AI是遠(yuǎn)程安全監(jiān)控的未來

歸根結(jié)底：由于有了AI，遠(yuǎn)程視頻源的實(shí)時分析正在迅速改善，從而提高了遠(yuǎn)程設(shè)備和設(shè)施監(jiān)控的準(zhǔn)確性。

農(nóng)業(yè)，建筑，石油和天然氣，公用事業(yè)以及關(guān)鍵基礎(chǔ)設(shè)施都需要合并網(wǎng)絡(luò)安全和物理安全，以適應(yīng)日益復(fù)雜的威脅。首先需要提高基于AI的視頻識別系統(tǒng)提供的對遠(yuǎn)程威脅的準(zhǔn)確性，洞察力和響應(yīng)速度。事實(shí)證明，作為更廣泛的AI策略的一部分，機(jī)器學(xué)習(xí)技術(shù)可有效地實(shí)時使用視頻識別異常和威脅，通常將它們與網(wǎng)絡(luò)威脅相關(guān)聯(lián)，而網(wǎng)絡(luò)威脅通常是對遠(yuǎn)程設(shè)施進(jìn)行精心策劃的攻擊的一部分。

實(shí)時識別異常

監(jiān)督，無監(jiān)督和強(qiáng)化機(jī)器學(xué)習(xí)算法的快速發(fā)展及其對基于AI的視覺識別系統(tǒng)的貢獻(xiàn)定義了遠(yuǎn)程安全監(jiān)視的未來。具有夜視，紅外和熱成像功能的攝像機(jī)充當(dāng)這些基于AI的視頻識別系統(tǒng)的傳感器，可對遠(yuǎn)程設(shè)備，站點(diǎn)和那里的資產(chǎn)進(jìn)行24/7監(jiān)控。在該領(lǐng)域值得關(guān)注的公司之一是Twenty20 Solutions，該公司正在將機(jī)器學(xué)習(xí)與遠(yuǎn)程站點(diǎn)和設(shè)備的實(shí)時視頻數(shù)據(jù)饋送集成在一起，以實(shí)時識別異常。他們的SCADA即服務(wù)集成了傳感器，儀表和設(shè)備，以提供數(shù)據(jù)遙測和實(shí)時信息。這種方法值得注意的是，許多行業(yè)必須集成網(wǎng)絡(luò)和物理安全系統(tǒng)，并獲得360度的遠(yuǎn)程位置威脅視圖。通過利用整個石油和天然氣價值鏈的實(shí)時監(jiān)控來整合網(wǎng)絡(luò)和物理安全，也可以帶來許多運(yùn)營優(yōu)勢。普華永道石油和天然氣數(shù)字化轉(zhuǎn)型的下圖顯示了SCADA，實(shí)時監(jiān)控和集成安全性在提高運(yùn)營效率方面的作用：

監(jiān)督控制和數(shù)據(jù)采集（SCADA）系統(tǒng)用于監(jiān)視和控制電信，水和廢物控制，能源，石油和天然氣精煉和運(yùn)輸?shù)刃袠I(yè)中的工廠或設(shè)備。研究提供者IMARC預(yù)測，到2024年，全球SCADA市場規(guī)模將達(dá)到$ 26B，在2019年至2024年之間的復(fù)合年增長率（CAGR）為5.7％。以下圖表來自其近期研究，顯示石油與天然氣，制造，水與廢水，電力或公用事業(yè)等行業(yè)領(lǐng)先。

人工智能和機(jī)器學(xué)習(xí)如何定義遠(yuǎn)程監(jiān)控的未來

人工智能和機(jī)器學(xué)習(xí)是擅長發(fā)現(xiàn)基于視覺的異常的技術(shù)。簡而言之，以下是當(dāng)前和下一代基于AI的視頻識別系統(tǒng)所依賴的三種主要的機(jī)器學(xué)習(xí)算法：

監(jiān)督學(xué)習(xí)算法 –監(jiān)督機(jī)器學(xué)習(xí)算法擅長發(fā)現(xiàn)圖像隨時間變化的異常情況。他們可以通過訓(xùn)練數(shù)據(jù)集來識別目標(biāo)的正確圖像，從而做到這一點(diǎn)，因此當(dāng)出現(xiàn)異常圖像時，他們可以對其進(jìn)行識別。農(nóng)業(yè)，建筑，石油和天然氣以及公用事業(yè)公司依靠監(jiān)督的機(jī)器學(xué)習(xí)算法來識別，跟蹤和監(jiān)視車輛，機(jī)械，資產(chǎn)和遠(yuǎn)程位置使用模式。建筑公司將從這些算法中受益，這些算法不僅可以保護(hù)遠(yuǎn)程站點(diǎn)，還可以預(yù)見其生產(chǎn)團(tuán)隊(duì)可能面臨的有害工作條件。編寫受監(jiān)督的機(jī)器學(xué)習(xí)算法以用于基于AI的視頻識別系統(tǒng)的AI開發(fā)人員使用Scikit-learn和Caret。

無監(jiān)督學(xué)習(xí)算法 –該類別的算法擅長發(fā)現(xiàn)圖像中的新模式，這對于發(fā)現(xiàn)和報告實(shí)時視頻流中的異常情況非常有價值。石油和天然氣公司依靠這些算法來監(jiān)視來自遠(yuǎn)程設(shè)備和資產(chǎn)的紅外和熱數(shù)據(jù)。寫無監(jiān)督的機(jī)器學(xué)習(xí)算法流行的工具包括TensorFlow， PyTorch和Keras。網(wǎng)上有免費(fèi)的斯坦福大學(xué)深度學(xué)習(xí)教程。

強(qiáng)化學(xué)習(xí)算法 –基于強(qiáng)化結(jié)果的概念，基于AI的視頻識別系統(tǒng)使用這些算法來修正其識別和更新已知圖像的方式。遠(yuǎn)程施工，油氣和公用事業(yè)站點(diǎn)依靠實(shí)時監(jiān)控和強(qiáng)化學(xué)習(xí)算法的結(jié)合來不斷評估設(shè)備和資產(chǎn)的狀況。強(qiáng)化學(xué)習(xí)算法提供的見解可幫助確保位于不同地理位置的遠(yuǎn)程設(shè)備的一致性，合規(guī)性和安全性保持在最佳水平。Google的自動駕駛汽車項(xiàng)目以及特斯拉自動駕駛功能都依靠強(qiáng)化學(xué)習(xí)算法來導(dǎo)航他們今天所處的測試城市。

機(jī)器學(xué)習(xí)算法非常適合視覺分析

機(jī)器學(xué)習(xí)算法尤其擅長在數(shù)據(jù)中查找模式并從中得出推論。正在進(jìn)行的基于AI的視覺識別研究集中在ImageNet上，ImageNet是一種普遍采用的標(biāo)準(zhǔn)，用于評估基于AI的計算機(jī)視覺解釋的準(zhǔn)確性。創(chuàng)建流行的機(jī)器學(xué)習(xí)框架TensorFlow的計算機(jī)科學(xué)家和數(shù)據(jù)建模專家已經(jīng)發(fā)現(xiàn)，基于卷積神經(jīng)網(wǎng)絡(luò)的模型在完成復(fù)雜的視覺識別任務(wù)方面最有效，并且精度最高。該領(lǐng)域的研究由風(fēng)險投資家提供大量資金，他們發(fā)現(xiàn)有機(jī)會在該技術(shù)的航空航天和國防，金融服務(wù)，制造，專業(yè)服務(wù)和醫(yī)療應(yīng)用中提供先進(jìn)的視覺識別系統(tǒng)。

基于AI的視覺識別系統(tǒng)能夠通過迭代采樣數(shù)據(jù)并使用算法實(shí)時分類，分類和創(chuàng)建代表數(shù)據(jù)集的模型，在幾秒鐘內(nèi)分析和解釋給定圖像。