Ambient.ai heeft tot doel AI-aangedreven gebouwbeveiliging te bieden, minus vooringenomenheid en privacyvalkuilen

Beveiliging - zoals in "hé jij, je kunt daar niet naar binnen" - wordt al snel een complexe, aantoonbaar onmogelijke taak als je eenmaal voorbij een paar gebouwen en camera's bent. Wie kan overal tegelijk meekijken, en op tijd iemand sturen om een ​​probleem te voorkomen? Ambient.ai is niet de eerste die beweert dat AI dat kan, maar ze zijn misschien wel de eersten die het daadwerkelijk op grote schaal voor elkaar krijgen - en ze hebben $ 52 miljoen opgehaald om te blijven groeien.

Het probleem met de processen van vandaag is iets waar iedereen op kan wijzen. Als je een moderne bedrijfs- of schoolcampus hebt met tientallen of honderden camera's, produceren ze zoveel beeldmateriaal en gegevens dat zelfs een toegewijd beveiligingsteam moeite zal hebben om het bij te houden. Als gevolg daarvan missen ze niet alleen een belangrijke gebeurtenis terwijl deze plaatsvindt, maar zitten ze ook tot over hun oren in valse alarmen en lawaai.

"Slachtoffers kijken altijd naar de camera's, in de verwachting dat iemand hen komt helpen... maar dat is gewoon niet het geval", vertelde CEO en mede-oprichter van Ambient.ai, Shikhar Shrestha, aan TechCrunch. “In het beste geval wacht je tot het incident zich voordoet, je haalt de video op en je werkt vanaf daar. We hebben de camera's, we hebben de sensoren, we hebben de officieren - wat ontbreekt is het brein in het midden."

Het is duidelijk dat het bedrijf van Shrestha op zoek is naar het brein: een centrale visuele verwerkingseenheid voor live beveiligingsbeelden die kan zien wanneer er iets misgaat en dit onmiddellijk aan de juiste mensen vertelt. Maar zonder de vooringenomenheid die dergelijke inspanningen bedreigt, en zonder gezichtsherkenning.

Anderen hebben dit specifieke idee al eerder doorgedrongen, maar tot nu toe heeft geen enkele serieuze acceptatie gezien. De eerste generatie automatische beeldherkenning, zei Shrestha, was eenvoudige bewegingsdetectie, weinig meer dan controleren of er pixels op het scherm bewogen - zonder inzicht of het een boom of een huisindringer was. Vervolgens kwam het gebruik van deep learning om objectherkenning te doen: het identificeren van een pistool in de hand of een brekend raam. Dit bleek nuttig, maar beperkt en nogal veel onderhoud, waarvoor veel scène- en objectspecifieke training nodig was.

“Het inzicht was dat als je kijkt naar wat mensen doen om een ​​video te begrijpen, we veel andere informatie nemen: zit of staat de persoon? Openen ze een deur, lopen of rennen ze? Zijn ze binnen of buiten, overdag of 's nachts? We brengen dat allemaal samen om een ​​soort alomvattend begrip van de scène te creëren, 'legde Shrestha uit. “We gebruiken computervisie-intelligentie om de beelden te ontginnen voor een hele reeks evenementen. We splitsen elke taak op en noemen het een primitief: interacties, objecten, enz., en dan combineren we die bouwstenen om een ​​'handtekening' te creëren.”

Het Ambient.ai-systeem gebruikt gedragselementen en koppelt ze aan elkaar om te bepalen of ze een probleem vormen. Afbeelding Credits: Ambient.ai

Een handtekening kan zoiets zijn als "een persoon die 's nachts lange tijd in zijn auto zit", of "een persoon die bij een veiligheidscontrole staat en met niemand communiceert", of wat dan ook. Sommige zijn aangepast en toegevoegd door het team, andere zijn onafhankelijk door het model tot stand gekomen, wat Shrestha omschreef als "een soort beheerde semi-gesuperviseerde aanpak".

Het voordeel van het gebruik van een AI om honderd videostreams tegelijk te monitoren is duidelijk, zelfs als je zou aannemen dat die AI slechts, laten we zeggen, 80% zo goed is als een mens in het opmerken van iets ergs. Zonder tekortkomingen als afleiding, vermoeidheid of slechts twee ogen, kan een AI dat niveau van succes toepassen zonder limieten op tijd of voeraantal, wat betekent dat de kans op succes eigenlijk vrij groot is.

Maar hetzelfde zou kunnen zijn gezegd van een proto-AI-systeem van een paar jaar geleden dat alleen op zoek was naar wapens. Waar Ambient.ai naar streeft, is iets uitgebreider.

"We hebben het platform gebouwd rond het idee van privacy by design", zei Shrestha. Met AI-aangedreven beveiliging “gaan mensen er gewoon van uit dat gezichtsherkenning er deel van uitmaakt, maar met onze aanpak heb je dit grote aantal handtekeninggebeurtenissen en kun je een risico-indicator hebben zonder gezichtsherkenning te hoeven doen. Je hebt niet slechts één afbeelding en één model dat zegt wat er gebeurt - we hebben al deze verschillende blokken waarmee je meer beschrijvend in het systeem kunt komen."

In wezen wordt dit gedaan door elke individuele erkende activiteit om te beginnen vrij van vooringenomenheid te houden. Bijvoorbeeld of iemand zit of staat, of hoe lang ze buiten een deur hebben gewacht - als elk van deze gedragingen kan worden gecontroleerd en kan worden gedetecteerd in alle demografische categorieën en groepen, dan moet de som van dergelijke gevolgtrekkingen eveneens vrij zijn. van vooringenomenheid. Op deze manier vermindert het systeem de bias structureel.

Het moet echter gezegd worden dat vooroordelen verraderlijk en complex zijn, en ons vermogen om het te herkennen en te verminderen blijft achter bij de stand van de techniek. Desalniettemin lijkt het intuïtief waar dat, zoals Shrestha het uitdrukte, "als je geen gevolgtrekkingscategorie hebt voor iets dat bevooroordeeld kan zijn, er geen manier is voor vooringenomenheid." Laten we hopen!

Ambient.ai mede-oprichters Vikesh Khanna (CTO, links) en Shikhar Shrestha (CEO). Afbeelding Credits: Ambient.ai

We hebben een paar startups langs deze lijnen zien komen en gaan, dus het is belangrijk dat deze ideeën op de plaat worden gedemonstreerd. En ondanks dat Ambient.ai relatief stil is over zichzelf, heeft Ambient.ai een aantal actieve klanten die hebben bijgedragen aan het bewijzen van de producthypothese. Natuurlijk zijn de laatste paar jaar niet bepaald business as usual... maar het is moeilijk voor te stellen dat "vijf van de grootste Amerikaanse technologiebedrijven qua marktkapitalisatie" klanten zouden zijn (en dat zijn ze) als het niet zou werken.

Een test bij een naamloos "Fortune 500 Technology Company" was bedoeld om "tailgating" te verminderen, waarbij iemand een beveiligd gebied betreedt direct achter een andere persoon die daartoe bevoegd is. Als je denkt dat niemand dit doet, nou, ze hebben de eerste week 2,000 incidenten geïdentificeerd. Maar door bijna realtime GIF's van de gebeurtenissen naar de beveiliging te sturen, die vermoedelijk met hun vingers naar de overtreders gingen zwaaien, werd dat aantal teruggebracht tot 200 per week. Nu is het 10 per week, waarschijnlijk door mensen zoals ik.

Afbeelding Credits: Ambient.ai

In een andere testcase die Ambient.ai documenteerde, vingen de beveiligingscamera's van een school iemand op die na uren over het hek klom. Het beveiligingshoofd kreeg de beelden direct toegestuurd en belde de politie. Blijkt dat de man een verleden had. Het punt dat ik hier aanhaal is niet dat we onze schoolcampussen moeten afsluiten, en dit zal daarbij helpen, maar iets anders dat in het document wordt genoemd, namelijk dat het systeem de kennis van "iemand klimt over een hek" kan combineren met andere dingen, zoals "dit gebeurt vaak iets voor 8:45 uur", zodat kinderen die een kortere weg nemen, niet door de politie worden gebeld. En de AI kon ook onderscheid maken tussen klimmen, vallen en rondhangen, wat er in verschillende omstandigheden toe zou kunnen doen, of niet.

Ambient.ai beweert dat een deel van de flexibiliteit van het systeem zit in het feit dat al deze "primitieven" gemakkelijk kunnen worden herschikt, afhankelijk van de behoeften van de site - misschien maakt het je echt niet uit of iemand over een hek klimt, tenzij ze vallen - en dat ze in staat om nieuwe situaties aan te leren: “Ah, dus zo ziet het eruit als iemand een schutting doorhakt.” Het team heeft momenteel ongeveer 100 'handtekeningen' van verdacht gedrag en hoopt dat het komende jaar te verdubbelen.

Door het bestaande beveiligingspersoneel effectiever te maken door hen meer controle te geven over wat hun telefoon of radio opblaast, wordt tijd bespaard en worden de resultaten verbeterd (Ambient.ai zegt dat het het aantal algemene alarmen in het algemeen met 85-90% vermindert). En door AI aangestuurde categorisering van beeldmateriaal helpt ook bij records en archieven. Zeggen "download alle beelden van mensen die 's nachts over een hek klimmen" is een stuk eenvoudiger dan 5,000 uur handmatig schrobben.

De ronde van $ 52 miljoen werd geleid door a16z, maar er is ook een beetje een wie-is-wie in de stapel individuele investeerders: Ron Conway, Ali Rowghani van Y Combinator, Okta mede-oprichter Frederic Kerrest, CrowdStrike CEO George Kurtz, Microsoft CVP Charles Dietrich , en verschillende anderen die weten waar ze in beleggen.

“Het is een unieke tijd; van beveiligers wordt veel meer verwacht. Het basisvoorstel om niemand naar al deze feeds te hoeven laten kijken, is universeel, 'zei Shrestha. “We geven zoveel geld uit aan beveiliging, 120 miljard dollar... het is gek dat de resultaten er niet zijn — we voorkomen geen incidenten. Het voelt alsof alle wegen naar convergentie leiden. We willen een platform zijn dat een organisatie kan adopteren en hun beveiliging toekomstbestendig kan maken.”

Bron: https://techcrunch.com/2022/01/19/ambient-ai-security-without-facial-recognition/