نظارت دوربین‌ها و هوش مصنوعی: فراتر از آنچه می‌دانیم

سیستم‌های مبتنی بر بینایی ماشین در چند ثانیه می‌توانند چهره‌ها را تشخیص داده، حرکات را ردیابی کنند و از نگاه یا رفتار افراد نتیجه‌گیری نمایند؛ اما عموم مردم از نحوه عملکرد این الگوریتم‌ها بی‌خبرند.

سیستم‌های مجهز به بینایی ماشین در عرض چند ثانیه قادرند چهره‌ها را شناسایی، حرکات را دنبال و از طرز نگاه یا رفتار افراد نتیجه‌گیری کنند. هرچند اغلب ما می‌دانیم که در فضاهای عمومی از ما فیلمبرداری می‌شود، اما اطلاعات کمی درباره آنچه الگوریتم‌ها در تصاویر جستجو می‌کنند، چه داده‌هایی تولید می‌کنند و نحوه استفاده از این اطلاعات داریم.

مارک پتو (Márk Pető)، مهندس یادگیری ماشین و توسعه‌دهنده ارشد نرم‌افزار در بوش (Bosch)، در جدیدترین پادکست این شرکت اشاره کرد: «معمولاً می‌دانیم که از ما فیلم گرفته می‌شود، اما نمی‌دانیم الگوریتم به دنبال چه اطلاعاتی است و چه چیزی را می‌تواند از آن تشخیص دهد. حتی برای متخصصان نیز این موضوع همیشه روشن نیست.» او افزود که صرفاً از محل قرارگیری دوربین‌ها نمی‌توان به کاربرد آن‌ها پی برد؛ یک تصویر می‌تواند برای ردیابی حرکت، شناسایی چهره یا تشخیص رفتارهای غیرعادی استفاده شود. قدرت بینایی ماشین در پردازش داده‌های بسیار جزئی حتی از یک فیلم عادی نهفته است.

در برخی آزمون‌های تشخیص تصویر، دقت ماشین‌ها از انسان‌ها فراتر رفته است. سیستم‌های هوش مصنوعی با یادگیری از حجم عظیمی از تصاویر، می‌توانند الگوهای تکراری را بدون نیاز به قوانین از پیش تعیین شده شناسایی کنند. با این حال، این برتری تنها به یک وظیفه مشخص محدود می‌شود. برای مثال، یک الگوریتم به آسانی تشخیص می‌دهد که فردی در خیابان می‌دود، اما فهمیدن دلیل آن — مثلاً اینکه برای ورزش می‌دود، می‌خواهد به اتوبوس برسد یا در حال فرار است — برایش بسیار دشوارتر است. انسان برای تفسیر یک موقعیت، به محیط اطراف، تجربیات قبلی و جزئیات ظریف آن تکیه می‌کند، در حالی که ماشین باید همه اینها را جداگانه بیاموزد.

تاماش چرتاگ (Tamás Cserteg)، پژوهشگر آزمایشگاه هوش مهندسی و کسب‌وکار در «مرکز تحقیقات علوم انسانی مجارستان» (HUN-REN SZTAKI)، در همین پادکست توضیح داد: «می‌توانیم برای یک کار خاص، سیستمی با دقت فوق‌العاده بالا طراحی کنیم. اما مزیت انسان همچنان در دانش عمومی او نهفته است. اگر در هر کجای دنیا به کسی یک سیب بدهیم، به احتمال زیاد آن را می‌شناسد و می‌داند چگونه آن را نگه دارد. این وسعت دانش هنوز در ماشین‌ها وجود ندارد.» بنابراین، اگرچه ماشین‌ها دقیق‌تر می‌گویند چه چیزی را در تصویر می‌بینند، اما درک آنچه واقعاً در حال وقوع است، برای آنها همچنان دشوار و پیچیده‌تر است.

بینایی ماشین در محیط‌های صنعتی کاربردهای فراوانی دارد. برای مثال، در خطوط تولید نیازی نیست ماشین نقش یک قطعه را درک کند؛ کافی است هر بار قطعه صحیح را با دقت تشخیص داده و در صورت مشاهده هرگونه تفاوت، بلافاصله هشدار دهد. سیستم‌های کنترل کیفیت از تصاویر برای یادگیری ویژگی‌های محصول مناسب استفاده می‌کنند و قطعات متفاوت را فیلتر می‌نمایند؛ حتی راه‌حل‌های پیشرفته‌تر می‌توانند نوع نقص را نیز شناسایی کنند. این سیستم‌ها می‌توانند حتی زمانی که با یک ناهنجاری مواجه می‌شوند که قبلاً به آنها نشان داده نشده، هشدار دهند. سپس تجزیه و تحلیل بیشتر می‌تواند علت دقیق نقص را آشکار کند.

کارشناس بوش در این پادکست یادآور شد که در نقاط مختلف جهان، کارخانه‌های کاملاً خودکار (که به «کارخانه‌های تاریک» معروف‌اند) فعالیت می‌کنند. در این کارخانه‌ها، نیازی به سالن‌های روشن نیست؛ دوربین‌ها تنها در جایی که نیاز به بررسی محصول است، نور دریافت می‌کنند و سایر سیستم‌ها با رادارها، دوربین‌های حرارتی یا حسگرهای فراصوت کار می‌کنند. دوربین صنعتی سریع و بدون خستگی عمل می‌کند و در پایان شیفت کاری نیز به همان دقت ابتدای شیفت، محصولات را بررسی می‌کند. با این حال، عملکرد این سیستم‌ها توسط کارشناسان انسانی نظارت می‌شود.