 |
| tyco 監控攝影機系列（總代理上敦企業） |
介紹 「人工智慧攝影機」。 「利用人工智慧進行智慧檢測」。如果你在過去五年中參加過任何現代安控展覽、聽過廠商推介或看過產品規格表，你肯定聽過這些詞句，它們就像彩帶一樣被反覆提及。像 Axis、海康威視、大華、韓華、Avigilon 和博世這樣的主要監視攝影機製造商都自豪地宣稱…
引言
「人工智慧攝影機」、「利用人工智慧進行智慧檢測」。如果你在過去五年裡參加過任何現代安全展覽、聽過廠商推介或看過產品規格表，你肯定聽過這些詞句，它們就像漫天飛舞的彩帶一樣。像 Axis、海康威視、大華、韓華、Avigilon 和博世這樣的大型監視攝影機製造商，幾乎每一款出貨的設備都自豪地貼上了「人工智慧」的標籤。
但問題在於：大多數所謂的「人工智慧」根本不是真正的人工智慧 —— 至少不是大眾甚至是業界人士所理解的那種人工智慧。這不僅是語意上的差異；這種誤解會導致錯誤的預期、預算的錯配，最終削弱安全系統。
這篇部落格報導，將深入剖析各大監控品牌所聲稱的「人工智慧」究竟是什麼，為何大多數邊緣攝影機的智慧功能，存在根本性的侷限性，以及如何在充斥著人工智慧宣傳的世界中分辨真偽。
 |
Klacci 凱樂奇儲能系統解決方案 |
人工智慧的真正意義（但實際上很少）
首先要明確一點：真正的人工智慧——也就是真正的智慧——是指能夠學習、推理、預測並根據新資訊進行調整的系統。在安防領域，真正的人工智慧可能意味著一台攝影機能夠：
- 理解複雜的行為，例如有人在踩點還是在遛狗
- 無需人工干預，就能根據過往事件學習新的威脅
- 無需預設規則，就能根據上下情境做出決策
但這並非大多數商業安全系統所能提供的。相反，市面上所謂的人工智慧，通常是基於規則的影像分析，並採用預先訓練模型。它更像是一台非常聰明的計算機，而不是一台會思考的機器。
品牌分析
Axis Communications
Axis 將其攝影機（尤其是搭載 ARTPEC-7 和 ARTPEC-8 晶片的攝影機）宣傳為「邊緣人工智慧」。其旗艦功能 AXIS Object Analytics 可偵測動作、對物件進行分類（例如區分人和車輛），並提供越線等基本警報。
事實查核：沒錯，Axis 的確使用卷積神經網路進行物體分類。從狹義上講，這確實是人工智慧，但其功能非常有限。攝影機不會自主學習或調適。所有指示都是預先訓練的，並且針對特定場景。你設定規則，它執行這些規則。沒有自主性，也沒有推理能力。
他們為何稱之為人工智慧：因為其中確實涉及人工智慧（預先訓練的物體分類）。但這是一種靜態的、狹義的人工智慧，而非自適應智慧。它能減少誤報，但仍需要手動配置和監督。
海康威視
憑藉 AcuSense 和 DeepinView 等產品線，海康威視銷售的攝影機和網路錄影機 (NVR) ，聲稱具備人臉偵測、人車分類、車牌自動辨識 (ANPR) 甚至「自學習分析」等功能。
事實查核：海康威視確實使用了深度學習技術 —— 例如，使用卷積神經網路 (CNN) ，來區分人和車輛 —— 但其分析仍然是被動的、基於規則的。它不具備開放式推理或場景理解能力。
他們為何稱之為人工智慧：因為其底層演算法確實涉及機器學習。但這種學習是在訓練實驗室中進行的，而不是由攝影機在實際應用中完成的。操作員仍然需要定義規則、區域和觸發條件。這只是智慧檢測，而非真正的人工智慧。
大華科技
大華大力推廣其 WizSense 和 WizMind 平台，稱其為人工智慧前沿技術，涵蓋智慧運動偵測、人數統計、個人防護裝備 (PPE) 偵測，甚至跌倒偵測等功能。他們的設備通常支援語音警告，和燈光警告。
事實是：大華的大多數功能，都使用預先訓練的物件辨識模型，並且需要使用者自訂規則集。雖然這些功能很先進 —— 尤其是違規停車或人群密度檢測等 —— 但它們仍然基於確定性邏輯。它們無法理解使用者行為，也無法在實際環境中進行動態學習。
他們為何稱之為人工智慧：因為他們使用人工智慧晶片來運行訓練好的模型。但佈署後，系統不會進行任何學習。這只是自動化，而非認知。
韓華科技（韓華視覺）
韓華科技以其Wisenet系列產品而聞名，其產品主打人工智慧驅動的元資料（年齡、性別、衣著、車輛類型）和基於屬性的搜尋功能。他們推廣可運行第三方人工智慧應用 app 的「開放平台」攝影機。
事實查核：韓華的分析功能確實強大，尤其是在與Pathr.ai等系統，配合使用進行行為追蹤時。但需要再次強調的是，它只是基於已知類別的元資料標記。這些系統並不具備推理、推論或適應能力。它們只能辨識預先訓練好的模式，並觸發預先定義的警報。
他們聲稱這是人工智慧的原因：因為他們使用深度學習來提取元資料。但當攝影機遇到超出其模型範圍的情況時，它只會靜默地停止工作。
Avigilon（摩托羅拉解決方案）
Avigilon 擁有或許是最強大的 AI 套件，包括外觀搜尋、異常運動偵測 (UMD，Unusual Motion Detection) 和全場景分類。其 AI 網路錄影機 (NVR) 甚至使用 NVIDIA GPU 進行人臉辨識和行為搜尋。
現實檢驗：Avigilon 比大多數同類產品，更接近真正的 AI。例如，UMD 是一種無監督學習，無需規則即可檢測異常。外觀搜尋使用相似性演算法，來模擬認知搜尋。但即便如此，學習仍發生在上游，系統並不具備真正的自主性。它無法回答「為什麼」某件事會發生，也無法得出新的結論。
為什麼他們說它是 AI：因為它確實是。但它是有限 AI：在特定任務上效率很高，但對意外情況仍然視而不見。
博世安防
Bosch IVA Pro 套件，包含周界防護、行為辨識和人群計數功能。其最新版本直接在攝影機上，運行深度神經網路 (DNN)。
事實查核：博世最新的分析功能令人印象深刻。部分功能無需手動校準即可運行，並提供場景級物件持久性。但它仍然是基於預訓練網路的規則執行。系統本身不具備推理或適應能力。
為何稱之為人工智慧：因為 IVA Pro 使用了真正的深度神經網路。然而，其決策架構仍依賴於人工定義的邏輯。
稱之為「人工智慧」的問題
那麼，所有這些行銷炒作的問題究竟是什麼呢？
- 它會誤導買家。當系統整合商或企業主聽到「人工智慧」時，他們會想到適應性、洞察力和自動化。但他們得到的，往往只是花俏的運動偵測功能。
- 它會推高成本。供應商會用「人工智慧」的標籤，來為高價辯護，即使其功能有限且缺乏彈性。
- 它會阻礙真正的創新。真正致力於建立適應性強、可學習系統的公司會被各種噪音淹沒。
- 它會造成一種虛假的安全感。操作人員相信系統能夠識別新的威脅。但這些系統會忽略訓練集以外的任何威脅。
那麼，監控領域的真正人工智慧是什麼？
影像監控領域的真正人工智慧，是指能夠做到以下幾點的系統：
- 學習隨時間推移的行為模式（而不僅僅是物體）
- 根據上下情境動態調整閾值（例如，在異常時段提高靈敏度）
- 推理事件序列
- 回答取證問題（例如，「上週誰在這扇門附近徘徊？」）
- 預測事件的發生
這種人工智慧正在興起 —— 但這並非目前大多數邊緣攝影機的功能。真正的人工智慧可能涉及雲端的系統或平台，例如 Arcadian.ai，它們將物件偵測與時間序列推理、基於自然語言處理的查詢介面，和行為預測相結合。
結論：人工智慧並非非此即彼 —— 但上下情境關聯非常重要
僅僅因為一個系統使用了神經網路，並不代表它就具備智慧。智慧並非僅僅辨識出貓；而是理解貓的行為，理解其重要性，以及應該採取哪些措施。大多數邊緣人工智慧攝影機根本無法做到這一點。
它們能夠偵測、發出警報、進行過濾，但它們並不理解。
身為買家、整合商和創新者，我們需要超越那些流行語，捫心自問：這項人工智慧究竟能做什麼？它是基於規則的還是自適應的？是被動的還是預測性的？
如果你為智慧買單，請確保你購買的不僅僅是一個黑盒子裡的模式辨識功能。
3S Market: 本報導純為分享，不代表本資訊平台立場
沒有留言:
張貼留言