Hàng triệu người theo dõi từ giám sát quán cà phê, và Musk đã thốt lên rằng điều đó thật tồi tệ! Bạn uống cà phê vài phút, AI biết hết

Nguồn bài viết: Xinzhiyuan

EDIT: Aeneas buồn ngủ quá

Ở quán cà phê này, khách hàng ở lại bao lâu và nhân viên pha bao nhiêu cốc cà phê đều được hiển thị rõ ràng dưới camera AI. Hàng triệu cư dân mạng đã xem và nói rằng điều đó thật khủng khiếp, và Musk đã bị sốc.

Chúng ta đang sống trong một thế giới ngày càng có ít sự riêng tư.

Hôm nay, video này đã lan truyền trên Internet khiến nhiều người sợ hãi.

Trong một quán cà phê, mỗi khách hàng ở lại cửa hàng trong vài phút và mỗi người phục vụ mang bao nhiêu tách cà phê cho khách hàng, tất cả đều được thể hiện rõ ràng trong video!

Đoạn video chỉ mới được phát hành trong hơn mười giờ và hơn 1 triệu cư dân mạng đã xem nó.

Cư dân mạng đăng video cho biết: Khái niệm này cho thấy cách các cửa hàng cà phê sử dụng AI để phân tích nhân viên pha chế và khách hàng. Hãy “tận hưởng” trọn vẹn sự riêng tư của bạn tại quán cà phê. 😂

Một cư dân mạng khác nói rằng không có gì ngạc nhiên. Là người tiêu dùng, bạn nên biết rằng nhiều cửa hàng biết mọi thứ về bạn ngay khi bạn bước vào.

"Vụ Cambridge Analytica" không thể so sánh được.

(Năm 2018, Facebook thừa nhận công ty phân tích dữ liệu của Anh đã lấy trái phép thông tin của 50 triệu người dùng Facebook năm 2016 và sử dụng thông tin này để xây dựng chương trình phần mềm dự đoán và tác động đến kết quả hòm phiếu, giúp Trump đắc cử tổng thống thành công) cuộc bầu cử.)

Ngay cả chính Musk cũng xuất hiện ở khu vực bình luận, để lại hai dấu chấm than liên tiếp.

Nếu bạn nghĩ rằng việc AI theo dõi nhân viên và khách hàng trong quán cà phê là đủ đáng sợ, thì thực tế là, nếu chi phí không phải là vấn đề, thì có thể có hàng nghìn máy bay không người lái trên bầu trời gửi dữ liệu theo dõi thời gian thực tới cơ quan quản lý và tất cả mọi thứ sẽ được theo dõi và ghi lại.

Bạn thậm chí không cần một bộ phận chuyên nghiệp, bất kỳ ai cũng có thể theo dõi trên một máy bay không người lái nghiệp dư, bởi vì công nghệ nhận dạng hình ảnh và phát hiện đối tượng hiện tại quá mạnh.

Bạn biết đấy, khi chạy streaming 1080p trên card đồ họa rời cách đây vài năm, dung lượng tối đa chỉ là 6 đối tượng.

"Đôi mắt" phổ biến

Thực tế là thế giới hiện tại của chúng ta có rất nhiều máy ảnh.

Trong số đó, nhiều công ty đã triển khai các chiến lược rất bí mật để theo dõi người tiêu dùng, tất cả đều được thực hiện thông qua AI và nhận dạng hình ảnh trên các nguồn cấp dữ liệu video.

Ví dụ, trong phòng thí nghiệm bán lẻ thông minh của Wal-Mart, cảm biến IRL và camera cho phép nhân viên biết mọi thứ trong cửa hàng.

Các nhà hàng thức ăn nhanh cũng đã áp dụng công nghệ AI để giám sát nhân viên. Quy định nhân viên phải đeo khẩu trang, hễ ai tháo khẩu trang ra quản lý sẽ biết ngay.

Ngoài ra, dữ liệu vị trí di động của chúng tôi là để bán.

Hầu như tất cả các nhà khai thác điện thoại di động đang bán dữ liệu ẩn danh cho các cửa hàng bán lẻ, đây có thể nói là một phần hoạt động kinh doanh cốt lõi của họ.

Chỉ cần Google "tên nhà điều hành + thông tin chi tiết về đám đông" và kết quả sẽ khiến bạn ngạc nhiên.

"Bạn có muốn biết có bao nhiêu người đi qua một địa điểm nhất định trong một khoảng thời gian nhất định không? Độ tuổi và tình trạng thu nhập của họ là bao nhiêu, và bao nhiêu người trong số họ có thể trở thành khách hàng tiềm năng?"

Tất nhiên, dịch vụ "cái nhìn sâu sắc về đám đông" sẽ nhấn mạnh rằng dữ liệu là ẩn danh và cách thức thu thập biên nhận không tiết lộ quyền riêng tư cá nhân.

Có người nói: Bây giờ dữ liệu của tôi bị thu thập, tôi có thể yêu cầu công ty trả tiền cho tôi không?

Liên quan đến máy ảnh được sử dụng trong doanh nghiệp, một số người trong khu vực bình luận đã cho thấy trải nghiệm của riêng họ——

"Tôi làm việc trên hệ thống camera an ninh phụ trợ tại sân vận động và những gì chúng tôi công bố cho công chúng chỉ là 1/3 dữ liệu thực tế."

"Nó gần giống như trong một bộ phim, nhập khuôn mặt của chính bạn và hệ thống sẽ nhận ra bạn đang ở đâu."

Và để làm tất cả những điều đó, bạn chỉ cần lấy bất kỳ máy ảnh nào, cài đặt một phần mềm trị giá 300 đô la và chạy cho đến khi hết dung lượng đĩa.

** Ưu và nhược điểm? **

Về vấn đề này, chuyên gia tư vấn AI Diego San Esteban chia sẻ quan điểm của mình:

Ông tin rằng giám sát AI chắc chắn có nhiều lợi thế, chẳng hạn như giám sát liên tục hiệu suất và năng suất của nhân viên, cho phép các nhà quản lý xây dựng chiến lược tốt hơn.

Ngoài ra, AI cũng có thể cung cấp dữ liệu hiệu suất khách quan để tránh sự thiên vị của con người trong việc đánh giá.

Cũng có nhiều khuyết điểm, trong đó bị chỉ trích nhiều nhất là vi phạm quyền riêng tư của nhân viên, đồng thời sẽ tạo bầu không khí mất lòng tin trong doanh nghiệp, ảnh hưởng đến tinh thần và sự hài lòng trong công việc.

AI cũng không thể hiểu đầy đủ bối cảnh mà công việc đang được thực hiện và thiếu sự đồng cảm của con người.

Và, nó có khả năng mắc sai lầm, do sự thiên vị vốn có của dữ liệu đào tạo, điều này cực kỳ không công bằng đối với nhân viên.

Thuật toán phát hiện mục tiêu

Trên thực tế, đằng sau vụ việc gây tranh cãi này là một công nghệ AI rất phổ biến trong việc phát hiện mục tiêu.

Ví dụ: đưa ra một bức ảnh chụp đường phố, một mô hình phát hiện đối tượng sẽ trả về một danh sách các chú thích hoặc nhãn cho tất cả các đối tượng khác nhau trong ảnh: đèn giao thông, xe cộ, biển báo giao thông, tòa nhà, v.v.

Các nhãn này sẽ chứa lớp thích hợp cho từng đối tượng, chẳng hạn như "người" và "hộp giới hạn", vùng hình chữ nhật bao quanh hoàn toàn đối tượng.

### Ứng dụng trong ngành

Phát hiện đối tượng là một nhiệm vụ quan trọng đối với con người: khi bước vào một căn phòng hoặc khung cảnh mới, bản năng đầu tiên của chúng ta là đánh giá trực quan các đối tượng và con người trong đó, sau đó hiểu chúng.

Tương tự như con người, phát hiện đối tượng đóng một vai trò quan trọng trong việc cho phép máy tính hiểu và tương tác với thế giới trực quan và đã được sử dụng rộng rãi trong nhiều ngành:

- An ninh trang web:

Các mô hình phát hiện đối tượng có thể giúp cải thiện an toàn và bảo mật tại nơi làm việc. Ví dụ: họ có thể phát hiện sự hiện diện của các cá nhân hoặc phương tiện khả nghi trong các khu vực nhạy cảm. Sáng tạo hơn nữa, nó có thể đảm bảo người lao động sử dụng thiết bị bảo hộ cá nhân (PPE) như găng tay, mũ bảo hiểm hoặc khẩu trang.

- truyền thông xã hội:

Các mô hình phát hiện đối tượng có thể giúp xác định sự hiện diện của một thương hiệu, sản phẩm, logo hoặc người cụ thể trên phương tiện kỹ thuật số. Nhà quảng cáo có thể sử dụng thông tin này để thu thập dữ liệu và hiển thị cho người dùng những quảng cáo phù hợp hơn. Nó cũng giúp tự động hóa quá trình phát hiện và gắn cờ nội dung không phù hợp hoặc bị cấm.

-QC:

Các mô hình phát hiện đối tượng cho phép tự động xem xét dữ liệu trực quan. Máy tính và máy ảnh có thể phân tích dữ liệu theo thời gian thực, tự động phát hiện và xử lý thông tin trực quan cũng như hiểu được tầm quan trọng của thông tin đó, giảm sự can thiệp của con người vào các tác vụ yêu cầu xem xét trực quan liên tục. Điều này đặc biệt hữu ích trong sản xuất kiểm soát chất lượng sản xuất. Nó không chỉ cải thiện hiệu quả mà còn có thể phát hiện những bất thường trong sản xuất mà mắt người có thể bỏ sót, ngăn chặn khả năng gián đoạn sản xuất hoặc thu hồi sản phẩm.

Lần đầu tiên đạt được 66 AP, thuật toán SOTA mạnh nhất thống trị danh sách

Hiện tại, về hiệu suất của thuật toán phát hiện mục tiêu, "DETR với Đào tạo Nhiệm vụ Kết hợp Hợp tác" từ nhóm trong nước đang thống trị COCO với số điểm 66 AP. Công việc này đã được ICCV 2023 chấp nhận.

Trong bài báo, các tác giả đề xuất một sơ đồ đào tạo bài tập lai hợp tác mới - Co-DETR, có thể học các bộ phát hiện dựa trên DETR hiệu quả và hiệu quả hơn từ các bài tập nhãn khác nhau.

Bằng cách đào tạo nhiều đầu phụ trợ song song (được giám sát bằng cách gán nhãn một-nhiều, chẳng hạn như ATSS và RCNN nhanh hơn), Co-DETR mới có thể dễ dàng tăng cường khả năng học hỏi của bộ mã hóa trong máy dò đầu cuối.

Bằng cách trích xuất các tọa độ dương từ các đầu phụ trợ này cho các truy vấn dương tùy chỉnh bổ sung, Co-DETR cũng có thể cải thiện hiệu quả đào tạo của các mẫu dương tính trong bộ giải mã.

Ngoài ra, các đầu phụ trợ này bị loại bỏ trong quá trình suy luận, vì vậy phương pháp này không đưa ra các tham số bổ sung và chi phí tính toán cho máy dò ban đầu, đồng thời cũng không yêu cầu triệt tiêu không tối đa thủ công (NMS).

Địa chỉ giấy tờ:

địa chỉ dự án:

- Tối ưu hóa bộ mã hóa:

Sơ đồ đào tạo có thể dễ dàng tăng cường khả năng học của bộ mã hóa trong bộ phát hiện đầu cuối bằng cách đào tạo nhiều đầu phụ trợ song song được giám sát bằng cách gán nhãn một-nhiều.

- Tối ưu hóa codec:

Khả năng học tập chú ý trong bộ giải mã được cải thiện bằng cách trích xuất các tọa độ dương từ các đầu phụ trợ này cho các truy vấn dương tùy chỉnh bổ sung.

- Hiệu suất SOTA:

Co-DETR được trang bị ViT-L (304M thông số) là mô hình đầu tiên đạt 66,0% AP trên COCO test-dev.

Kết quả thử nghiệm cho thấy dựa trên mạng đường trục Swin-L, phương pháp Co-DETR có thể cải thiện hiệu suất của mô hình SOTA DINO-Deformable-DETR hiện tại từ 58,5% lên 59,5% (trên bộ xác thực COCO).

Với sự hỗ trợ của mạng đường trục ViT-L, Co-DETR đạt được 66,0% AP trên COCO test-dev và 67,9% AP trên bộ xác thực LVIS.

Ngoài ra, Co-DETR cũng đạt được hiệu suất tốt hơn với kích thước mô hình nhỏ hơn so với các phương pháp trước đây.

Người giới thiệu: