Security Manager - ΤΕΥΧΟΣ 74
Περιοδικό για την ασφάλεια.
Περιοδικό για την ασφάλεια.
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
video.Surveillance<br />
των πιθανοτήτων, η τεχνητή ευφυΐα επιτρέπει σε ένα μηχάνημα<br />
ή σε ένα σύστημα να διαμορφώνει τη δημιουργία μιας απόφασης<br />
(decision making) η οποία επηρεάζει την απόδοση της<br />
μηχανής ή του συστήματος. Τα συστήματα τεχνητής ευφυΐας<br />
λειτουργούν επειδή ακριβώς μαθαίνουν από το περιβάλλον<br />
στο οποίο λειτουργούν και τις διάφορες ενέργειες που γίνονται<br />
μέσα σε αυτό το περιβάλλον, ενέργειες που μπορούν να<br />
χαρακτηρισθούν είτε ως φυσιολογικές είτε ως έκτακτες καταστάσεις.<br />
Εδώ τώρα υπεισέρχονται και οι άλλοι δύο όροι που<br />
σχετίζονται με τη διαδικασία εκμάθησης. Δύο είναι οι βασικοί<br />
τύποι εκμάθησης που συσχετίζονται με την Τεχνητή Νοημοσύνη:<br />
η Μηχανική Εκμάθηση (Machine Learning) και η Βαθιά<br />
Εκμάθηση (Deep Learning).<br />
Το Machine Learning αποτελεί μια πολύ κοινή πλέον τεχνολογία<br />
στον κόσμο της πληροφορικής και χρησιμοποιείται ευρέως.<br />
Εφαρμογές της βλέπουμε στις διάφορες πλατφόρμες κοινωνικής<br />
δικτύωσης -γνωστότερες και ως social media- στις μηχανές<br />
αναζήτησης, σε διάφορες on line υπηρεσίες, καθώς και σε<br />
συστήματα διαχείρισης δεδομένων. Βασίζεται, στην εκτέλεση<br />
πολλών αλγορίθμων οι οποίοι με την σειρά τους επεξεργάζονται<br />
ένα όσο μεγαλύτερο γίνεται πλήθος δεδομένων και<br />
χρησιμοποιεί τα αποτελέσματα που προκύπτουν από την εκτέλεση<br />
αυτών των αλγορίθμων, ώστε να προβλέπει καταστάσεις<br />
και πράγματα σε ένα δοσμένο περιβάλλον. Η εκμάθηση των<br />
μηχανημάτων σήμερα λειτουργεί ικανοποιητικά και αποδίδει<br />
καλά αποτελέσματα, όμως η χρήση της εξαρτάται από τον<br />
τρόπο με τον οποίο αξιοποιεί τα δεδομένα για να προβεί σε<br />
μελλοντικές αποφάσεις.<br />
Το Deep Learning, είναι ένα στάδιο παραπάνω σε σχέση με<br />
την μηχανική εκμάθηση σε ότι αφορά τις δυνατότητες της.<br />
Χρησιμοποιεί πολλαπλά επίπεδα αλγορίθμων μέσω των οποίων<br />
προσπαθεί να κατανοήσει το περιβάλλον μέσα στο οποίο<br />
λειτουργεί και προχωράει σε αποφάσεις βάσει αυτών που έχει<br />
μάθει από την εκτέλεση των αλγορίθμων.<br />
Ένας καλός τρόπος για να αντιληφθούμε τη διαφορά μεταξύ<br />
Machine Learning - Deep Learning, είναι ότι η πρώτη τεχνολογία<br />
χρησιμοποιεί ένα τεράστιο όγκο δεδομένων προκειμένου<br />
να βρει μια λύση σε ένα προκαθορισμένο περιβάλλον<br />
σύμφωνα με προκαθορισμένα κριτήρια. Ενώ, η βαθιά εκμάθηση<br />
χρησιμοποιεί το δίπτυχο της αποκτηθείσας γνώσης και<br />
της συσσωρευμένης εμπειρίας προκειμένου να αντιληφθεί το<br />
περιβάλλον στο οποίο λειτουργεί και στην συνέχεια αποφασίζει<br />
το πώς θα λειτουργήσει ανάλογα με το τι έχει μάθει από την<br />
προηγούμενη διεργασία.<br />
Τα οφέλη στον τομέα της ασφάλειας<br />
Όπως προείπαμε όμως, το πιο βασικό δεν είναι να εμβαθύνουμε<br />
στον τρόπο υλοποίησης αυτών των τεχνολογιών, αλλά στο τι<br />
μπορούν να προσφέρουν πρακτικά στις εφαρμογές ασφάλειας.<br />
Οι εφαρμογές που μπορούν να αναπτυχθούν βάσει αυτών των<br />
τεχνολογιών είναι πολλές και σημαντικές. Κάνοντας ένα βήμα<br />
πιο πέρα από την υφιστάμενη και ήδη πολύ διαδεδομένη χρήση<br />
των video analytics, η συνδυασμένη χρήση της τεχνητής<br />
ευφυΐας και της βαθιάς εκμάθησης επιτρέπει σε ένα σύστημα<br />
επιτήρησης την ανάλυση σχημάτων και αντικειμένων<br />
και την γρήγορη και ακριβή ταξινόμηση τους σε διάφορες<br />
κατηγορίες. Μπορεί παραδείγματος χάρη, με τη χρήση αυτών<br />
των τεχνολογιών ένα σύστημα επιτήρησης να αντιληφθεί τις<br />
διαφορές ακόμα και μεταξύ ζώων (όπως γάτα και σκύλος)<br />
και πολύ περισσότερο μεταξύ διαφορετικών ζωντανών οργανισμών,<br />
όπως ζώα και άνθρωποι. Βιομετρικά χαρακτηριστικά<br />
όπως τα χέρια και τα πόδια, μπορούν να αποτελέσουν πολύ<br />
χρήσιμα δεδομένα στη διαδικασία αναγνώρισης και ταξινόμησης.<br />
Επίσης, ένα σύστημα επιτήρησης εφοδιασμένο με αυτές<br />
τις τεχνολογίες μπορεί να κάνει πολύ ακριβή αναγνώριση προσώπου<br />
ή και αναγνώριση οχημάτων με τη χρήση διάφορων<br />
78 . security manager