Изобретение ИИ сравнимо с открытием электричества: все в мире используют его для чего угодно и для чего угодно. Однако приложения для управления человеком уже более продвинуты, чем когда-либо показала история. ⁃ TN Editor
Команда исследователей искусственного интеллекта из Индии разработала инструмент для поиска людей в кадрах наблюдения по росту, цвету одежды и полу. Это как поисковая система, которая может найти людей в видео.
Ученые использовали глубокое обучение (и набор данных Microsoft COCO) для обучения сверточной нейронной сети (CNN), как распознавать определенные человеческие особенности, называемые мягкой биометрией, используя компьютерное зрение.
По сути, вы можете рассказать этому ИИ некоторые подробности о человеке, которого вы ищете, и он отыщет любое видео, которое вы ему дадите. Например, запрос о «женщинах в красных рубашках, имеющих рост 153 см», возможно, сузит весь видеоклип только до кадров с людьми, которые соответствуют этим критериям.
По словам исследователей, алгоритм «правильно восстанавливает людей 28 из 41 в очень сложном наборе данных с мягкими биометрическими атрибутами». В настоящее время он выполняет поиск только по росту, цвету туловища (одежды) и полу.
На первый взгляд, идея идентифицировать в видео людей, которые встречают относительно расплывчатые описания, и с точностью, которая немного лучше половины, не звучит как важный технологический прогресс. Но эта ранняя работа показывает большой потенциал. Стоит спросить, что бы это значило, если бы точность могла быть улучшена сверх человеческих возможностей.
Существуют сценарии, когда заинтересованные стороны не будут знать, что они ищут в данных наблюдения в режиме реального времени. Эта экспериментальная CNN была бы идеально подходящей для случаев использования, когда нам нужно составить временную шкалу, окружающую конкретного человека, основываясь на имеющихся исторических записях наблюдения.
Представьте себе ситуацию, когда человек пропал без вести через два дня. Можно было бы попросить отснятый материал с камер в местах, где человек, вероятно, находился поблизости - например, на часто посещаемой заправке или в кампусе, который посещал человек. Но после этого без каких-либо поводов практически невозможно определить, какие кадры смотреть дальше. Могут быть миллионы часов видео, снятого за два дня в пределах определенного набора городских кварталов.
Однако, если бы мы могли подать видео на нейронной сети и пусть это сузит кругозор до нескольких часов скомпилированных кадров, можно будет точно отслеживать людей по нескольким каналам наблюдения.
Это интересно по многим причинам. Во-первых, конечно, последствия для поиска пропавших без вести или отслеживания подозреваемых преступников невероятны. Но, возможно, столь же важным является тот факт, что это законный ответ на проблему повсеместное наблюдение.
