una base più intelligente
Invece di sovrapporre l’intelligenza artificiale ai vecchi sistemi di videosorveglianza, Lumana ha ricostruito l’infrastruttura stessa con una piattaforma all-in-one che combina hardware, software e intelligenza artificiale proprietari. Il design ibrido-cloud dell’azienda collega qualsiasi telecamera di sicurezza a processori alimentati da GPU e a modelli di IA adattivi che operano ai margini, ovvero sono situati il più vicino possibile al luogo in cui vengono catturati i filmati.
Il risultato, afferma Shou, è una performance più veloce e un’analisi più accurata. Ogni telecamera diventa un dispositivo ad apprendimento continuo che migliora nel tempo, comprendendo il movimento, il comportamento e i modelli unici del suo ambiente.
“Il problema è che la maggior parte dei sistemi di videosorveglianza odierni utilizza modelli di intelligenza artificiale statici e non disponibili, progettati per funzionare solo in ambienti specifici. L’intelligenza artificiale non dovrebbe avere bisogno di un ambiente di laboratorio perfetto per funzionare”, ha spiegato Shou. dovrebbe funzionare in condizioni reali e adattarsi in base ai dati video che arrivano”. Ecco perché quando i clienti confrontano Lumana con i loro sistemi di IA esistenti o con altri sistemi di IA, le differenze e i divari di prestazioni sono immediatamente evidenti”
Il progetto dell’azienda dà anche priorità alla privacy. Tutti i dati sono crittografati, regolati da controlli di accesso e conformi agli standard SOC 2, HIPAA e NDAA. I clienti possono disattivare il tracciamento facciale o biometrico se lo desiderano. “La nostra attenzione si concentra sulle azioni, non sulle identità”, ha detto Shou.
Casi d’uso nel mondo reale
I sistemi di Lumana sono stati impiegati in diversi settori. Uno dei progetti più visibili è quello con JKK Pack, un’azienda produttrice di imballaggi attiva 24 ore su 24 che utilizza le telecamere di sicurezza per monitorare la sicurezza e l’efficienza operativa delle sue strutture.
Prima dell’implementazione di Lumana, le telecamere registravano solo gli incidenti per una successiva revisione, il che portava a perdere eventi e a reagire in modo reattivo. Dopo l’aggiornamento, lo stesso hardware è stato in grado di rilevare in tempo reale movimenti non sicuri, guasti alle apparecchiature o colli di bottiglia nella produzione. L’azienda ha registrato indagini più rapide del 90% e avvisi inviati in meno di un secondo che hanno migliorato notevolmente la risposta agli incidenti di sicurezza, senza sostituire una sola telecamera.
In un altro caso, un rivenditore di alimentari ha integrato l’intelligenza artificiale di Lumana nella sua rete di telecamere esistente per segnalare attività insolite nei punti vendita, come gli svuotamenti ripetuti, e per correlare questi eventi con le prove visive. Il sistema ha ridotto le differenze inventariali e migliorato la responsabilità dei dipendenti, fornendo esempi reali di violazioni delle politiche.
Oltre che nel settore manifatturiero, il sistema di Lumana è stato utilizzato in occasione di grandi eventi pubblici, nei ristoranti e per le operazioni comunali. Nelle città, aiuta a identificare le discariche abusive e gli incendi; nelle catene di ristorazione rapida, monitora la sicurezza in cucina e la manipolazione degli alimenti.
Una spinta più ampia per una videosorveglianza AI affidabile
Il lavoro di Lumana arriva in un momento in cui l’accuratezza e la responsabilità stanno sostituendo la velocità come priorità principali per l’IA aziendale. Un recente studio di F5 ha rilevato che solo il 2% delle aziende si ritiene pienamente pronto a scalare l’IA, con la governance e la sicurezza dei dati citate come le principali sfide.
Questa cautela si riflette nel mercato, con gli analisti che avvertono che, man mano che l ‘IA prende più decisioni, i sistemi devono rimanere “verificabili, trasparenti e privi di pregiudizi”
L’architettura di Lumana fa eco alla richiesta di responsabilità, unendo le prestazioni e il controllo con la governance dei dati e la cybersecurity in una soluzione facile da implementare che potenzia l’infrastruttura di telecamere di sicurezza esistente, aiutando le organizzazioni a estrarre un valore immediato dall’AI video.
Il prossimo passo nella visione artificiale
Shou ha dichiarato che la prossima fase di sviluppo di Lumana mira a passare dal rilevamento e dalla comprensione alla previsione.
“La prossima evoluzione dell’AI video riguarderà il ragionamento”, ha affermato. “La capacità di cogliere il contesto in tempo reale, di fornire intuizioni attuabili e d’impatto dai dati video raccolti, cambierà il modo in cui pensiamo alla sicurezza, alle operazioni e alla consapevolezza”
Per Lumana, l’obiettivo non è solo insegnare all’intelligenza artificiale a vedere meglio, ma aiutarla a capire ciò che vede e permettere a chi si affida ai dati video di prendere decisioni più intelligenti e veloci.
Fonte dell’immagine: Unsplash
