Es fácil pensar que todo aquello denominado como ‘smart’ sea algo inteligente, pero esto no es obligatoriamente así. Un ejemplo recurrente dentro de la industria son los analíticos inteligentes, la mayoría de los cuales, a pesar de tener esta denominación, son simplemente algoritmos predefinidos que dependen de alguien para que los modifique, actualice y mejore; en otras palabras, no necesariamente aprenden algo nuevo con el pasar del tiempo.
En su forma más básica, la IA alude a la capacidad de la máquina para aprender por sí misma, diferente al aprendizaje automático (machine learning), el cual se refiere a cómo se está aplicando la IA en la evaluación de datos, tanto en un nivel superficial como en uno profundo. También tenemos los analíticos, que suelen ser un concepto que abarca todos los resultados que se le presentan al usuario, pero que no necesariamente están relacionados con la IA.
La inteligencia artificial y el análisis de video
Tradicionalmente el análisis de video se ha basado en reglas decretadas por un programador humano que establece parámetros fijos para cada situación que el sistema debe reconocer. En comparación, la tecnología de análisis de contenido basada en IA puede aprender directamente del video sobre los objetos, sus relaciones entre sí y su comportamiento.
Esto hace posible identificar los objetos de manera ‘inteligente’ y clasificar las situaciones. El sistema podrá comprender si tiene un comportamiento normal o anormal y alertar al operador sobre actividades inusuales, lo que llevará a desarrollar sistemas predictivos en el futuro.
La inteligencia artificial y el aprendizaje automático se aplican a dispositivos y equipos para obtener funciones que el ser humano no podría alcanzar; por ejemplo, sentarse y mirar todas imágenes de las cámaras simultáneamente.
Nuestra atención no funciona de esa manera, pero las máquinas son extremadamente buenas y detalladas en esto. Aprovechar datos y videos de los dispositivos es la base para combinar la inteligencia de la máquina con el juicio humano.
En otras palabras, la inteligencia artificial es la evolución del análisis de video. Pero, en lugar de crear algoritmos alrededor de algo que estamos viendo, está construyendo sistemas que realmente aprenden lo que está sucediendo sobre la marcha.
Inherentemente, la calidad seguirá mejorando con el tiempo, y eso nos ayudará a impulsar una mejor adopción con una mejor calidad.
Aprendizaje de lo superficial a lo profundo
Debido a las limitaciones de la capacidad de procesamiento del hardware, el aprendizaje automático solo podía implementar un aprendizaje superficial de conjuntos de datos muy grandes. Con los recientes y significativos avances en el poder de procesamiento de las unidades de procesamiento gráfico (GPU), ahora podemos utilizar un enfoque de aprendizaje profundo en el que podemos ver datos en muchos más niveles o dimensiones; de ahí la palabra “profundo”.
Milestone, por ejemplo, se ha trasladado a esta nueva plataforma de cómputo de GPU al recodificar nuestro software para usar un nuevo tipo de codificación llamada paralelización. La paralelización de software es una técnica de codificación para dividir un solo problema en cientos de problemas más pequeños. El software puede ejecutar esos 100 o 1.000 procesos en 1.000 núcleos de procesamiento, en lugar de esperar a que un núcleo procese los datos 1.000 veces.
Con la paralelización, hay un gran avance en la rapidez con la que podemos resolver un problema. Y cuanto más rápido podamos resolver un problema, con más profundidad se pueden procesar los conjuntos de datos.
Desafíos en un futuro inteligente
Históricamente el gran desafío de la IA ha sido la potencia, pues se necesita una gran cantidad de cómputo para procesar todos estos datos. Sin embargo, con NVIDIA, el proceso de computación ya no es un problema.
Ahora el reto para la arquitectura e infraestructura general de estos proyectos pasa por cómo asegurarlos. Es una gran cantidad de datos y, si es valioso para nosotros, probablemente también lo sea para otra persona. Así que, ¿cómo podemos mantener el control sobre eso? Ese es probablemente el agujero más grande que vemos en la mayoría de las implementaciones: una falta de atención hacia los elementos de ciberseguridad.
Aún estamos en la infancia de la inteligencia artificial. Pasará bastante tiempo antes de que la IA tenga el potencial de reemplazar las capacidades de un equipo humano. El escenario más probable es que la inteligencia artificial se aproveche para procesar muchos más datos en mucho menos tiempo, lo que permitirá a los usuarios finales tomar mejores decisiones con mayor rapidez.
Necesitamos personas, solo queremos darles mejores datos para su toma de decisiones; gente que haga un dictamen de los datos proporcionados, y el video sin duda será una herramienta crucial en este proceso, asegurando el acceso visual en tiempo real, convirtiendo los datos en información visual.
Combinar la inteligencia de la máquina con el juicio humano es un requisito previo para aprovechar al máximo los datos generados por los entornos IoT (Internet de las Cosas). Y no tengo dudas de que el video será la base para que las personas confiemos en estos datos en el futuro.
En la actualidad, existen pocas soluciones que verdaderamente implementen la inteligencia artificial en la industria de la seguridad. Muchas soluciones están ‘entrenadas para IA’, lo que significa que en el laboratorio sus algoritmos se entrenan utilizando capacidades de IA. Pero, una vez que se desarrolla ese algoritmo, se implementa como solo un dispositivo inteligente y no se produce más aprendizaje. La única vez que estos algoritmos mejorarán es cuando se actualicen para incluir un aprendizaje mejorado.
Fuente: revistainnovacion.com
