Milyonlarca insan kahve dükkanından izledi ve Musk bunun korkunç olduğunu haykırdı! Birkaç dakikalığına kahve içersin, AI her şeyi bilir

Makale kaynağı: Xinzhiyuan

EDIT: Aeneas çok uykulu

Bu kahvehanede müşterinin ne kadar kaldığı ve tezgâhtarın kaç fincan kahve yaptığı AI kamerasının altında net bir şekilde görülüyor. Milyonlarca netizen izledi ve korkunç olduğunu söyledi ve Musk şok oldu.

Giderek daha az mahremiyetin olduğu bir dünyada yaşıyoruz.

Bugün internette dolaşan bu video birçok kişiyi korkuttu.

Bir kahvehanede her müşteri birkaç dakika mağazada kalmış ve her garsonun müşteriye kaç fincan kahve getirdiği videoda açıkça görülüyor!

Video yalnızca on saatten fazla yayınlandı ve 1 milyondan fazla netizen onu izledi.

Videoyu yayınlayan netizen şunları söyledi: Bu konsept, kahve dükkanlarının baristaları ve müşterileri analiz etmek için AI'yı nasıl kullandığını gösteriyor. Lütfen kafede mahremiyetinizin "tadını çıkarın". 😂

Başka bir netizen bunun sürpriz olmadığını söyledi. Bir tüketici olarak bilmelisiniz ki birçok mağaza girdiğiniz anda sizinle ilgili her şeyi biliyor.

Karşılaştırıldığında "Cambridge Analytica olayı" sönük kalıyor.

(2018'de Facebook, İngiliz veri analiz şirketinin 2016'da 50 milyon Facebook kullanıcısının bilgilerini yasa dışı bir şekilde elde ettiğini ve bu bilgileri sandık sonuçlarını tahmin eden ve etkileyen ve Trump'ın başkanlık seçimini kazanmasına başarılı bir şekilde yardımcı olan bir yazılım programı oluşturmak için kullandığını itiraf etti. seçim.)

Musk bile arka arkaya iki ünlem işareti bırakarak yorum alanında göründü.

Bir kafede personel ve müşterileri gözetleyen bir yapay zekaya sahip olmanın yeterince korkutucu olduğunu düşünüyorsanız, gerçek şu ki, maliyet bir sorun değilse, gökyüzünde düzenleyicilere gerçek zamanlı izleme verileri gönderen binlerce insansız hava aracı olabilir ve her şey izlenecek ve kaydedilecek.

Profesyonel bir departmana bile ihtiyacınız yok, herkes amatör bir drone ile izleme yapabilir çünkü mevcut nesne algılama ve görüntü tanıma teknolojisi çok güçlü.

Biliyorsunuz, birkaç yıl önce ayrı bir grafik kartında 1080p akış çalıştırırken, maksimum kapasite yalnızca 6 nesneydi.

Her yerde bulunan "gözler"

Gerçek şu ki, şu anki dünyamız kameralarla dolu.

Bunların arasında birçok şirket, tüketicileri izlemek için tamamen yapay zeka ve video beslemelerinde görsel tanıma yoluyla yapılan çok gizli stratejiler uyguladı.

Örneğin, Wal-Mart'ın akıllı perakende laboratuvarında IRL sensörleri ve kameralar, personelin mağazadaki her şeyi bilmesini sağlar.

Fast food restoranları da çalışan denetimi için AI teknolojisini benimsemiştir. Çalışanların maske takması şart koşulmuştur, herhangi biri maskeyi çıkarırsa yönetici hemen haber verecektir.

Ayrıca mobil konum verilerimiz satılıktır.

Neredeyse tüm cep telefonu operatörleri, ana işlerinin bir parçası olduğu söylenebilecek perakende mağazalara anonim olarak veri satıyor.

Sadece Google'da "operatör adı + kalabalık içgörüleri" ve sonuçlar sizi şaşırtacak.

"Belirli bir zaman diliminde belirli bir yerden kaç kişinin geçtiğini bilmek ister misiniz? Yaşları ve gelir durumları nedir ve bunlardan kaç tanesi potansiyel müşteri olabilir?"

Elbette "crowd içgörü" hizmeti, verilerin anonim olduğunu ve makbuzun toplanma şeklinin kişisel mahremiyeti ifşa etmediğini vurgulayacaktır.

Biri dedi ki: Artık verilerim toplandığına göre şirketten bana ödeme yapmasını isteyebilir miyim?

İşletmelerde kullanılan kameralarla ilgili olarak, yorum alanında bazı kişiler kendi deneyimlerini gösterdi——

"Stadyumdaki arka uç güvenlik kamera sistemi üzerinde çalışıyorum ve halka açıkladığımız şey gerçek verilerin yalnızca 1/3'ü."

"Neredeyse bir filmdeki gibi, kendi yüzünüzü girin ve sistem nerede olduğunuzu tanıyacaktır."

Tüm bunları yapmak için, herhangi bir kamerayı alıp 300 dolarlık bir yazılım yükleyin ve disk alanınız bitene kadar çalıştırın.

** Lehte ve aleyhte olanlar? **

Bu bağlamda, AI danışmanlık uzmanı Diego San Esteban görüşlerini paylaştı:

Yapay zeka izlemenin, yöneticilerin stratejileri daha iyi formüle etmesine olanak tanıyan çalışan performansının ve üretkenliğinin sürekli izlenmesi gibi kesinlikle birçok avantajı olduğuna inanıyor.

Ek olarak yapay zeka, değerlendirmede insan yanlılığını önlemek için nesnel performans verileri de sağlayabilir.

Eksiklikleri de çoktur, en çok eleştirilen çalışanın mahremiyet hakkının ihlalidir ve bu durum işletmede bir güvensizlik ortamı yaratarak moral ve iş doyumunu da etkileyecektir.

AI ayrıca işin yapıldığı bağlamı yeterince anlayamaz ve insan empatisinden yoksundur.

Ayrıca, çalışanlar için son derece adaletsiz olan eğitim verilerinin doğasında var olan önyargıya tabi olarak hatalar yapması muhtemeldir.

Hedef tespit algoritması

Aslında, bu tartışmalı olayın arkasında çok yaygın bir AI teknolojisi-hedef tespiti var.

Örneğin, bir şehir caddesinin fotoğrafı verildiğinde, bir nesne algılama modeli, görüntüdeki tüm farklı nesneler için ek açıklamaların veya etiketlerin bir listesini döndürür: trafik ışıkları, araçlar, yol işaretleri, binalar vb.

Bu etiketler, "kişi" gibi her nesne için uygun sınıfı ve nesneyi tamamen çevreleyen dikdörtgen alan olan "sınırlayıcı kutu" içerecektir.

### Endüstri Uygulaması

Nesne algılama, insanlar için kritik bir görevdir: Yeni bir odaya veya sahneye girerken ilk içgüdümüz, içindeki nesneleri ve insanları görsel olarak değerlendirmek ve sonra onları anlamaktır.

İnsanlara benzer şekilde, nesne algılama, bilgisayarların görsel dünyayı anlamasını ve onunla etkileşim kurmasını sağlamada hayati bir rol oynar ve birçok endüstride yaygın olarak kullanılmaktadır:

- Site Güvenliği:

Nesne algılama modelleri, iş yeri emniyetini ve güvenliğini iyileştirmeye yardımcı olabilir. Örneğin hassas alanlarda şüpheli şahıs veya araçların varlığını tespit edebiliyorlar. Daha da yaratıcı bir şekilde, çalışanların eldiven, kask veya maske gibi kişisel koruyucu ekipman (KKD) kullanmasını sağlayabilir.

- sosyal medya:

Nesne algılama modelleri, belirli bir markanın, ürünün, logonun veya kişinin dijital ortamda varlığını belirlemeye yardımcı olabilir. Reklamverenler, veri toplamak ve kullanıcılara daha alakalı reklamlar göstermek için bu bilgileri kullanabilir. Ayrıca, uygunsuz veya yasaklanmış içeriği tespit etme ve işaretleme sürecini otomatikleştirmeye yardımcı olur.

- KK:

Nesne algılama modelleri, görsel verilerin otomatik olarak gözden geçirilmesini sağlar. Bilgisayarlar ve kameralar, görsel bilgileri otomatik olarak algılayıp işleyerek ve önemini anlayarak verileri gerçek zamanlı olarak analiz edebilir ve sürekli görsel inceleme gerektiren görevlerde insan müdahalesini azaltabilir. Bu, özellikle imalat üretimi kalite kontrolünde kullanışlıdır. Yalnızca verimliliği artırmakla kalmaz, aynı zamanda insan gözünün gözden kaçırabileceği üretim anormalliklerini de algılayarak olası üretim kesintilerini veya ürün geri çağırmalarını önler.

İlk kez 66 AP'ye ulaştı, en güçlü SOTA algoritması listeye hakim oldu

Halihazırda hedef tespit algoritmasının performansı açısından yerli ekipten “İşbirlikçi Hibrit Atamalar Eğitimi ile DETR'ler” 66 AP puanla COCO'ya hakim durumda. Bu çalışma ICCV 2023 tarafından kabul edilmiştir.

Makalede, yazarlar, çeşitli etiket atamalarından daha verimli ve etkili DETR tabanlı dedektörleri öğrenebilen yeni bir işbirlikçi hibrit atama eğitim şeması - Co-DETR önermektedir.

Yeni Co-DETR, çoklu paralel yardımcı kafaları eğiterek (ATSS ve Daha Hızlı RCNN gibi birden çoğa etiket atamasıyla denetlenir), uçtan uca dedektörde kodlayıcının öğrenme yeteneğini kolayca artırabilir.

Co-DETR, ek özelleştirilmiş pozitif sorgular için bu yardımcı kafalardan pozitif koordinatlar çıkararak, kod çözücüdeki pozitif örneklerin eğitim verimliliğini de artırabilir.

Ayrıca, bu yardımcı kafalar çıkarım sırasında atılır, bu nedenle yöntem orijinal dedektöre ek parametreler ve hesaplama maliyeti getirmez ve ayrıca manuel maksimum olmayan bastırma (NMS) gerektirmez.

Kağıt adresi:

proje adresi:

- Kodlayıcı optimizasyonu:

Eğitim şeması, birden çoğa etiket ataması tarafından denetlenen çoklu paralel yardımcı kafaları eğiterek uçtan uca dedektördeki kodlayıcının öğrenme yeteneğini kolayca artırabilir.

- Codec optimizasyonu:

Kod çözücüde dikkat öğrenimi, ek özel pozitif sorgular için bu yardımcı kafalardan pozitif koordinatlar çıkarılarak iyileştirilir.

- SOTA performansı:

ViT-L (304M parametreleri) ile donatılmış Co-DETR, COCO test-dev'de %66,0 AP elde eden ilk modeldir.

Deneysel sonuçlar, Swin-L omurga ağına dayalı olarak, Co-DETR yönteminin mevcut SOTA modeli DINO-Deformable-DETR'nin performansını %58,5'ten %59,5'e (COCO doğrulama setinde) iyileştirebileceğini göstermektedir.

ViT-L omurga ağının desteğiyle Co-DETR, COCO test-dev'de %66,0 AP'ye ve LVIS doğrulama setinde %67,9 AP'ye ulaşır.

Ayrıca Co-DETR, önceki yöntemlere göre daha küçük bir model boyutuyla daha iyi performans sağlar.

Referanslar: