Как нейросети снижают количество ложных тревог?
Ложные сработки от охранных систем отвлекают их операторов от реальных угроз. До последнего времени эта проблема была чрезвычайно актуальна. Однако с развитием искусственного интеллекта количество ложных тревог снизилось до минимальных значений. Достичь этого удалось с помощью использования технологии нейронных сетей.
Что было раньше?
Ещё совсем недавно искусственный интеллект был «символьным». Разработчики программ создавали символы (движения, образы, предметы), прописывали правила их использования и алгоритмы, обучая компьютер принимать свои «интеллектуальные» решения. Однако такой подход оказался неэффективным, так как программистам пришлось бы описывать правила буквально для каждой детали, иначе программа не сумела бы адекватно отреагировать на изменения. например, на изменение угла падения теней в зависимости от времени суток. В результате количество ложных сработок лишь возрастало бы.
Как ситуация обстоит сейчас
Новые методики действуют по совершенно иному принципу. Нейронные сети состоят из элементов, которые подражают работе нейронов в человеческом мозгу и уложены в 10-30 слоев, обеспечивая тем самым возможность самообучения системы. Такие технологии позволяют проанализировать большое количество видеоданных, выявить человека, но при этом проигнорировать любые другие движущиеся объекты – животных, автомобили и прочее. В итоге количество ложных срабатываний становится значительно меньше.
На сегодняшний день нейронные сети активно применяются для автоматизации процессов видеонаблюдения, снижения нагрузки с операторов, в системах контроля управления доступом, для обеспечения безопасности. При этом, как утверждают эксперты, в течение нескольких лет использование такого рода технологий станет повсеместным.