Det finns många typer av artificiell intelligens, men en form av AI som tyst har skapat vågor i bakgrunden är datorseende (CV).
Computer vision analyserar bilder och videor och extraherar användbar data beroende på användarens behov. Eller, för att uttrycka det på ett annat sätt, CV undersöker visuell data med människans analytiska tillvägagångssätt, men i datorhastighet. Men det finns några oväntade sätt som datorseende används på, och några har du förmodligen använt utan att ens ha insett det.
4 oväntade sätt vi använder datorseende
Datorseende använder maskininlärning att snabbt analysera enorma mängder visuell data. Många av oss använder redan CV dagligen utan att tänka så mycket på det. Visste du att du använder datorseende om du söker igenom dina foton efter bilder på en hund eller en strand eller om du låser upp din telefon med ansiktsigenkänning?
Detta är det offentliga ansiktet för datorseende. Men dess användning blir mer utbredd, och vissa av dessa användningsområden kan överraska dig.
1. Innehållsmoderering
Innehållsmoderering är ett taggigt ämne fullt av gråzoner. Även om textmoderering är ett relativt enkelt koncept som AI har hjälpt till att moderera i flera år, kräver moderering av video och bilder fortfarande en mer betydande nivå av mänsklig input.
Nu kanske vissa människor tycker att det verkar vara ett perfekt jobb att bläddra igenom oändliga inlägg på sociala medier. Men sanningen är ganska chockerande; det här är inte bilder på valpar och någons jubileumsmiddag. AI kan redan snabbt verifiera att dessa bilder är säkra.
Vad detta betyder är att den typ av innehåll som når fram till moderatorer inkluderar innehåll som ingen med sitt fulla sinne någonsin skulle vilja se. Det finns många rapporter om moderatorer som har PTSD. A Harvard University artikel bekräftade att moderatorer står inför avsevärda psykologiska risker.
För närvarande kan CV: s roll i innehållsmoderering inte helt ta bort det mänskliga elementet. Men med sociala medieplattformar finner moderering en praktiskt taget omöjlig uppgift, CV kan lätta bördan. Datorseende används redan för att avsevärt minska antalet video-"otäcka" som filtrerar igenom till mänskliga moderatorer. Och, viktigare, det kan göra det i nästan realtid, vilket minskar risken för att motbjudande innehåll når ögonen på den intet ont anande allmänheten och, förhoppningsvis, moderatorer.
2. Upptäckt av nätfiske
Nätfiskeattacker är potentiellt förödande för både individer och organisationer. Tyvärr är processen att hålla dina system och data säkra mot nätfiskeattacker en pågående kapprustning mellan säkerhetspersonal och de dåliga aktörerna bakom attackerna.
Ett av problemen som säkerhetssystemen står inför är att man litar på svarta listor för att identifiera källan till attacker. Detta är en reaktiv strategi. Problemet med reaktiva strategier är tidsfördröjningen mellan hotidentifiering och lämplig åtgärd. Denna lucka är vad dåliga skådespelare hoppas kunna utnyttja och är samma lucka som datorvisionen fyller.
CV börjar användas som ett realtidsförsvar mot nätfiskeattacker. Istället för att använda svarta listor för att identifiera potentiella attacker, använder CV visuella signaler för att identifiera möjliga röda flaggor.
Några av metoderna som används för att uppnå detta är listade nedan:
- Identifiera falska webbplatser
- Identifiera triggerord förklädda som grafik
- Nyckelordsutfyllnad och annan textförvirring
Även om traditionella säkerhetssystem kommer att förbli i frontlinjen under överskådlig framtid, kommer CV: s roll för att åtgärda dessa brister att bli allt vanligare.
Den här kan verka som en kurvboll, så låt oss förklara varför detta är viktigt.
Sportsponsring är enorm, med miljarder dollar som spenderas årligen på att sponsra lag, evenemang och arenor. En av anledningarna till att så mycket spenderas är att sportsponsring garanterar en fängslad publik under hela evenemanget.
I en värld där annonsörer ofta bara har din uppmärksamhet i några sekunder när du bläddrar igenom ditt Instagramflöde, är en fången publik som gulddamm för marknadsförare. Problemet kommer när man försöker mäta effektiviteten av en kampanj.
Till skillnad från digitala kampanjer, där prestanda kan mätas exakt i nästan realtid, mäts framgången för sportsponsring på ett mycket mer analogt sätt. Med miljarder dollar på spel vill marknadsförare förståeligt nog ha mer information om vad deras pengar ger dem.
Det är här datorseendet kliver in. Till exempel skulle ett företag som annonserar en racerbil använda människor för att övervaka ett lopp och räkna den skärmtid som deras annons uppnådde. Detta var mödosamt, tidskrävande och dyrt. Men nu använder många företag CV för att utföra denna uppgift.
Dessutom kan den användas för att övervaka en kampanjs långsiktiga framgång. Den kan till exempel användas för att avgöra hur många gånger ett videoklipp med deras logotyp har delats på sociala medieplattformar.
4. Upptäckt av förfalskningar
Internet är full av förfalskade produkter. Många av dessa säljs av tredjepartsleverantörer på annars välrenommerade plattformar. Dessa plattformar har juridiska skyldigheter att säkerställa att kvaliteten och härstamningen för alla produkter på deras plattform är som de ska vara.
Till exempel, 2020, Amazon förstörde över två miljoner förfalskade produkter.
Att framgångsrikt övervaka förfalskade produkter har alltid varit problematiskt. Återigen är ett av de stora problemen tiden. Fördröjningen mellan att en produkt listas och identifieras som ett bedrägeri kan vara tillräckligt lång för att gärningsmannen ska ha skickat hundratals produkter, tagit pengarna och försvunnit.
Detta är sårbarheten som CV används för att plugga. Det möjliggör realtidsanalys av produkter listade på en plattforms webbplats. Dessutom analyserar den olika visuella komponenter för att identifiera potentiellt förfalskade produkter. Dessa inkluderar:
- Logotypdetektering: Detta kan identifiera produkter med olagligt använda logotyper (solglasögon stämplade med Ferrari-logotypen som säljs för några dollar på Amazon, till exempel). Eller logotyper av dålig kvalitet som ger bort det faktum att dessa fynda Nike-träningsskor kanske inte är vad de ser ut att vara.
- Bildanalys: CV kan tränas för att leta efter potentiella röda flaggor som skillnader i färg eller märkning som kan tyda på att en produkt är förfalskad.
- Objektigenkänning: CV-tekniker kan också känna igen objekt och mönster i bilder eller videor. Detta kan hjälpa till att identifiera förfalskade produkter som har ändrats eller modifierats på något sätt, till exempel genom att ändra varumärket eller märkningen.
Förfalskningsmarknaden är enorm och påverkar alla, från tillverkare till slutanvändare. Att använda datorseende för att identifiera förfalskningar kommer inte att eliminera problemet, men det representerar ett stort steg i rätt riktning.
Att se framtiden tydligt
Datorseende är en teknologi i snabb utveckling som lovar mycket. Drivs av faktorer som kapplöpningen att utveckla de första riktigt självkörande elfordonen, utvecklingstakten är obeveklig.
Det är en spännande teknik som kommer att fortsätta att kasta ut nya och överraskande användningsområden när den mognar.