Embora possa soar como gíria tecnológica, a combinação da computação de periferia com a IA oferece benefícios reais. Na realidade, a IA de periferia constitui uma das principais áreas em que a IA está a ser aplicada no setor da segurança e, por isso, está na linha da frente quando se pensa como a IA é implementada de forma responsável. Nesta publicação, analisamos o estado atual da IA de periferia e os benefícios que proporciona.
Em primeiro lugar, o que significa IA de periferia?
Antes de esperarmos que aceite a "IA de periferia" como um termo legítimo, vale a pena fazer uma explicação.
Nos últimos anos, o número de dispositivos ligados na periferia das redes privadas e públicas tem vindo a crescer de ano para ano, passando de pouco menos de 9 mil milhões em 2019 para uma estimativa de 29 mil milhões em 2030.
Muitos destes dispositivos - incluindo câmaras de vigilância - também se tornaram poderosos dispositivos de computação. Isto resultou na capacidade de realizar mais processamento dentro dos próprios dispositivos periféricos, algo que ficou definido como computação periférica.
Em linha com este aumento da potência de processamento, os avanços na aprendizagem automática (ML) e na aprendizagem profunda (DL), ambos subconjuntos da inteligência artificial (IA), permitiram-nos proporcionar capacidades de IA nas próprias câmaras. Por isso, "IA de periferia".
As implicações da IA de periferia na videovigilância
Resumidamente, para uma rede de videovigilância, a IA de periferia significa que podem ser realizadas mais ações nas próprias câmaras, em grande parte através de análises mais avançadas.
A IA permite que as câmaras compreendam uma cena e categorizem detalhes importantes em tempo real. Esta capacidade de detetar, classificar, contar e acopmanhar objetos, como pessoas e veículos, com elevada precisão e detalhe forma a base para obter informações e realizar ações com base nos dados capturados.
Estas informações irão reduzir a intervenção humana necessária para analisar dados e tomar decisões. Em última análise, deve acelerar os tempos de resposta e fornecer informações valiosas que podem moldar o futuro dos nossos edifícios, cidades, sistemas de transporte e muito mais.
Fornecer informações mais úteis
A IA de periferia proporciona melhorias significativas nas capacidades. Anteriormente, a análise baseada em movimento detetava que "algo" se tinha deslocado e acionava um alerta. A análise de periferia baseada em IA irá identificar o movimento como um veículo, classificar o seu tipo, se entrou numa área restrita ou perigosa, se há pessoas nas proximidades que possam estar em perigo e inúmeros outros elementos.
Estas informações proporcionam um conhecimento mais útil aos operadores e reduzem significativamente os falsos positivos.
Por exemplo, a análise de IA de periferia poderia identificar objetos numa autoestrada (conseguindo distingui-los rapidamente de sombras, o que tem constituído frequentemente um desafio) e alertar automaticamente os controladores através da sinalização.
Mas a capacidade adicional proporcionada pela IA, de distinguir entre um ser humano e um veículo, pode ajudar a definir o nível de gravidade do aviso emitido aos condutores. Se as câmaras detetassem que havia alguém em perigo na estrada, poderiam ativar automaticamente a sinalização para abrandar ou mesmo parar o trânsito e alertar os serviços de emergência.
Tendo identificado o veículo (e/ou outros objetos), a análise também seria capaz de o rastrear, apoiando os operadores na monitorização e investigação de um incidente.
Funções de pesquisa avançadas
Isto, juntamente com os dados (e metadados) criados pela análise de IA de periferia, também suporta pesquisas muito mais avançadas em filmagens de vídeo. Isto permite que os operadores identifiquem rapidamente objetos específicos de interesse a partir de horas de gravação em várias câmaras. Este facto aumenta significativamente a velocidade e a eficácia das investigações pós-incidente.
Distribuição da carga: IA de periferia numa arquitetura de solução híbrida
A IA de periferia oferece análises poderosas à periferia da rede, mas também desempenha um papel valioso nas arquiteturas de soluções híbridas. Esta arquitetura faz o melhor uso dos ambientes de servidores de periferia, na nuvem e nas instalações.
Quando as análises são centralizadas num servidor, a adição de mais câmaras aumenta a transferência de dados e requer servidores adicionais para gerir as análises. A implementação de análises de IA de periferia significa que apenas as informações mais relevantes são enviadas pela rede, reduzindo a carga sobre a largura de banda e o armazenamento.
As análises baseadas na nuvem e no servidor podem muitas vezes beneficiar do pré-processamento na periferia, suportando a análise "fora da câmara" com metadados mais facilmente digeríveis. Outras análises podem precisar de ser integralmente executadas na nuvem ou no servidor devido à sua complexidade.
As soluções híbridas estão a utilizar metadados criados pela IA de periferia, enviando-os para painéis de dados baseados na nuvem e aplicando análises poderosas baseadas em servidores para identificar e responder a tendências, padrões e anomalias.
Trabalhar de forma inteligente numa arquitetura híbrida utilizando as competências, a capacidade e a força de cada parte do sistema ajuda a evitar congestionamentos, mantém os custos mais baixos e o desempenho elevado.
Análise de IA de periferia para aumentar a precisão
No que pode parecer algo do género de uma reviravolta "meta", a análise de IA de periferia está agora a ser utilizada para apoiar a precisão, uma vez que não há degradação de dados.
Um benefício fundamental da análise de periferia é que a análise ocorre em filmagens de vídeo da mais alta qualidade, o mais próximo possível da fonte. Num modelo tradicional - quando a análise ocorre num servidor - o vídeo é frequentemente comprimido antes de ser transferido, com a análise, por isso, a ser realizada em vídeo de qualidade degradada.
No entanto, a IA de periferia depende de imagens de alta qualidade, mas problemas como lentes sujas ou bloqueadas ou câmaras desalinhadas podem dificultar a tarefa.
Como o nome sugere, uma nova categoria de análises de IA de periferia - análises ao estado da imagem - irá monitorizar continuamente a qualidade da imagem capturada pelas câmaras de vigilância e alertar os operadores quando esta descer abaixo do limiar necessário para que outras análises de IA de periferia sejam aplicadas de forma mais eficaz à cena.
IA de periferia: potenciar casos práticos para além da segurança
Torna-se evidente que a IA de periferia está a valorizar os tradicionais casos práticos de segurança, permitindo que os profissionais de primeiros-socorros e o pessoal de segurança reajam de forma mais rápida e adequada. Além disso, os dados detalhados e os metadados da análise de IA de periferia estão a melhorar a eficiência operacional em vários setores.
- Os responsáveis pelo palneamento urbanístico estão a utilizar dados para criar "gémeos digitais" de ambientes urbanos, para testar melhorias no design, na gestão do tráfego e no controlo de ruído para melhorar a qualidade de vida dos cidadãos.
- As empresas estão a utilizar análises para gerir melhor o consumo de energia nos edifícios, causando um impacto ambiental positivo.
- Nos cuidados de saúde, no ensino, na venda a retalho e muito mais, a IA de periferia nas câmaras de vigilância está a melhorar a prestação de serviços e os resultados para os pacientes, os alunos e os clientes.
E mesmo assim, estamos apenas a explorar uma parte muito pequena do potencial da IA de periferia.
