بن ها مدیر معمار راه حل برای بخش دولتی، حقوقی و انطباق Veritone است. بن بیش از 15 سال تجربه در صنعت نرم افزار دارد که عمدتاً در نقش فنی پیش فروش خدمت می کند. بن در 4 سال گذشته در فضای دولتی و قانونی با مشتریان کار می کند.
Veritone انسان محور طراحی می کند راه حل های هوش مصنوعی. نرم‌افزار و خدمات Veritone به افراد در بسیاری از بزرگترین و شناخته‌شده‌ترین برندهای جهان قدرت می‌دهد تا کارآمدتر کار کنند، تصمیم‌گیری را تسریع کنند و سودآوری را افزایش دهند.
iDEMS Veritone چگونه با سیستم‌های مجری قانون موجود ادغام می‌شود و چه کارایی خاصی را معرفی می‌کند؟
سیستم‌های موجود سازمان‌های مجری قانون (LEA) معمولاً داده‌هایی از منابع مختلف مانند سیستم‌های دوربین بدن، سیستم‌های مدیریت ویدیو و سایر دوربین‌ها و دستگاه‌ها دارند. iDEMS به LEA ها اجازه می دهد تا در آن سیستم های موجود با یک API یا سایر مسیرهای یکپارچه سازی، اتصال ایجاد کنند. سپس در بالای آن سیستم‌ها مجازی‌سازی می‌شود و به مجریان قانون اجازه می‌دهد تا داده‌های اصلی را در جایی که در سیستم‌های منبع هستند نگه دارند. در داخل برنامه Veritone Investigate، کاربر به یک فایل پراکسی با وضوح پایین دسترسی دارد که می‌تواند از آن برای مشاهده، اشتراک‌گذاری، جستجو، تجزیه و تحلیل و غیره استفاده کند. از آنجایی که داده‌ها در یک مکان مرکزی قرار دارند، برای کاربر راحت‌تر است فرآیند تحقیق بدون جابجایی بین برنامه‌های سیلد.
Veritone Investigate همچنین به کاربر این امکان را می دهد که از شناخت هوش مصنوعی برای تجزیه و تحلیل آنچه در درون خود محتوا است استفاده کند. به عبارت دیگر، LEA ها می توانند از هوش مصنوعی برای ساختار داده های بدون ساختار استفاده کنند و اطلاعات فراداده ای را ارائه دهند که یافتن چیزها را بسیار آسان تر می کند. اکثر سیستم ها به سادگی به عنوان ذخیره داده عمل می کنند و حاوی اطلاعاتی در مورد کلمات گفته شده یا چهره ها یا اشیاء درون محتوا نیستند. با Investigate و راه حل iDEMS، هوش مصنوعی به صورت بومی ساخته شده است و به صورت خودکار در هنگام مصرف اجرا می شود، و نیاز به تماشای دستی یا گوش دادن به محتوا برای به دست آوردن زمینه را از بین می برد و روند تحقیق را تسریع می بخشد.
الزامات فنی برای سازمان های مجری قانون برای پیاده سازی iDEMS Veritone چیست؟
LEA ها برای پیاده سازی iDEMS Veritone نیازی به الزامات فنی قابل توجهی ندارند – در واقع، این راه حل تقریباً با هر اندازه LEA بدون در نظر گرفتن اینکه چه سیستم هایی دارند یا ندارند کار می کند. از آنجا که Veritone دارای آداپتورهای جذب است که می تواند با API های مختلف متصل شود، تنها چیزی که LEA به آن نیاز دارد شخصی است که به آن سیستم های موجود دسترسی داشته باشد. همچنین، iDEMS مبتنی بر ابر است و LEA به اتصال به اینترنت پرسرعت و یک مرورگر وب مدرن نیاز دارد.
آیا می توانید جزئیات بیشتری در مورد اینکه Veritone Track از نظر دقت و کارایی چگونه از فناوری های تشخیص چهره سنتی متمایز می شود ارائه دهید؟
تشخیص سنتی چهره به ویژگی های قابل مشاهده صورت (چشم، بینی، دهان و غیره) برای شناسایی فرد مورد علاقه متکی است. مسئله این است که اگر ویدیو چهره فرد را نگیرد، فناوری نمی تواند آن فرد را شناسایی یا ردیابی کند. به عنوان مثال، اگر فیلم فقط پشت کسی را می گیرد، صورت فرد با ماسک یا هودی پوشانده می شود، یا ویدیو زاویه بهینه صورت را ندارد، تشخیص چهره کار نمی کند.
متناوبا، Veritone Track با افراد بالقوه مورد علاقه به عنوان اشیا در فرآیندی به نام اشیاء شبیه انسان (HLOs) رفتار می کند. از طریق HLO، Veritone Track می‌تواند یک «چاپ شخصی» منحصر به فرد از آن فرد بر اساس ویژگی‌های متمایز بصری ایجاد کند. این ویژگی های بصری قابل تشخیص می تواند کلاه، عینک، کوله پشتی یا اگر چیزی در دست دارند، حتی تضاد رنگ بین لباس و کفش خود باشد. همچنین نوع بدن فرد را در نظر می گیرد، به عنوان مثال، طول بازو، قد، وزن و غیره.
پس از ساختن پرینت آن شخص، Veritone Track کارهای پلیسی قدیمی و خوب را از طریق یک انسان در حلقه که مطابقت های بالقوه را بررسی و تأیید می کند، ترکیب می کند. در نهایت، این روش دقیق تر و کارآمدتر از فناوری های سنتی تشخیص چهره است.
چگونه استفاده از اشیاء شبیه انسان (HLOs) در Veritone Track روند شناسایی را در مقایسه با استفاده از تشخیص چهره افزایش می دهد؟
استفاده از HLOها فرآیند شناسایی را بهبود می بخشد زیرا نیازی به دسترسی LEA به متغیرهای مشابه تشخیص چهره سنتی، یعنی چهره کاملاً قابل مشاهده انسان ندارد. Veritone Track از این نظر انعطاف‌پذیر است که از هر اطلاعاتی که در دسترس است بدون در نظر گرفتن کیفیت فیلم، وضوح یا زاویه دوربین (در بالای سقف یا در سطح چشم) استفاده می‌کند. علیرغم مزایای Veritone Track، آن و تشخیص چهره متقابل نیستند – LEA ها می توانند از هر دو فناوری به طور همزمان استفاده کنند. به عنوان مثال، LEA ها می توانند از Veritone Track برای ساختن یک فرد از مقادیر زیادی ویدیوی با کیفیت پایین استفاده کنند، در حالی که تشخیص چهره را روی نمونه های ویدیویی از عکس های روبروی یک فرد بالقوه مورد علاقه اجرا می کنند.
چگونه سیستم مبتنی بر هوش مصنوعی Veritone به سرعت بخشیدن به تحقیقات و در عین حال حفظ استانداردهای بالای مدیریت شواهد کمک می کند؟
Veritone Investigate، Veritone Track یا همه برنامه‌های بخش عمومی Veritone از هوش مصنوعی برای تسریع چشمگیر فرآیندهای دستی برای LEA استفاده می‌کنند و ارزش هفته‌ها یا روزها را به چند ساعت کاهش می‌دهند، که در میان کمبود مداوم کارکنان بسیار حیاتی است. علیرغم این سرعت بالا، Veritone استانداردهای بالایی برای مدیریت شواهد با عدم اعتماد کامل به خروجی‌های هوش مصنوعی حفظ می‌کند. این راه حل ها حرف آخر را به محقق انسانی برای بررسی نتایج نهایی می سپارند. فن‌آوری Veritone همچنین انسان‌ها را قادر می‌سازد تا با استانداردهای بالای رسیدگی به مدارک و زنجیره نگهداری مطابقت داشته باشند. به همین ترتیب، آنها مسیرهای حسابرسی داخلی دارند، بنابراین LEA می تواند ببیند که بازپرس چگونه به نتیجه نهایی رسیده است. به زبان ساده، هوش مصنوعی جایگزین انسان ها نمی شود، بلکه فقط توانایی های آنها را افزایش می دهد.
هوش مصنوعی در اجرای قانون نگرانی‌هایی را در مورد آزار و اذیت نادرست اقلیت‌ها به‌ویژه در شهرهایی مانند دیترویت، میشیگان ایجاد می‌کند. چندین دستگیری غیرقانونی در کمتر از 1 سال. Veritone چگونه به این چالش های اخلاقی رسیدگی می کند؟
اولاً، Veritone همیشه از نرده‌های محافظ و اقدامات ایمنی برای به حداقل رساندن احتمال آزار و اذیت نادرست استفاده می‌کند. برای مثال، Veritone Track از نشانگرهای بیومتریک مانند ویژگی‌های صورت برای ساختن پرینت‌های افراد استفاده نمی‌کند، بلکه به لباس، نوع بدن و غیره متکی است. وقتی یک LEA از راه‌حل‌های ما در یک پرونده یا تحقیقات فعال استفاده می‌کند، فقط می‌تواند عکس‌ها یا شواهد ویدیویی آپلود شده را با پایگاه داده مجرمان شناخته شده با سوابق دستگیری مقایسه کند. در مورد اتفاقی که در دیترویت، میشیگان رخ داد، مجریان قانون از راه‌حلی استفاده کردند که داده‌ها را از سرتاسر اینترنت بدون حضور محقق انسانی «در حلقه» برای تأیید نتایج جمع‌آوری می‌کرد که منجر به آزار و اذیت غیرقانونی شهروندان بی‌گناه شد.
آیا می‌توانید توضیح دهید که چگونه هوش مصنوعی Veritone از دقت سرنخ‌های تولید شده اطمینان می‌دهد؟
هوش مصنوعی Veritone سرنخ‌های بالقوه‌ای ایجاد می‌کند که محققان انسانی می‌توانند آنها را دنبال کنند. در حالی که هوش مصنوعی یافته ها و نتایج مفیدی را در اختیار محقق قرار می دهد، فرد همچنان تصمیم نهایی را می گیرد. باز هم، پرونده دیترویت، میشیگان، شاهد بود که مجریان قانون به تشخیص چهره به تنهایی برای انجام کار اعتماد داشتند. این اعتماد کور در نهایت مشکل ساز بود زیرا این مدل ها بر داده هایی متکی بودند که منجر به سوگیری های جمعیتی یا نژادی می شد.
علاوه بر این، داده‌هایی که Veritone برای آموزش موتورهای هوش مصنوعی خود انتخاب می‌کند و مدل‌ها نماینده محتوا هستند. قبل از آموزش داده‌ها، Veritone عناصر ویدیویی و صوتی حساس را از منابعی مانند دوربین‌های بدنه، ویدیوهای داخل خودرو، فیلم‌های دوربین مداربسته و غیره ویرایش می‌کند یا از داده‌های غیرحساس در دسترس عموم استفاده می‌کند. به همین ترتیب، Veritone نتایج را با بازخورد مشتری برای بهبود مستمر تأیید می کند.
Veritone چگونه با پتانسیل هوش مصنوعی برای تداوم تعصبات موجود در داده های اجرای قانون مقابله می کند؟
Veritone از یک رویکرد چند مدل استفاده می کند که با بسیاری از ارائه دهندگان شخص ثالث مختلف کار می کند تا به جای تکیه بر یک مدل هوش مصنوعی، چشم اندازی بزرگتر به دست آورد. به طور خاص، این روش به Veritone اجازه می‌دهد تا در یک دسته معین از شناخت هوش مصنوعی، مانند رونویسی، ترجمه، تشخیص چهره، تشخیص شی یا تشخیص متن، استانداردسازی کند. Veritone با استفاده از “عقل جمعیت” می‌تواند محتوای یکسانی را در برابر چندین مدل در یک دسته از هوش مصنوعی اجرا کند تا در برابر تعصبات محافظت شود.
چه اقداماتی انجام می شود تا اطمینان حاصل شود که برنامه های هوش مصنوعی Veritone حقوق حریم خصوصی را نقض نمی کنند؟
دو روش برتر وجود دارد که برنامه‌های هوش مصنوعی Veritone از آن پیروی می‌کنند تا مطمئن شوند که حقوق حریم خصوصی را نقض نمی‌کنند. یک: داده های مشتری همیشه داده های مشتری باقی می ماند. آنها حق دارند داده های خود را مدیریت، حذف یا هر کاری که می خواهند انجام دهند. اگرچه داده های مشتری در محیط ایمن میزبان ابری Veritone اجرا می شود، مالکیت کامل آنها حفظ می شود. دو: Veritone هرگز از داده های مشتری بدون اجازه یا رضایت آنها استفاده نمی کند. به ویژه، Veritone از داده های مشتری برای آموزش مجدد مدل های هوش مصنوعی استفاده نمی کند. امنیت و حفظ حریم خصوصی از اهمیت بالایی برخوردار است و مشتریان فقط با مدل‌های از پیش آموزش‌دیده‌ای کار می‌کنند که از داده‌های ویرایش شده از تمام اطلاعات حساس، بیومتریک و شناسایی شخصی آن استفاده می‌کنند.
Veritone چگونه نیاز به پیشرفت سریع فناوری را با ملاحظات اخلاقی و تأثیر اجتماعی متعادل می کند؟
هنگامی که هوش مصنوعی با سرعتی سریع توسعه می‌یابد، تمایل به استفاده از داده‌های هر چه بیشتر و برداشت مداوم آن برای بهبود و رشد است. در حالی که چنین رویکردی منجر به بلوغ سریع مدل هوش مصنوعی می شود، نگرانی های اخلاقی، حریم خصوصی و اجتماعی مختلفی را به وجود می آورد.
برای این منظور، Veritone همیشه به دنبال بهترین هوش مصنوعی است. در طول شوق مولد هوش مصنوعی، Veritone دسترسی زودهنگام به فناوری OpenAI و سایر شرکا داشت. با این حال، به‌جای اینکه فوراً راه‌حل‌های جدید را به کار بگیریم، پرسیدیم: «مشتریان ما واقعاً چگونه از هوش مصنوعی در یک مورد استفاده مناسب استفاده خواهند کرد؟» به عبارت دیگر، پس از بررسی ماموریت و نقاط درد LEA، نحوه به کارگیری هوش مصنوعی Generative را به شیوه ای مسئولانه که انسان ها را در مرکز نگه می دارد و به کاربران اجازه می دهد به اهداف خود دست یافته و بر چالش ها غلبه کنند را تعیین کردیم.
به عنوان مثال، Veritone Investigate دارای یک مدل زبان بزرگ خصوصی و جدا شده از شبکه است که می تواند مکالمات گفتاری یا محتوا را خلاصه کند. اگر دوربینی که از بدن استفاده می‌کند، حادثه‌ای را ضبط می‌کند یا بازپرس با فردی مصاحبه می‌کند، Veritone Investigate می‌تواند آن محتوا را رونویسی کند و به طور خودکار آن را خلاصه کند، که برای کارآگاهان یا بازرسانی که نیاز دارند خلاصه‌ای از کل مصاحبه را در یک پاراگراف کوتاه به سایت ارائه دهند بسیار مفید است. DA یا پیگرد قانونی. با این وجود، فرد هنوز این شانس را دارد که خروجی تولید شده توسط هوش مصنوعی را بررسی کند تا قبل از ارسال، ویرایش ها و تغییرات لازم را انجام دهد.
با تشکر از شما برای مصاحبه عالی، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید از آن بازدید کنند Veritone.
