احتمالاً قبلاً بدون اینکه متوجه شوید از بینایی رایانه استفاده کرده اید.
انواع مختلفی از هوش مصنوعی وجود دارد، اما یکی از انواع هوش مصنوعی که بی سر و صدا در پس زمینه امواج ایجاد می کند، بینایی کامپیوتری (CV) است.
بینایی کامپیوتر تصاویر و فیلم ها را تجزیه و تحلیل می کند و داده های مفید را بسته به نیاز کاربر استخراج می کند. یا به عبارت دیگر، CV داده های بصری را با رویکرد تحلیلی انسان، اما با سرعت کامپیوتر، بررسی می کند. اما راه‌های غیرمنتظره‌ای وجود دارد که از بینایی کامپیوتری استفاده می‌شود و احتمالاً بدون اینکه متوجه شوید از آنها استفاده کرده‌اید.
4 روش غیرمنتظره که ما از کامپیوتر ویژن استفاده می کنیم
بینایی کامپیوتر از یادگیری ماشینی برای تجزیه و تحلیل سریع حجم عظیمی از داده های بصری استفاده می کند. بسیاری از ما در حال حاضر روزانه از CV استفاده می کنیم بدون اینکه زیاد فکر کنیم. آیا می‌دانستید اگر عکس‌های سگ یا ساحل را در عکس‌های خود جستجو کنید یا اگر قفل گوشی خود را با تشخیص چهره باز کنید، از بینایی رایانه استفاده می‌کنید؟
این چهره عمومی بینایی کامپیوتر است. اما استفاده از آن در حال گسترش است و برخی از این موارد ممکن است شما را شگفت زده کند.
1. تعدیل محتوا
تعدیل محتوا موضوعی خاردار است که پر از مناطق خاکستری است. در حالی که تعدیل متن یک مفهوم نسبتاً ساده است که هوش مصنوعی برای سال‌ها به تعدیل آن کمک کرده است، تعدیل ویدیو و تصاویر همچنان به سطح قابل توجهی از ورودی انسانی نیاز دارد.
اکنون، برخی از مردم ممکن است فکر کنند که پیمایش در پست‌های بی‌پایان رسانه‌های اجتماعی یک کار عالی به نظر می‌رسد. اما حقیقت کاملاً تکان دهنده است. اینها عکس های توله سگ ها و شام سالگرد کسی نیستند. هوش مصنوعی می تواند به سرعت مطمئن شود که این تصاویر ایمن هستند.
این بدان معنی است که نوع محتوایی که به ناظران می رسد شامل محتوایی است که هیچ کس در ذهن درست خود هرگز نمی خواهد ببیند. گزارش‌های متعددی از تعدیل‌کنندگانی که PTSD دارند وجود دارد. یک مقاله دانشگاه هاروارد تأیید کرد که مدیران با خطرات روانی قابل توجهی روبرو هستند.
در حال حاضر نقش CV در تعدیل محتوا نمی تواند عنصر انسانی را به طور کامل حذف کند. اما با توجه به اینکه پلتفرم های رسانه های اجتماعی اعتدال را عملاً غیرممکن می دانند، CV می تواند بار را کاهش دهد. بینایی رایانه‌ای در حال حاضر برای کاهش تا حد زیادی تعداد ویدیوهای «ناجور» استفاده می‌شود که به ناظران انسانی فیلتر می‌شوند. و مهمتر از همه، می تواند تقریباً در زمان واقعی این کار را انجام دهد، و خطر رسیدن محتوای نامطلوب به چشم عموم ناآگاه و، امیدواریم، ناظران را کاهش دهد.
2. تشخیص فیشینگ
حملات فیشینگ به طور بالقوه برای افراد و سازمان‌ها مخرب هستند. متأسفانه، روند ایمن نگه داشتن سیستم ها و داده های شما در برابر حملات فیشینگ یک مسابقه تسلیحاتی مداوم بین متخصصان امنیتی و بازیگران بد پشت حملات است.
یکی از مشکلات پیش روی سیستم های امنیتی، تکیه بر لیست های سیاه برای شناسایی منبع حملات است. این یک استراتژی واکنشی است. مشکل راهبردهای واکنشی، فاصله زمانی بین شناسایی تهدید و اقدام مناسب است. این شکاف چیزی است که بازیگران بد امیدوارند از آن بهره ببرند و همان شکافی است که دید کامپیوتری پر می کند.
CV شروع به استفاده به عنوان یک دفاع بلادرنگ در برابر حملات فیشینگ کرده است. به جای استفاده از لیست سیاه برای شناسایی حملات احتمالی، CV از سیگنال های بصری برای شناسایی پرچم های قرمز احتمالی استفاده می کند.
برخی از روش های مورد استفاده برای رسیدن به این هدف در زیر ذکر شده است:
- وب سایت های جعلی را شناسایی کنید
- کلمات محرک را که به صورت گرافیکی پنهان شده اند را شناسایی کنید
- پر کردن کلمات کلیدی و دیگر مبهم سازی متن
اگرچه سیستم های امنیتی سنتی برای آینده قابل پیش بینی در خط مقدم باقی خواهند ماند، نقش CV در رفع این کاستی ها به طور فزاینده ای رایج خواهد بود.
3. نظارت بر حمایت های ورزشی
این یکی ممکن است مانند یک توپ منحنی به نظر برسد، بنابراین بیایید توضیح دهیم که چرا این مهم است.
اسپانسرهای ورزشی بسیار زیاد است و سالانه میلیاردها دلار صرف حمایت از تیم ها، رویدادها و استادیوم ها می شود. یکی از دلایلی که هزینه های زیادی می شود این است که اسپانسر ورزشی تماشاگران مجذوب خود را در طول یک رویداد تضمین می کند.
در دنیایی که تبلیغ‌کنندگان اغلب فقط برای چند ثانیه توجه شما را به هنگام مرور فید اینستاگرام خود جلب می‌کنند، مخاطبان جذب شده برای بازاریابان مانند گرد و غبار طلا هستند. مشکل زمانی به وجود می آید که سعی می کنیم اثربخشی یک کمپین را اندازه گیری کنیم.
برخلاف کمپین‌های دیجیتال، که عملکرد را می‌توان دقیقاً در زمان واقعی اندازه‌گیری کرد، موفقیت حمایت مالی ورزشی به روشی بسیار آنالوگ سنجیده می‌شود. با وجود میلیاردها دلار در خطر، بازاریابان به طور قابل‌توجهی می‌خواهند اطلاعات بیشتری در مورد آنچه که پولشان به دستشان می‌رسد، داشته باشند.
اینجاست که بینایی کامپیوتری وارد می‌شود. برای مثال، شرکتی که یک ماشین مسابقه‌ای را تبلیغ می‌کند، از انسان‌ها برای نظارت بر یک مسابقه و شمارش زمان نمایش تبلیغات خود استفاده می‌کند. این کار پر زحمت، وقت گیر و پرهزینه بود. اما در حال حاضر، بسیاری از شرکت ها از CV برای انجام این کار استفاده می کنند.
علاوه بر این، می توان از آن برای نظارت بر موفقیت بلند مدت یک کمپین استفاده کرد. به عنوان مثال، می توان از آن برای تعیین اینکه چند بار یک کلیپ ویدیویی حاوی آرم آنها در پلتفرم های رسانه های اجتماعی به اشتراک گذاشته شده است استفاده کرد.
4. تشخیص تقلبی
اینترنت مملو از محصولات تقلبی است. بسیاری از این ها توسط فروشندگان شخص ثالث در پلتفرم های معتبر دیگری به فروش می رسند. این پلتفرم‌ها تعهدات قانونی دارند تا اطمینان حاصل کنند که کیفیت و شجره همه محصولات موجود در پلتفرم آنها همانگونه است که باید باشد.
به عنوان مثال، در سال 2020، آمازون بیش از دو میلیون محصول تقلبی را نابود کرد.
نظارت بر محصولات تقلبی با موفقیت همیشه مشکل ساز بوده است. یک بار دیگر، یکی از مشکلات مهم زمان است. فاصله بین لیست شدن و شناسایی یک محصول به عنوان یک تقلب می تواند به اندازه ای باشد که مرتکب صدها محصول را ارسال کند، پول را برداشته و ناپدید شود.
این آسیب‌پذیری است که CV برای وصل کردن آن استفاده می‌شود. این امکان را برای تجزیه و تحلیل بلادرنگ محصولات فهرست شده در وب سایت یک پلت فرم فراهم می کند. علاوه بر این، اجزای مختلف بصری را برای شناسایی محصولات تقلبی بالقوه تجزیه و تحلیل می کند. این شامل:
- تشخیص لوگو: این می‌تواند محصولاتی را با آرم‌های استفاده‌شده غیرقانونی شناسایی کند (مثلاً عینک‌های آفتابی با آرم فراری به قیمت چند دلار در آمازون فروخته می‌شوند). یا لوگوهای بی کیفیت که این واقعیت را نشان می دهد که مربیان ارزان قیمت نایک ممکن است آن چیزی که به نظر می رسند نباشند.
- تجزیه و تحلیل تصویر: CV را می توان برای جستجوی پرچم های قرمز بالقوه مانند تفاوت در رنگ یا برچسب که ممکن است نشان دهنده تقلبی بودن یک محصول باشد آموزش داد.
- تشخیص اشیا: تکنیک های CV همچنین می توانند اشیاء و الگوهای درون تصاویر یا فیلم ها را تشخیص دهند. این می تواند به شناسایی محصولات تقلبی که به نوعی تغییر یا اصلاح شده اند، مانند تغییر نام تجاری یا برچسب کمک کند.
بازار تقلبی بسیار زیاد است و همه را تحت تأثیر قرار می دهد، از سازنده گرفته تا مصرف کننده نهایی. استفاده از بینایی کامپیوتر برای شناسایی تقلبی ها مشکل را برطرف نمی کند، اما نشان دهنده گام بزرگی در جهت درست است.
آینده را به وضوح ببینیم
بینایی کامپیوتر یک فناوری به سرعت در حال تکامل است که نویدهای زیادی را می دهد. با توجه به عواملی مانند مسابقه برای توسعه اولین وسایل نقلیه الکتریکی واقعاً خودران، سرعت توسعه بی وقفه است.
این یک فناوری مهیج است که همچنان که بالغ می‌شود، کاربردهای جدید و شگفت‌انگیز را به کار خواهد برد.