Wykrywanie fałszywych alarmów stało się krytyczną funkcją w nowoczesnych systemach monitoringu. Liczba fałszywych alarmów oznaczonych przez analityków jako prawdziwe lub potencjalne zdarzenia może obciążać operatorów w pokoju kontrolnym, ponieważ większość czasu spędzają oni na radzeniu sobie z alertami, tylko po to, by sklasyfikować je jako fałszywe alarmy.
Fałszywe alarmy są nie tylko demotywujące dla operatorów, ale są także stratą pieniędzy, ponieważ zasoby są marnowane na reagowanie na zdarzenia, które nie mają miejsca. Idea monitorowania na czarnym ekranie polega na tym, że operatorzy nie muszą nieustannie patrzeć na kilka kanałów z kamer, ale są kierowani przez technologię, aby skupić się na rzeczywistych zdarzeniach. Jednak fałszywe alarmy często sprawiają, że jest to prawie niemożliwe, ponieważ zawsze pojawia się jakieś inne zdarzenie wymagające uwagi.
Obecnie istnieje wiele aplikacji analitycznych mających na celu zapobieganie fałszywym alarmom przed dotarciem do operatorów pokoju kontrolnego, niektóre z nich są całkowicie oparte na chmurze, podczas gdy inne są hostowane na serwerach na miejscu, a nawet na brzegu w samych kamerach. SMART Security Solutions rozmawiało z Dene Alkema, dyrektorem generalnym Cathexis Africa (zwycięzcy tegorocznej edycji OSPA Awards, jak również zeszłorocznej), aby dowiedzieć się więcej o różnych opcjach fałszywych alarmów dostępnych dla monitoringu wideo.
W chmurze lub na miejscu
Biorąc pod uwagę wszystkie rozmowy na temat systemów chmurowych i rozwiązań, które rzekomo rozwiążą wszystkie Państwa problemy bez względu na branżę, w której Państwo działają, zapytaliśmy Alkemę, które rozwiązanie uważa za najlepsze. „Skuteczne monitorowanie obiektu jest krytycznym aspektem każdego systemu bezpieczeństwa, a zarówno systemy chmurowe, jak i lokalne mają swoje zalety i wady, jeśli chodzi o redukcję fałszywych alarmów” – mówi.
„Systemy oparte na chmurze stają się coraz bardziej popularne ze względu na ich elastyczność i skalowalność. Jednak systemy oparte na chmurze są zależne od łączności internetowej i mogą nie być tak niezawodne jak systemy lokalne w obszarach o słabej łączności. Należy również dokładnie ocenić kwestie bezpieczeństwa cybernetycznego, aby zapewnić zarządzanie ryzykiem klienta podczas wdrażania rozwiązania opartego na chmurze”.
Alkema dodaje, że systemy lokalne mogą być postrzegane jako bardziej niezawodne niż systemy oparte na chmurze, ponieważ nie są zależne od połączenia internetowego, jeśli witryna jest monitorowana na miejscu. Warto jednak zauważyć, że koszty jednorazowe i koszty utrzymania systemów lokalnych mogą wzrosnąć bardziej niż w przypadku systemów opartych na chmurze, w zależności od ich bazy kosztowej. „Kluczowe znaczenie ma indywidualna ocena wymagań każdego klienta i jego ograniczeń w zakresie łączności przed podjęciem decyzji o wyborze rozwiązań”.
Jeśli chodzi o kwestię przepustowości, zauważa: „Zapotrzebowanie na przepustowość ma bezpośredni wpływ na sposób zaprojektowania rozwiązania. Można wdrożyć opartą na brzegu sieci sztuczną inteligencję w kamerze, w której kamera wysyła zdarzenia i wideo dopiero po ustaleniu, że jest coś do zgłoszenia. Może to zaoszczędzić dużo przepustowości i zasobów obliczeniowych, niezależnie od tego, czy jest podłączony do rozwiązania opartego na chmurze, czy na miejscu. Wszystko sprowadza się do tego, w jaki sposób klienci chcą monitorować swoje lokalizacje, jakie są ich wymagania i jakie ograniczenia w zakresie łączności należy wziąć pod uwagę przy projektowaniu rozwiązania”.
Muszą Państwo szkolić ludzi i maszyny
Wiele słyszymy o aplikacjach do wykrywania fałszywych alarmów, które redukują liczbę fałszywych alarmów o 90% lub więcej (choć niewiele osób wydaje się skupiać na tym, ile rzeczywistych zdarzeń systemy przegapiają), jednak skuteczność każdej sztucznej inteligencji zależy od otrzymanego szkolenia – podobnie jak w przypadku ludzi. Dość łatwo jest (w dzisiejszych czasach) odróżnić roślinę wiejącą na wietrze od człowieka, ale w jaki sposób systemy rozróżniają, na przykład, ludzi przytulających się od ludzi walczących?
Alkema zgadza się, że dogłębne szkolenie sztucznej inteligencji opartej na wideo jest niezbędne, ale dodaje, że dane wykorzystane do szkolenia sztucznej inteligencji będą miały również bezpośredni wpływ na wynik jej działania. Twierdzi on, że sprzedawcy równoważą następujące aspekty podczas szkolenia sieci neuronowych:
- Jakość danych: Jakość danych wykorzystywanych do trenowania sieci neuronowej ma kluczowe znaczenie. Niska jakość danych lub źle oznaczone dane mogą prowadzić do niedokładnych wyników i negatywnie wpływać na wydajność sieci neuronowej.
- Ilość danych: W zależności od tego, jak szczegółowe jest szkolenie sieci neuronowej, do skutecznego szkolenia sieci neuronowych wymagane byłyby duże ilości zróżnicowanych danych, co może być czasochłonne i kosztowne.
- Zasoby obliczeniowe: Trening sieci neuronowych opartych na wideo wymaga kosztownych zasobów obliczeniowych.
„Możliwe jest wyszkolenie sieci neuronowych tak, aby były dokładne i skuteczne. Doświadczenie w tej dziedzinie, inwestycje w wystarczające zasoby rozwojowe i dostęp do odpowiedniej jakości danych umożliwiają dostawcy wprowadzenie na rynek skutecznych rozwiązań opartych na sztucznej inteligencji”.
Utrata miejsc pracy
Należy również odpowiedzieć na pytanie, w jakim stopniu możemy polegać na sztucznej inteligencji w wykonywaniu zadań, które w przeszłości wymagały przeszkolonych operatorów. Pytanie o to, ile miejsc pracy AI przejmie od ludzi, jest dość popularnym punktem dyskusji we wszystkich branżach, ponieważ stało się oczywiste, że nie tylko pracownicy fizyczni znajdą się na bezrobociu.
Patrząc konkretnie na ludzkich operatorów sterowni, w jakim stopniu sztuczna inteligencja uczyniłaby ich pracę „zagrożoną”? Obecnie najlepszym scenariuszem jest podejście oparte na czarnym ekranie, w którym sztuczna inteligencja usuwa większość fałszywych alarmów i, miejmy nadzieję, wychwytuje wszystkie prawdziwe alarmy i powiadamia operatora, który następnie wdraża standardowe procedury operacyjne (SOP) dla firmy lub konkretnego klienta (jeśli dyspozytornia monitoruje infrastrukturę wielu klientów).
Obecnie sztuczna inteligencja nie może przejąć tych zadań, czy może? Co jednak w przyszłości powstrzyma sztuczną inteligencję przed rozpoznaniem prawdziwego zdarzenia i automatycznym wdrożeniem tych SOP bez konieczności polegania na ludziach?
„Nawet w miarę dojrzewania technologii AI”, mówi Alkema, „operatorzy będą nadal potrzebni do weryfikacji i działania na zdarzeniach generowanych przez AI. Niektóre działania mogą być zautomatyzowane przez systemy zarządzania wideo bez interwencji człowieka, ale będzie to zależeć od polityki klienta w zakresie reagowania na rzeczywiste zdarzenia. Idealna strategia ograniczania ryzyka obejmowałaby to, co najlepsze w automatyzacji opartej na sztucznej inteligencji i interwencji człowieka, tak aby operatorzy mogli korzystać z tych narzędzi, aby być jeszcze bardziej skutecznymi”.
Zauważa jednak również: „Na poziomie globalnym jest tak wiele inwestycji w sztuczną inteligencję opartą na wideo. Tempo, w jakim technologia AI się poprawia, a jednocześnie staje się coraz bardziej dokładna i wydajna, zmieni krajobraz tego, jak będzie wyglądać pokój kontroli monitoringu w przyszłości”.
Opcje sztucznej inteligencji i fałszywych alarmów CathexisVision
Na koniec zapytaliśmy Alkemę, co Cathexis oferuje w zakresie wykrywania fałszywych alarmów.
„W Cathexis naszym etosem w opracowywaniu rozwiązań opartych na sztucznej inteligencji jest zwiększanie wartości danych wideo. Kluczowym sposobem, w jaki to robimy, jest pakiet analizy wideo CathexisVision, który wykorzystuje modele sieci neuronowych i sztuczną inteligencję, aby zapewnić, że oprogramowanie może wykrywać anomalie na miejscu i ostrzegać operatorów sterowni tylko o zdarzeniach, o których muszą być informowani. Dodatkowo dostępne jest potężne narzędzie do obsługi zdarzeń CathexisVision, Alarm Management Gateway, które pozwala operatorom przeglądać zarówno zdarzenia wideo na żywo, jak i nagrane, być informowanym o ich SOP i raportować podjęte przez nich działania”.
„Raportowanie obsługi zdarzeń jest ważną funkcją oprogramowania, która pomaga zachować integralność pokoju kontrolnego. Skuteczne wdrożenie CathexisVision w głównych lokalizacjach o dużym natężeniu ruchu na całym świecie jest świadectwem zdolności rozwiązania do zwiększania wartości danych wideo, dzięki czemu operatorzy mogą być na bieżąco i koncentrować się na najważniejszych zadaniach”.