深度|當監控攝像頭有了AI大腦，是福還是禍？
我們通常會把監控攝像頭想作是電子眼。對此，不同的人看法也大相徑庭，有人認為電子眼是在監控我們，有人認為它在幫助我們密切注意環境。但實際上，它們更像是舷窗：當有人通過舷窗看時，它們才有用武之地。有時候這意味著人們會從磁盤錄像中查看現場畫面。但是大多數監控攝像頭都是被動觀察者。它們只是用作震懾，或是在出現問題時提供線索。你的汽車被偷了？那就去查看閉路電視監控吧。
不過這一情況正在發生改變且以一種很快的速度。人工智能為監控攝像頭配備了數字大腦來匹配眼鏡，并讓其無需人力參與就可自行分析現場視頻。這對公共安全來說也許是好消息，它可以幫助警察以及第一目擊者更容易得發現犯罪或事故。此外，它還可以廣泛應用于科學和工業。但是這卻會嚴重侵犯未來的隱私并對社會公平帶來新的風險。
如果政府通過閉路電視能夠追蹤到大量人群，那會發生什么情況呢？如果警察在數據庫中僅僅通過上傳側面照片，就能以這種電子方式在城市里跟蹤你呢？如果在當地購物中心，攝像頭運行的是一個具有偏見的算法，它會因為不喜歡某一類型的年輕人就去通知警察嗎？
這些情況也許距離我們還很遙遠，但當下我們已經發現人工智能結合監控會帶來什么樣的后果了。ICRealtime就是一個例子。去年十二月發布的旗艦產品被稱作是閉路電視界的Google。有一個叫做Ella的應用及網頁平臺就是利用人工智能分析視頻中發生的事情并且使其提供及時搜索。Ella可以識別成千上萬種自然語言查詢，用戶可以搜索鏡頭從而找到呈現特定動物、穿著某種顏色衣物或是單個車型的片段。
在網頁演示中，ICRealtime的首席執行官MattSailor向我們展現了Ella與大約40個攝像頭連接起來對一個公園實施監控。他輸入了各式各樣的搜索內容紅衣服的男士、UPS火車、警車幾秒鐘時間內，所有關鍵詞都得到了相關的影像片段。之后，通過限定時間和地理位置，他將搜索結果的范圍縮小了并展示了用戶可以如何表達贊成或是反對從而優化結果就像Netflix一樣。
舉個例子，某地發生了一起搶劫，但你不知道實際情況到底如何。Sailor說道，但搶劫發生之后，有一輛Jeep牧馬人向東加速駛去。所以我們就輸入‘Jeep牧馬人’，然后我們就可以獲得影像片段了。屏幕上開始出現片段，顯示出鏡頭前滑過的多輛Jeep牧馬人。Sailor表示這是人工智能和閉路電視結合的第一大優勢：更容易去找到你要尋找的內容。沒有這項技術，除了攝像頭，你什么都不知道。你需要連續數小時觀看影像從而進行篩選。他解釋道。
Ella在GoogleCloud上運行，它可以從幾乎任何一個閉路電視視頻系統中搜索鏡頭。Sailor表示：從單攝像頭系統例如保姆攝像頭或寵物攝像頭到擁有成千上萬攝像頭的企業系統，Ella都能適用。用戶每月支付費用，起價為大約7美元，總價會根據攝像頭數量的增加而增長。
ICRealtime的目標受眾是各種規模的企業，但它也認為這一技術能夠吸引個人消費者。新興市場上，亞馬遜、Logitech、Netgear以及谷歌旗下的Nest智能家居已經讓這些顧客開始廣泛使用安防攝像頭。但是Sailor表示這一技術要比ICRealtime簡陋得多。這些攝像頭連接到家庭WiFi上，通過應用程序提供實時視頻流。當它們發現有東西在移動的時候，它們就會自動記錄影像。但是Sailor表示它們無法區分闖入者和鳥類的區別，這就會導致很多誤報。這是非常基礎的技術，已經存在很多年時間了。他說道，這不含人工智能，也不包括深度學習。
這種情況不會持續太長時間了。雖然ICRealtime提供的云分析工具可以升級現有傻瓜式的攝像頭，其他公司則是直接將人工智能嵌入在硬件里。BoulderAI就是這樣一家初創企業，公司利用自己獨立的人工智能攝像頭推出視覺即服務。在設備中結合人工智能帶來的優勢在于，它們無需互聯網連接就能工作。BoulderAI向各行各業出售產品，為每位客戶量身定制機器視覺系統。
這些應用已經遍布各行各業了。創始人DarrenOdom在采訪中這樣說道，我們的平臺出售給了銀行業、能源業的公司。我們甚至有一個應用是去觀察披薩，決定它們的形狀和大小是否合適。
Odom還舉了一個在愛達荷州建造水壩的客戶例子。為了符合環保規定，他們正在監控設施頂部的魚類數量。Odom表示：他們過去是安排了一個人坐在窗口看著魚梯，數有多少條鮭魚游過。（顧名思義，魚梯就是一條階梯式的航道，魚類可以借此向上游。）之后，他們轉而使用視頻技術，有人（遠程）進行監控。最終，他們聯系到了Boulder公司，后者為其打造了一個定制化的人工智能閉路電視系統，從而識別通過魚梯向上游的魚的種類。我們真的可以通過計算機視覺來識別魚的種類。我們現在能夠100%的識別愛達荷州的鮭魚。odom驕傲地說道。
如果ICRealtime代表的是市場的通用端，那么Boulder則呈現了精品承包商可以在這個市場上做些什么。這兩種情況下，這些公司現在提供的服務不過也只是冰山一角。就像機器學習在識別物體能力方面取得迅速進步一樣，它分析場景、活動和動作的能力也有望快速提升。一切準備工作都已經完成，包括基礎研究、計算能力和訓練數據集這是創建出色人工智能的關鍵要素。視頻分析的兩個最大數據集來自YouTube和Facebook，兩家公司都希望人工智能幫助它們控制平臺上的內容（不過兩家公司也都承認現在還沒有做好準備）。例如說，YouTube的數據集包含超過45萬小時帶標簽的視頻，公司希望這能夠激發視頻理解的創新和進步。參與構建此類數據集的機構有很多，這也讓我們對該領域的重要性有了一些了解。谷歌、麻省理工學院（MIT）、IBM和DeepMind都參與進來并創建了類似的項目。
ICRealtime已經在致力于開發面部識別等高級工具了。之后，它想要分析屏幕上發生的情況。Sailor表示他已經和教育行業的未來顧客進行過交談，對方希望當學生在學校遇到麻煩的時候，監控能夠識別出來。比如說，他們對于發生打架的預先通知這一功能很感興趣。他說道。所有的系統都需要注意聚集在一起的學生，之后提醒某個人，他就可以查看視頻內容來看看發生了什么或是親自去調查。
Boulder也在探索這類高級分析。公司正在開發的一個原型系統就是分析銀行內人們的行為。我們專門尋找壞人，并且區分正常人的行為和越界者行為之間的區別。Odom說道。為了做到這一點，他們使用舊的安全攝像頭拍攝的影像來訓練系統來發現異常行為。但是這種視頻大多低質，因此他們也會找一些演員來拍攝訓練視頻片段。Odom沒有講述具體細節，但表示這個系統會尋找特定的面部表情和行為。我們的演員會做一些類似蹲伏、推擠以及回頭撇的動作。他說道。