Det finnes mange typer kunstig intelligens, men en form for AI som i det stille har laget bølger i bakgrunnen er datasyn (CV).
Datasyn analyserer bilder og videoer og trekker ut nyttige data avhengig av brukerens behov. Eller, for å si det på en annen måte, CV undersøker visuelle data med den analytiske tilnærmingen til mennesker, men med datamaskinhastighet. Men det er noen uventede måter datasyn brukes på, og noen du sannsynligvis har brukt uten å være klar over det.
4 uventede måter vi bruker datasyn på
Datasyn bruker maskinlæring å analysere enorme mengder visuelle data raskt. Mange av oss bruker allerede CV daglig uten å tenke mye over det. Visste du at du bruker datasyn hvis du søker gjennom bildene dine etter bilder av en hund eller en strand, eller hvis du låser opp telefonen med ansiktsgjenkjenning?
Dette er det offentlige ansiktet til datasyn. Men bruken blir stadig mer utbredt, og noen av disse bruksområdene kan overraske deg.
1. Moderering av innhold
Moderering av innhold er et stikkende emne stappfullt av gråsoner. Mens tekstmoderering er et relativt enkelt konsept som AI har bidratt til å moderere i årevis, krever moderering av video og bilder fortsatt et mer betydelig nivå av menneskelig input.
Nå kan noen mennesker synes at det å bla gjennom endeløse sosiale medier-innlegg virker som en perfekt jobb. Men sannheten er ganske sjokkerende; dette er ikke bilder av valper og noens jubileumsmiddag. AI kan allerede raskt bekrefte at disse bildene er trygge.
Hva dette betyr er at den typen innhold som kommer gjennom til moderatorer inkluderer innhold som ingen ved sitt rette sinn noen gang ville ønske å se. Det er mange rapporter om moderatorer som har PTSD. EN Harvard University-artikkel bekreftet at moderatorer står overfor betydelig psykologisk risiko.
Foreløpig kan ikke rollen til CV i innholdsmoderering fullstendig fjerne det menneskelige elementet. Men med sosiale medieplattformer finner moderering en praktisk talt umulig oppgave, CV kan lette byrden. Datasyn er allerede brukt til å redusere antallet video-"nasties" som filtrerer gjennom til menneskelige moderatorer. Og, viktigere, det kan gjøre det i nesten sanntid, og redusere risikoen for at ubehagelig innhold når øynene til den intetanende publikum og, forhåpentligvis, moderatorer.
2. Phishing-deteksjon
Phishing-angrep er potensielt ødeleggende for både enkeltpersoner og organisasjoner. Dessverre er prosessen med å holde systemene og dataene dine trygge mot phishing-angrep et pågående våpenkappløp mellom sikkerhetseksperter og de dårlige aktørene bak angrepene.
Et av problemene sikkerhetssystemer står overfor er avhengighet av svartelister for å identifisere kilden til angrep. Dette er en reaktiv strategi. Problemet med reaktive strategier er tidsforskyvningen mellom trusselidentifikasjon og passende tiltak. Dette gapet er det dårlige skuespillere håper å utnytte og er det samme gapet som datasyn fyller.
CV begynner å bli brukt som et sanntidsforsvar mot phishing-angrep. I stedet for å bruke svartelister for å identifisere potensielle angrep, bruker CV visuelle signaler for å identifisere mulige røde flagg.
Noen av metodene som brukes for å oppnå dette, er listet opp nedenfor:
- Identifiser forfalskede nettsteder
- Identifiser triggerord forkledd som grafikk
- Utfylling av søkeord og annen tekstobfuskering
Selv om tradisjonelle sikkerhetssystemer vil forbli i frontlinjen i overskuelig fremtid, vil CV-ens rolle i å tette disse manglene bli stadig mer utbredt.
Denne kan virke som en kurvekule, så la oss forklare hvorfor dette er viktig.
Sportssponsing er enorm, med milliarder av dollar brukt årlig på å sponse lag, arrangementer og stadioner. En av grunnene til at det brukes så mye er at sportssponsing garanterer et betatt publikum under hele arrangementet.
I en verden der annonsører ofte bare har oppmerksomheten din i noen få sekunder mens du blar gjennom Instagram-feeden din, er et fanget publikum som gullstøv for markedsførere. Problemet kommer når man prøver å måle effektiviteten til en kampanje.
I motsetning til digitale kampanjer, hvor ytelse kan måles nøyaktig i nesten sanntid, måles suksessen til sportssponsing på en langt mer analog måte. Med milliarder av dollar på spill, ønsker markedsførere forståelig nok mer informasjon om hva pengene deres gir dem.
Det er her datasyn trer inn. For eksempel vil et selskap som annonserer en racerbil bruke mennesker til å overvåke et løp og telle skjermtiden annonsen deres oppnådde. Dette var arbeidskrevende, tidkrevende og dyrt. Men nå bruker mange bedrifter CV for å utføre denne oppgaven.
I tillegg kan den brukes til å overvåke den langsiktige suksessen til en kampanje. For eksempel kan den brukes til å bestemme hvor mange ganger et videoklipp med logoen deres har blitt delt på sosiale medieplattformer.
4. Deteksjon av forfalskninger
Internett er oversvømmet av forfalskede produkter. Mange av disse selges av tredjepartsleverandører på ellers anerkjente plattformer. Disse plattformene har juridiske forpliktelser til å sikre at kvaliteten og stamtavlen til alle produktene på deres plattform er som de skal.
For eksempel, i 2020, Amazon ødela over to millioner forfalskede produkter.
Overvåking av forfalskede produkter har alltid vært problematisk. Nok en gang er et av de store problemene tiden. Etterslepet mellom at et produkt blir oppført og identifisert som svindel kan være lang nok til at gjerningsmannen har sendt hundrevis av produkter, tatt pengene og forsvunnet.
Dette er sårbarheten som CV blir brukt til å plugge. Det gir mulighet for sanntidsanalyse av produkter som er oppført på en plattforms nettside. I tillegg analyserer den ulike visuelle komponenter for å identifisere potensielt forfalskede produkter. Disse inkluderer:
- Logogjenkjenning: Dette kan identifisere produkter med ulovlig brukte logoer (solbriller stemplet med Ferrari-logoen som selges for noen få dollar på Amazon, for eksempel). Eller logoer av dårlig kvalitet som gir bort det faktum at de rimelige Nike-skoene kanskje ikke er hva de ser ut til å være.
- Bildeanalyse: CV kan trenes til å se etter potensielle røde flagg som forskjeller i farge eller merking som kan tyde på at et produkt er forfalsket.
- Objektgjenkjenning: CV-teknikker kan også gjenkjenne objekter og mønstre i bilder eller videoer. Dette kan bidra til å identifisere forfalskede produkter som har blitt endret eller modifisert på en eller annen måte, for eksempel ved å endre merkevaren eller merkingen.
Forfalskningsmarkedet er enormt og påvirker alle, fra produsent til sluttbruker. Bruk av datasyn for å identifisere forfalskninger vil ikke eliminere problemet, men det representerer et stort skritt i riktig retning.
Å se fremtiden tydelig
Datasyn er en teknologi i rask utvikling som lover mye. Drevet av faktorer som kappløpet om å utvikle de første virkelig selvkjørende elektriske kjøretøyene, er utviklingstakten nådeløs.
Det er en spennende teknologi som vil fortsette å kaste ut nye og overraskende bruksområder etter hvert som den modnes.