هوش مصنوعی چیست؟ Artificial Intelligence

فن آوری هوش مصنوعی، که توسط ماشینها و دستگاه ها و نرم افزار ها ارائه می شود بر خلاف هوش طبیعی که توسط انسانها یا حیوانات است فاقد احساس و عواطف هست. به زبان عامیانه اصطلاح سیستم هوش مصنوعی اغلب برای توصیف ماشینهایی به کار می رود که عملکردهای شناختی را که انسان با ذهن خودش مرتبط می سازد را تقلید می کند مانند یادگیری و حل مسئله.

ویژگی ایده آل سیستم هوش مصنوعی، توانایی آن در منطقی سازی و انجام اقداماتی است که بیشترین شانس را برای دستیابی به یک هدف خاص دارند.

زیرمجموعه فن آوری هوش مصنوعی یادگیری ماشینی است، که به مفهومی اشاره دارد که برنامه های رایانه ای می توانند بطور خودکار از داده های جدید بیاموزند و با آنها سازگار شوند بدون اینکه توسط انسان کمک شود. تکنیک های یادگیری عمیق یا همان Deep Learning این یادگیری خودکار را از طریق جذب مقدار زیادی از داده های بدون ساختار مانند متن، عکس یا فیلم امکان پذیر می کند.

یادگیری عمیق یا Deep Learning در فن آوری هوش مصنوعی

یادگیری عمیق یک روش یادگیری ماشینی است که به کامپیوترها یاد می دهد آنچه را که به طور طبیعی به انسان می آید انجام دهند. به عنوان مثال، یادگیری عمیق یک فناوری کلیدی در پشت اتومبیل های بدون راننده است که به آنها امکان می دهد که یک علامت توقف را تشخیص دهند یا یک عابر پیاده را از یک چراغ متمایز کنند.

این کلید کنترل صدا در دستگاه های مصرف کننده مانند تلفن ها ، تبلت ها ، تلویزیون ها و بلندگوهای هندزفری است. یادگیری عمیق اخیراً و به همین دلیل بسیار مورد توجه قرار گرفته است. این نتیجه ای است که قبلاً امکان پذیر نبود.

در یادگیری عمیق، یک مدل کامپیوتری یاد می گیرد که کارهای طبقه بندی را مستقیماً از روی تصاویر، متن یا صدا انجام دهد. مدل های یادگیری عمیق می توانند به مدرن ترین دقت برسند، گاهی اوقات از عملکرد سطح انسانی فراتر می روند. مدل ها با استفاده از مجموعه بزرگی از داده های دارای برچسب و معماری شبکه عصبی که حاوی لایه های بسیاری هستند ، آموزش می بینند.

سیستم هوش مصنوعی در نرم افزار نظارت تصویری اکسون نکست

نرم افزار اکسون نکست نیز با استفاده از فن آوری هوش مصنوعی قادر است تا پردازشهای تصویر یا آنالیتیکهای تصویری را با بهترین دقت انجام دهد. سیستم هوش مصنوعی در تشخیص دود و آتش، تشخیص انسان از سایر، تشخیص پلاک خودرو، تشخیص چهره و … در نرم افزار اکسون نکست به کار رفته است.

فن آوری هوش مصنوعی در نرم افزار اکسون در موارد زیر بسیار پرکاربرد است.

  • تشخیص رفتارشناسی افراد
  • تشخیص انسان از سایر
  • تشخیص و شناسایی و شمارش اشیا
  • تشخیص ابزار حفاظت شخصی افراد
هوش مصنوعی نرم افزار اکسون
آنالیتیک رفتار شناسی

آنالیتیک رفتارشناسی یا AI Human Behavior

شبکه عصبی موقعیت بدن، سر و اندام فرد را مشخص می کند، این امر تشخیص برخی از رفتارها را نیزامکان پذیر می کند.در این نوع آنالیتیک تمامی اعضای بدن فرد، مفاصل و اسکلت او توسط پردازش تصویر مشخص میشود. ردیابی انسان می تواند در اجرای ایمنی محل کار در تأسیسات تولیدی یا سایت های ساختمانی مورد استفاده قرار گیرد.

فردی که در کنار خودپرداز خم شده به احتمال زیاد یک سارق است. تشخیص اسلحه کشیدن در بانک ها یا فروشگاه ها برای اطلاع از سرقت مسلحانه در شرایطی که کارکنان نمی توانند دکمه اخطار و زنگ را بزنند، برای گارد امنیتی بسیار مفید است.

برای کنترل طول صف می توان از شمارنده افراد، مبتنی بر ابزار تشخیص وضعیت استفاده کرد. تشخیص نگهداشتن نرده توسط فرد نیز به درخواست یک شرکت بزرگ تولیدی که نیاز به نظارت بر ایمنی محل کار داشت، در نرم افزار Axxon Next ساخته شد.

به عنوان مثال در فیلم روبرو مشاهده می کنید که چگونه سیستم هوش مصنوعی در صورت افتادن فرد یا خوابیدن، نشستن افراد، اسلحه کشیدن، تسلیم شدن افراد، در نرم افزار Axxon Next رفتارها را شناسایی و اخطار می دهد. خوابیدن فرد در محیط کارخانه، نشستن در محیط ممنوعه برای فردی که قصد خرابکاری دارد می تواند تشخیص و اخطارهای مربوطه به موقع داده شود.

تشخیص تعداد بیشتر از افراد تعیین شده در صف نیز از دیگر آنالیتیکهای رفتارشناسی در سیستم هوش مصنوعی می باشد.

تشخیص نگهدارنده نرده به اجرای ایمنی کار در تأسیسات تولیدی، سایت های ساختمانی، کار در ارتفاع و غیره کمک می کند. بدین معنا که اگر فردی نرده را با دست نگیرد و ایمنی را رعایت ننماید، رفتار فرد توسط نرم افزار اکسون گزارش خواهد شد.

آنالیتیک رفتار شناسی
آنالیتیک رفتار شناسی
سیستم هوش مصنوعی
نرم افزار هوش مصنوعی

تشخیص انسان از سایرین یا Human Detection

شرکت اکسون شبکه های عصبی عمومی آموزش دیده برای شناسایی انسان دارد که حدود 90٪ دقت (یا حدود 10٪ هشدارهای دروغین) را ارائه می دهند. (میزان یادآوری حدود 85٪ است به این معنی که 85٪ اشیای موجود شناسایی می شوند.) بدین معنا که ما می توانیم از طریق آموزش و تکنولوژی Deep Learning فقط انسانها را در تصویر شناسایی کنیم و شاخ و برگ درختان، خودروها، حیوانات را به عنوان آیتمهای مورد شناسایی در نظر نگیریم و از آلارمهای اشتباه در سایتهای حفاظت پیرامونی جلوگیری نماییم.

شرکت اکسون سافت همچنین دپارتمانی دارد که شبکه های عصبی را برای رسیدگی به موارد خاص مشتری، از جمله شرایط نوری دشوار، صحنه های خاص یا زاویه دید خاص، آموزش می دهد. شبکه عصبی آموزش دیده وقتی به درستی انجام شود، فوق العاده خوب عمل می کند و برای دقت و فراخوان تا 95-96٪ بازدهی دارد.

در فیلمهای زیر نمونه هایی از شبکه های عصبی آموزش دیده برای شناسایی افراد وجود دارد.

این ویدئو یک مرور کلی خوب دارد. در سمت چپ، تشخیص منظم حرکت فیلم را مشاهده می کنید. همه اشیا در حال حرکت شناسایی می شوند. همانطور که می بینید، شاخ و برگ و سایه آن برجسته شده است.سمت راست یک شبکه عصبی را نشان می دهد که فقط افراد موجود در صحنه را تشخیص می دهد. اینگونه ما از هشدارها و آلارمهای خطا جلوگیری می کنیم.

این یک نمونه از دنیای واقعی شبکه عصبی ویژه آموزش دیده است. دشواری ها در این تصویر شامل چندین جسم متحرک در صحنه و موقعیت یابی غیر استاندارد دوربین است. با این وجود، دقیقاً فقط افراد را طبقه بندی می کند. دسترسی به اتاق سمت چپ به دلایل فنی محدود شده است. وقتی فردی از خط مجازی در ورودی عبور می کند زنگ هشدار ایجاد می شود.

مثال دیگر جلوگیری از شکارچیان غیر مجاز به پارک حیات وحش است. در این حالت نیز با شناسایی انسان ها زنگ خطر ایجاد می شود، اما حرکت کرگدنها شناسایی نمی شود.

این ویدئو در همان سایت اما شب ضبط شده است. شرایط نظارت دشوارتر است و بسیاری از اشیا در حال حرکت می توانند باعث ایجاد آلارمهای خطا شوند، اما این سیستم فقط افراد را شناسایی می کند.

دوربین های حرارتی ابزاری عالی برای محافظت از محیط های گسترده و کار در شرایط سخت آب و هوایی هستند. بیایید ببینیم که چگونه یک شبکه عصبی از پیش آموزش دیده افراد را در فیلم های ویدئویی دوربین حرارتی تشخیص می دهد. این یک فرد را برجسته می کند اما یک وسیله نقلیه را برجسته نمی کند. در اینجا می بینیم که چگونه تجزیه و تحلیل ویدیو در یک سایت واقعی با زاویه گسترده تر عمل می کند.

تشخیص انسان از هوش مصنوعی برای محافظت از محیط و تشخیص نفوذ و همچنین برای اجرای ایمنی در محل کار، به ویژه برای جلوگیری از حضور شخصی در مناطق خطرناک استفاده می شود. مخصوصاً برای امکانات از راه دور بسیار مناسب است زیرا درصد کمی هشدار دهنده دروغین ایجاد می کند.

پردازش تصویر توسط سیستم هوش مصنوعی
آنالیتیک رفتار شناسی

شناسایی نوع اشیا و شمارش آنها AI Object Detection/Counting

با استفاده از آنالیتیکهای هوش مصنوعی در نرم افزار اکسون می توان توسط دوربین مداربسته نظارت تصویری پردازشهای هوشمند بسیاری انجام داد. به عنوان مثال می توان نوع شی خاصی که در کارخانه ای تولید می شود را تشخیص و آنها را شمارش کرد. همچنین توسط هوش مصنوعی در نرم افزار Axxon Next می توان شمارش دقیقی از افراد را داشته باشیم.

از تشخیص اشیا توسط فن آوری هوش مصنوعی می توان به طور موثر برای شمارش افراد استفاده کرد، در اینجا ما یک زاویه دوربین غیر استاندارد داریم که دوربین رو به پایین است. اما هنوز، تجزیه و تحلیل ویدئو بازدیدکنندگان را که از خط مجازی عبور می کنند، به طور دقیق تشخیص می دهد. ما از این تجزیه و تحلیل برای کنترل تعداد بازدیدکنندگان در فروشگاه استفاده می کنیم تا از محدودیت های ضد همه گیری ویروس کرونا استفاده کنیم. این سیستم داده ها را از تمام نقاط دسترسی جمع می کند. با رسیدن به حد مجاز، پیامی در ورودی های عمومی ظاهر می شود و بازدید کنندگان را وادار می کند منتظر اجازه دسترسی شوند.

در اینجا سیستم هوش مصنوعی، در حال شمارش مخازن پروپان است که بر روی تسمه نقاله در حال حرکت هستند. ایده همان شمارش افراد است، فقط شبکه عصبی برای تشخیص مخازن پروپان آموزش دیده است. به این ترتیب است که ما می توانیم با استفاده از ابزارهای تشخیص استاندارد یکسان اما شبکه های عصبی مختلف، از عهده کارهای مختلف برآییم.

نظارت بر زمان پارکینگ برای این پروژه حداکثر زمان مجاز پارک 30 دقیقه است. بنابراین فن آوری هوش مصنوعی یک وسیله نقلیه را شناسایی می کند و به طور مداوم آن را به عنوان یک جسم واحد ردیابی می کند. بعد از 30 دقیقه، اپراتور اعلانی مبنی بر بیش از زمان مجاز دریافت می کند.

یک مثال کمتر معمول، نظارت بر تعمیر و نگهداری چرخ های راه آهن است. همانطور که می بینید، تجزیه و تحلیل در حالی که افراد موجود در تصویر را نادیده می گیرد، فقط چرخ های چرخ را تشخیص می دهد. با استفاده از عبور مجازی از خط، پردازش تصویر می فهمد که چرخ های چرخ به سکوی ارتعاش (در مرکز تصویر) می چرخند، و چه زمانی خاموش می شوند. این رویدادها به نرم افزار ERP شخص ثالث ارسال می شود که زمان سکونت چرخ ها را روی سکو اندازه گیری می کند و تعداد کل چرخ های تعمیر شده را محاسبه می کند.

در اینجا ما یک شبکه عصبی را مشاهده می کنیم که واگنهایی را در پس زمینه متحرک شناسایی می کند (دوربین روی هواپیمای بدون سرنشین نصب شده است). در اینجا دوربین نصب شده در تاسیسات صنعتی است. هدف شمارش تعداد واگن های ریلی است که از هر مسیر ریلی در جهات مختلف عبور می کنند. توجه داشته باشید که تجزیه و تحلیل ویدئو در نرم افزار Axxon Next بدون در نظر گرفتن روز و شب کاملا” نتایج پایدار و با دقت را ارائه می دهد.

این یک مثال غیرمعمول دیگری است که اتفاقا” یک پروژه واقعی می باشد. هدف شمارش خوکهایی است که به این مرکز آورده شده اند. در تصویر حرکت های بی نظمی زیادی وجود دارد، اما پردازش تصویر در نرم افزار Axxon Next دقت شمارش فوق العاده بالایی را نشان می دهد.