期望与现实之间: 人工智能有多好？?

在本文中, realizado por Maximilian Sand, 达迈尔电子的团队领导者人工智能, se ponen de relieve algunos principios básicos que permiten valorar la funcionalidad y beneficio del análisis de vídeo basado en Inteligencia Artificial.

基于人工智能的视频分析 (的) 承诺在技术上实现质的飞跃，给客户带来巨大利益. 但前提是关键用户 - 或什么是相同的, 知情- 能够正确评估技术.

很长一段时间了, 视频安全技术集成了基于人工智能的程序. 越来越多的新应用和产品使用算法来提供新的分析或使现有的分析更加强大。.

目标是为用户提供明确的附加值, 结果不言而喻. 如果在过去, 例如，经典图像处理, 这是一个伟大的努力， 以可靠地识别一棵树被风移动作为一个假警报, 现在一个 AI 做它没有问题.

经典图像处理和人工智能图像或视频分析之间的基本区别在于，算法不再只是编程，而是教授。, 有很多数据.

使用此数据, 系统学习识别模式等, 例如, 区分树与入侵者. 但机器学习的概念也带来了新的问题和挑战。.

一个突出的例子是不同族裔群体承认质量的差异。, 一个甚至成为头条新闻的问题. 虽然背景相对简单: 只有当数据数量充足、多样性和分布充分时, 人工智能可以有力地学习.

AI 系统质量

所有这些都导致人们对使用人工智能的系统的性能问题。. 使用哪些措施进行比较, 例如, 两个程序, 不同的系统或制造商? 如果小册子承诺"95% 检测精度"或"可靠识别"，则这意味着什么？? 有多好的精度 95%? 和, 简而言之, 什么是可靠的识别?

为此, 首先, 您必须了解如何评估 AI 程序. 第一步是应用程序和客户端对"虚假"含义和"正确"含义的具体定义。, 特别是在边缘情况下. 例如, 在承认人的制度中, 如果图像或视频没有看到真实的人，但只看到与一个人的广告海报，检测应评估为正确?

必须建立此参数和其他参数. 一旦此定义存在, 您需要一个数据集，知道您期望的正确结果.

AI 将分析此数据集并确定正确和错误检测的比例。. 数学为用户提供了不同的指标, 如敏感性 (实际检测的预期检测比例) 或准确性 (实际正确的检测比例). 所以, AI 的"质量", 毕竟, 始终是有关已使用的评估数据集的统计报表.

夏季或冬季?

此语句对系统中的用户或潜在客户到底有多大用处取决于数据集的分布。. 评估可以证明良好的检测性能. 但是，如果数据集完全基于夏季月份的图像, 由于光线和天气条件可能大相径庭，此评估对冬季人工智能的质量没有信息价值。.

因此, 一般, 关于 AI 分析质量的陈述 - 特别是, 具有具体数字（如"99.9%"） -, 当并非所有参数都已知时，请谨慎对待它们. 不知道使用的数据集, 应用指标和其他参数, 不可能就结果的代表性程度发表明确声明.

不能有确切的迹象

每个系统都有其局限性, 甚至, 自然, 人工智能系统. 因此, 知道限制是做出知情决定的基本要求. 但也在这里, 统计与现实相交, 如下示例中所示. AI 识别的更差, 逻辑, 图像/视频中的对象越小.

第一个问题, 在购买系统之前向用户提出的, 是可检测对象的最大距离, 因为它影响所需的相机数量和, 因此, 关于整个系统的成本. 但是，指示确切的距离是不可能的. 只是, 分析没有提供结果的价值 100% 正确和无法检测的另一个值.

此处的评估只能提供统计数据，例如, 例如, 基于物体大小的检测精度.

最好直接比较

关于系统的局限性，已选择它来描述, 尽可能, 具有特定最小值或最大值的系统限制: 例如在产品数据表中. 其中包括最小距离或最低分辨率.

这是合理的, 因为客户或安装人员需要基准才能评估系统. 然而, 仍然有很多不确定性, 例如，如果制造商相当保守或乐观地表示这些限制值. 用户最好始终记住，在视频分析中可能没有明确和定义的限制.

每个系统都会是这样的: 也在某些参数内会发生错误和, 同时, 在良好的条件下, 有用的结果可以契据, 甚至超过了限制.

用户是否想要确定基于 AI 的分析的真实质量, 这只能通过直接比较; 不同制造商的数量和参数差异太大. 和, 另外, 框架条件和输入, 答案是肯定的, 它们在所有系统中必须相同.

演示产品的真实测试, 借用或类似, 是一个很好的可能性. 此外, 系统性能在所需的使用案例中显示正确.

是, 顺便一提, 也是评估人工智能系统性能的关键: 完全取决于每个案例的使用情况. 应尽可能准确地指定此. 然后, 具有正确的解决方案, 有可能为客户提供真正的附加值.

马克西米利安沙

团队领导人工智能由 达尔迈尔电子
 

 

 

其他文章 达尔迈尔