Der er mange typer kunstig intelligens, men en form for kunstig intelligens, der stille og roligt har lavet bølger i baggrunden, er computersyn (CV).
Computer vision analyserer billeder og videoer og udtrækker nyttige data afhængigt af brugerens behov. Eller sagt på en anden måde, CV undersøger visuelle data med menneskers analytiske tilgang, men med computerhastighed. Men der er nogle uventede måder, som computersyn bruges på, og nogle du sikkert har brugt uden selv at være klar over det.
4 uventede måder, vi bruger computersyn på
Computersyn bruger maskinlæring at analysere enorme mængder visuelle data hurtigt. Mange af os bruger allerede CV dagligt uden at tænke over det. Vidste du, at du bruger computersyn, hvis du gennemsøger dine billeder efter billeder af en hund eller en strand, eller hvis du låser din telefon op med ansigtsgenkendelse?
Dette er computervisionens offentlige ansigt. Men dets brug bliver mere udbredt, og nogle af disse anvendelser kan overraske dig.
1. Moderering af indhold
Moderering af indhold er et stikkende emne fyldt med gråzoner. Mens tekstmoderering er et relativt simpelt koncept, som AI har været med til at moderere i årevis, kræver moderering af video og billeder stadig et mere betydeligt niveau af menneskelig input.
Nu kan nogle mennesker synes, at det virker som et perfekt job at scrolle gennem endeløse opslag på sociale medier. Men sandheden er ret chokerende; det er ikke billeder af hvalpe og nogens jubilæumsmiddag. AI kan allerede hurtigt bekræfte, at disse billeder er sikre.
Hvad dette betyder er, at den type indhold, der kommer igennem til moderatorer, omfatter indhold, som ingen ved deres rette sind nogensinde ville ønske at se. Der er adskillige rapporter om moderatorer, der har PTSD. EN Harvard University artikel bekræftet, at moderatorer står over for betydelige psykologiske risici.
I øjeblikket kan CV'ets rolle i indholdsmoderering ikke helt fjerne det menneskelige element. Men med sociale medieplatforme finder moderering en praktisk talt umulig opgave, CV kan lette byrden. Computer vision er allerede brugt til at reducere antallet af video "nasties", der filtrerer igennem til menneskelige moderatorer. Og, hvad der er vigtigt, kan det gøre det i næsten realtid, hvilket reducerer risikoen for, at ubehageligt indhold når øjnene på den intetanende offentlighed og forhåbentlig moderatorer.
2. Phishing-detektion
Phishing-angreb er potentielt ødelæggende for både enkeltpersoner og organisationer. Desværre er processen med at holde dine systemer og data sikre mod phishing-angreb et igangværende våbenkapløb mellem sikkerhedsprofessionelle og de dårlige aktører bag angrebene.
Et af de problemer, som sikkerhedssystemer står over for, er en afhængighed af sorte lister for at identificere kilden til angreb. Dette er en reaktiv strategi. Problemet med reaktive strategier er tidsforskydningen mellem trusselsidentifikation og passende handling. Dette hul er, hvad dårlige skuespillere håber at udnytte, og er det samme hul, som computervision udfylder.
CV begynder at blive brugt som et realtidsforsvar mod phishing-angreb. I stedet for at bruge sorte lister til at identificere potentielle angreb, bruger CV visuelle signaler til at identificere mulige røde flag.
Nogle af de metoder, der bruges til at opnå dette, er anført nedenfor:
- Identificer forfalskede websteder
- Identificer triggerord forklædt som grafik
- Søgeordsudfyldning og anden tekstsløring
Selvom traditionelle sikkerhedssystemer vil forblive på frontlinjen i en overskuelig fremtid, vil CV'ets rolle i at afhjælpe disse mangler blive stadig mere udbredt.
Denne kan virke som en kurvekugle, så lad os forklare, hvorfor dette er vigtigt.
Sportssponsorat er enormt, med milliarder af dollars brugt årligt på at sponsorere hold, begivenheder og stadioner. En af grundene til, at der bliver brugt så meget, er, at sportssponsorat garanterer et betaget publikum i løbet af et arrangement.
I en verden, hvor annoncører ofte kun har din opmærksomhed i et par sekunder, mens du scroller gennem dit Instagram-feed, er et fanget publikum som guldstøv for marketingfolk. Problemet kommer, når man forsøger at måle effektiviteten af en kampagne.
I modsætning til digitale kampagner, hvor præstationer kan måles præcist i næsten realtid, måles sportssponsoratets succes på en langt mere analog måde. Med milliarder af dollars på spil, ønsker marketingfolk forståeligt nok mere information om, hvad deres penge giver dem.
Det er her, computersyn træder ind. For eksempel ville en virksomhed, der annoncerer for en racerbil, bruge mennesker til at overvåge et løb og tælle den skærmtid, deres annonce opnåede. Dette var besværligt, tidskrævende og dyrt. Men nu bruger mange virksomheder CV til at udføre denne opgave.
Derudover kan den bruges til at overvåge en kampagnes langsigtede succes. For eksempel kan det bruges til at bestemme, hvor mange gange et videoklip med deres logo er blevet delt på sociale medieplatforme.
4. Påvisning af forfalskning
Internettet er oversvømmet med forfalskede produkter. Mange af disse sælges af tredjepartsleverandører på ellers velrenommerede platforme. Disse platforme har juridiske forpligtelser til at sikre, at kvaliteten og afstamningen af alle produkter på deres platform er, som de skal være.
I 2020 f.eks. Amazon ødelagde over to millioner forfalskede produkter.
Succesfuld overvågning af forfalskede produkter har altid været problematisk. Endnu en gang er et af de store problemer tiden. Forsinkelsen mellem et produkt bliver opført og identificeret som et bedrageri kan være lang nok til, at gerningsmanden har afsendt hundredvis af produkter, taget pengene og forsvundet.
Dette er den sårbarhed, som CV bliver brugt til at tilslutte. Det giver mulighed for realtidsanalyse af produkter, der er opført på en platforms hjemmeside. Derudover analyserer den forskellige visuelle komponenter for at identificere potentielt forfalskede produkter. Disse omfatter:
- Logoregistrering: Dette kan identificere produkter med ulovligt brugte logoer (solbriller stemplet med Ferrari-logoet, der sælges for et par dollars på Amazon, for eksempel). Eller logoer af dårlig kvalitet, der afslører det faktum, at disse billige Nike-sko måske ikke er, hvad de ser ud til at være.
- Billedanalyse: CV kan trænes til at lede efter potentielle røde flag såsom forskelle i farve eller mærkning, der kan tyde på, at et produkt er forfalsket.
- Objektgenkendelse: CV-teknikker kan også genkende objekter og mønstre i billeder eller videoer. Dette kan hjælpe med at identificere forfalskede produkter, der er blevet ændret eller modificeret på en eller anden måde, f.eks. ved at ændre mærket eller mærkningen.
Markedet for forfalskning er enormt og påvirker alle, lige fra producenten til slutbrugeren. Brug af computervision til at identificere forfalskninger vil ikke eliminere problemet, men det repræsenterer et stort skridt i den rigtige retning.
At se fremtiden klart
Computer vision er en teknologi i hastig udvikling, der lover meget. Drevet af faktorer som kapløbet om at udvikle de første virkelig selvkørende elbiler, er udviklingstempoet ubarmhjertigt.
Det er en spændende teknologi, der vil fortsætte med at kaste nye og overraskende anvendelser ud, efterhånden som den modnes.