مقابلات
Ofir Mulla، المؤسس المشارك والمدير التقني في Lumana – سلسلة المقابلات
Ofir Mulla، المؤسس المشارك والمدير التقني في Lumana، يمتلك أكثر من عقد من الخبرة العميقة في تقنيات 3D والرؤية الحاسوبية، حيث رائد وحسّن الحلول عبر طرق الترميز الضوئي والستيريو والليدار بينما يقود التطوير التأديبي في البرمجيات والنظم الكهربائية والروبوتات وآلات التعلم والذكاء الاصطناعي والأجهزة الطبية. قبل توليه منصبه الحالي في Lumana، قضى ما يقرب من 15 عامًا في Intel حيث صمم منصة RealSense 3D وقاد فرقًا تشمل الأجهزة والfirmware وهندسة النظام.
Lumana هي شركة متقدمة لتحليل الفيديو والأمن البصري، وتحول منصة الشركة الكاميرات الحالية إلى وكلاء ذكاء متقدمين من خلال الاستفادة من الذكاء الاصطناعي لاكتشاف الاستجابة لأحداث العالم الحقيقي في الوقت الفعلي – من الوصول غير المصرح به وانتهاكات السلامة إلى رؤى تشغيلية – مما يسمح للمؤسسات عبر التعليم والحكومة والتجزئة والتصنيع والفنادق بالتضافر في ذكاء الكاميرا وتحسين الرقابة وتحويل التحليلات القيمة من بنية الفيديو.
كيف أعدك تجاربك في Intel لمنصبك الحالي في Lumana وتأسيس الشركة؟
تكنولوجيا LiDAR كانت جزءًا أساسيًا من RealSense، وهي طريقة نشطة لتحويل ضوء الليزر لتقاط هندسة العالم. إنه قطعة جميلة من تكنولوجيا الضوء المرمز التي اخترعها مهندسونا الموهوبون في Intel.
ولكن سؤالًا طروق: ماذا يحدث عندما تكون الحساسات ساكنة، حيث لا تكون الملاحة ووقت التأثير المهمين؟ سألنا أنفسنا أي تكنولوجيا يمكن أن توفر أكبر قيمة للمستخدمين في هذا السياق.
من خلال المناقشات العميقة، أدركنا أن معظم أنظمة الكاميرا الثابتة الحالية لا يمكن توسيعها بطبيعتها. مراقبة كل نظام معقدة. وفي الوقت نفسه، نضج الذكاء الاصطناعي إلى الحد الذي بدأنا نسأل فيه: كيف يمكن نظام معقول في موقع العميل تقديم استجابات أمنية عاجلة وموثوقة لتنبيهات حرجة؟
بنا فريقًا قويًا من الذكاء الاصطناعي الذي حول هذا الرؤية بسرعة إلى منتج يعمل. كانت الفكرة بسيطة: المركبات المتحركة تتطلب استشعار هندسي، ولكن الحواسيب الثابتة، التي تركز على مراقبة السلوك بدلاً من التخطيط للحركة، تستفيد أكثر من تحليل الفيديو المتقدم بدون إعادة بناء الهندسة الصريحة.
رحلة RealSense علمتني أن كل مشكلة تتطلب حلها الخاص وأن الاضطراب الحقيقي يحتاج إلى 혁신. فريق Lumana يجسد هذا المبدأ: محترف، مبتكر، ومحفز. معًا خلقنا نظامًا يعمل في الوقت الفعلي على الحواف، معقول، قابل للتوسيع، ومتجاوب.
كيف يتجاوز الذكاء الاصطناعي المادي التحليلات التقليدية للفيديو مثل كشف الكائنات وتسمية الأنماط؟
عندما نتحدث عن الذكاء الاصطناعي المادي، نعني نظامًا ذكياً لا يتوقف عند الإدراك، بل يتفاعل بشكل فعال مع العالم الحقيقي. التحليلات التقليدية للفيديو، مثل كشف الكائنات أو تسمية الأنماط، هي فقط الطبقة الأولى. التحدي الأعمق هو ما يأتي بعد ذلك: ترتيب، تتبع، تجميع، تحديد، استرجاع، البحث والتحقق من الكائنات المكتشفة وتسريع الاستجابة. كما يشمل تمكين الوصول القائم على النص والبحث عن كائنات لم يتم تدريب النظام عليها في الأصل.
كل هذا يجب أن يتحقق في جهاز حاسوبي مدمج ومعقول التكلفة. هذا هو المكان الذي يتجاوز فيه الذكاء الاصطناعي المادي التحليلات التقليدية: يتحول الكشف الخام إلى ذكاء قابل للعمل والوصول.
ما هي الركائز الفنية التي تمكن Lumana من دمج البيانات من كاميرات متعددة، وفهم السلوك في الوقت الفعلي، وتكييفه باستمرار بناءً على المدخلات السياقية والتاريخية؟
سؤال رائع. واحدة من الركائز الفنية الرئيسية لدينا هي khảية النظام الموجود على الموقع لتعديل نفسه باستمرار للمشهد الذي يلاحظه، ما يسمى الآن بالتعلم المستمر. يمكنك التفكير فيه كنظام يتطور مع بيئته، ويحسن مع مرور الوقت. هذا النهج سمح لنا بتسليم أداء عالٍ بتكلفة منخفضة جدًا ومرنة استثنائية.
ركيزة أخرى مهمة هي هيكلنا الهرمي، الذي يرفع الجهود الحسابية بذكاء فقط عند الحاجة. هذا يضمن أن يتم توفير الموارد اللازمة للإجراءات المعقدة دون تعبئة النظام بأكمله.
بما أن هذه المبادئ معًا تشكل منصة بسيطة، وفعالة، وقابلة للتوسيع، مما يسمح للمستخدمين بتجربة رؤى قوية في الوقت الفعلي وتفسير السلوك بأقل تكلفة ممكنة.
هل يمكنك مشاركة تطبيقين حقيقيين لتنفيذ نظام Lumana الذي كشف عن أحداث مثل تصعيد العنف، انتهاكات الحدود الأمنية، أو الت
