साक्षात्कार

एंड्रयू नासर, IC Realtime के मुख्य प्रौद्योगिकी अधिकारी – साक्षात्कार श्रृंखला

Antoine Tardif
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Andrew Nassar, CTO of IC Realtime, against a light gray background.
मुख्य बिंदुबंकर मुख्य एआई विश्लेषण स्थानीय एनवीडिया जेटसन गेटवे पर चलाता है ताकि क्लाउड पर…
और देखें
  • बंकर मुख्य एआई विश्लेषण स्थानीय एनवीडिया जेटसन गेटवे पर चलाता है ताकि क्लाउड पर निर्भरता घटे और अलर्ट तेज़ हों।
  • नस्सार बायोमेट्रिक पहचान सुविधाएँ बनाने से इनकार करते हैं क्योंकि निगरानी को लोगों की प्रोफ़ाइल बनाने के बजाय घटनाओं का वर्णन करना चाहिए।
  • एज एआई कोई गोपनीयता नीति नहीं है क्योंकि क्लाउड सेवाएँ अभी भी दूरस्थ पहुँच और वीडियो इतिहास संभालती हैं।

एंड्रयू नासर IC Realtime के मुख्य प्रौद्योगिकी अधिकारी हैं। उन्होंने कंपनी को एनालॉग कैमरों से डिजिटल रिकॉर्डिंग, दूरस्थ निगरानी और एआई-सहायता प्राप्त वीडियो विश्लेषण तक के बदलावों के दौर से आगे बढ़ाने में मदद की है। निगरानी उद्योग में 20 से अधिक वर्षों के अनुभव के साथ, उनका ध्यान कंप्यूटर विज़न और एज कंप्यूटिंग की प्रगति को ऐसे व्यावहारिक साधनों में बदलने पर है, जिनसे घटनाओं को समझने, उनसे जुड़ी रिकॉर्डिंग खोजने और सुरक्षा संचालन बेहतर बनाने में मदद मिले।

IC Realtime आवासीय और व्यावसायिक परिसरों के लिए वीडियो निगरानी प्रणालियाँ और सॉफ़्टवेयर डिज़ाइन करती है। इसका Bunker प्लेटफ़ॉर्म, NVIDIA Jetson-आधारित विशेष गेटवे के ज़रिए संगत कैमरा प्रणालियों में एआई विश्लेषण जोड़ता है और संदर्भ-आधारित अलर्ट तथा प्राकृतिक भाषा में वीडियो खोज की सुविधा देता है। यह प्लेटफ़ॉर्म स्थानीय विश्लेषण को दूरस्थ पहुँच और वीडियो इतिहास जैसी क्लाउड से जुड़ी सेवाओं के साथ जोड़ता है।

आपने IC Realtime को एनालॉग कैमरों से डिजिटल रिकॉर्डिंग, दूरस्थ निगरानी और अब एआई तक के बदलावों के दौरान आगे बढ़ाने में मदद की है। किस बात ने आपको यक़ीन दिलाया कि एआई निगरानी के क्षेत्र में बुनियादी बदलाव ला सकता है? और किन प्रगतियों ने एज पर उन्नत वीडियो विश्लेषण को व्यावहारिक बनाया है?

हम कई वर्षों से अपने कैमरों में मशीन लर्निंग और कंप्यूटर विज़न का इस्तेमाल कर रहे हैं। यह तकनीक तब कहीं अधिक उपयोगी हो गई, जब सिस्टम केवल समीक्षा के लिए और वीडियो तैयार करने के बजाय लोगों को किसी घटना को समझने और उससे जुड़ी रिकॉर्डिंग ढूँढ़ने में मदद करने लगा। घर का मालिक जानना चाहता है कि किस बात पर ध्यान देना ज़रूरी है। किसी व्यवसाय को घंटों खोजबीन किए बिना घटना का पता लगाना होता है।

Bunker इस तरीके को परिसर में लगे NVIDIA Jetson-आधारित विशेष गेटवे तक लाता है। मुख्य विश्लेषण को कैमरों के पास करने से हर विश्लेषणात्मक कार्य के लिए डेटा क्लाउड पर भेजने की निर्भरता घट सकती है और प्रतिक्रिया तेज़ हो सकती है। व्यावहारिक प्रगति स्थानीय कंप्यूटिंग और ऐसे सॉफ़्टवेयर के मेल में है, जो वीडियो को संदर्भ-आधारित अलर्ट और खोजे जा सकने वाले घटनाक्रमों में बदलता है।

मेरे लिए कसौटी आज भी साबित हो चुका लाभ है। तकनीक को उस माहौल में किसी वास्तविक समस्या का समाधान करना चाहिए, जहाँ ग्राहक उसका इस्तेमाल करेगा। इसका अच्छा प्रदर्शन इस प्रक्रिया की बस शुरुआत है।

Bunker को उदाहरण के तौर पर लेते हुए, क्या आप बता सकते हैं कि कैमरे में कोई घटना दर्ज होने से लेकर उपयोगकर्ता को अलर्ट मिलने तक क्या होता है? एआई के कौन-से कार्य स्थानीय स्तर पर चलते हैं, किनके लिए अब भी क्लाउड की ज़रूरत होती है और कौन-सा डेटा परिसर से बाहर जाता है?

मोटे तौर पर, संगत कैमरा वीडियो Bunker Gateway को भेजता है और एआई का मुख्य विश्लेषण परिसर में लगे इसी गेटवे पर होता है। प्लेटफ़ॉर्म पहचानी गई गतिविधि को वीडियो में दर्ज घटनाओं से जोड़ता है और तस्वीर तथा आसान भाषा में विवरण के साथ संदर्भ-आधारित अलर्ट भेज सकता है। इसके बाद उपयोगकर्ता ऐप में वीडियो देख सकता है।

Bunker हाइब्रिड ढाँचे पर काम करता है। क्लाउड कनेक्टिविटी से दूरस्थ पहुँच, सदस्यता सेवाओं और वीडियो इतिहास की सुविधा मिलती है। इसलिए इस प्लेटफ़ॉर्म को क्लाउड-मुक्त कहना या यह दावा करना भ्रामक होगा कि कोई वीडियो परिसर से बाहर नहीं जाता। अहम बात यह है कि बाहर जाने पर उस डेटा की सुरक्षा कैसे की जाती है। लाइव वीडियो समेत, डेटा का हर हिस्सा भेजे जाते समय एन्क्रिप्टेड रहता है। लाइव वीडियो गेटवे से लेकर दर्शक की स्क्रीन तक पूरी तरह एन्क्रिप्टेड रहता है। बीच का बुनियादी ढाँचा उसे आगे पहुँचाता है, लेकिन देख नहीं सकता। हर गेटवे अपने अलग प्रमाणपत्र से अपनी पहचान की पुष्टि करता है; साझा लॉगिन जानकारी का इस्तेमाल कभी नहीं होता। क्लाउड में संग्रहित वीडियो रिकॉर्डिंग भी एन्क्रिप्टेड रहती है।

ग्राहकों को इस प्रक्रिया की स्पष्ट जानकारी मिलनी चाहिए—इसमें यह भी शामिल हो कि कौन-सी सुविधाएँ इंटरनेट पर निर्भर हैं और कनेक्शन बंद होने पर क्या होता है।

सुरक्षा कैमरे बारिश, अँधेरे, तेज़ चमक और लगातार बदलते माहौल में काम करते हैं। वास्तविक परिस्थितियों में आपने सबसे कठिन किस तरह की विफलता देखी है? और आप यह कैसे मापते हैं कि सुधारों से छूट जाने वाली घटनाएँ बढ़ाए बिना झूठे अलर्ट कम हुए हैं?

मैं इस उद्योग में 20 से अधिक वर्षों से हूँ और कैमरा तकनीक में नाटकीय सुधार हुआ है, खासकर कम रोशनी और कठिन परिस्थितियों में। अब रात के समय और शोरयुक्त तस्वीरें लगभग दिन की तस्वीरों जितनी स्पष्ट होती हैं। फिर भी बारिश, तेज़ चमक, कोहरा और बर्फ़ एआई मॉडल की सटीकता घटा सकते हैं। बेहतर सेंसर इन कारकों को ख़त्म नहीं करते।

इसीलिए हमने एक गतिशील तरीका चुना, जो किसी एक तय व्यवस्था पर निर्भर रहने के बजाय बदलते माहौल और दिन के अलग-अलग समय के अनुसार ढलता है। पिछले दो वर्षों के विकास के दौरान हमने वास्तविक जगहों पर की गई स्थापनाओं में परीक्षण के लिए हज़ारों घंटे लगाए—सिर्फ़ मेज़ पर रखे कैमरों का परीक्षण नहीं किया। और उन स्थापनाओं से मिली सीख के आधार पर हमने सिस्टम तैयार किया है।

मैं किसी सुधार को केवल सूचनाओं की संख्या घटने के आधार पर नहीं आँकूँगा। सवाल यह है कि क्या इससे गैर-ज़रूरी अलर्ट हटते हैं और साथ ही अहम घटनाओं का पता भी चलता है। अनावश्यक अलर्ट कम करना तभी उपयोगी है, जब कुछ महत्वपूर्ण होने पर भी सिस्टम कारगर बना रहे।

किसी व्यक्ति या वाहन का पता लगाना और यह तय करना अलग बातें हैं कि उसका व्यवहार चिंताजनक है या नहीं। आप असामान्य गतिविधि को कैसे परिभाषित करते हैं, हर जगह के अनुसार उस परिभाषा को कैसे ढालते हैं और सिस्टम को हानिरहित गतिविधि को ख़तरे के रूप में देखने से कैसे रोकते हैं?

किसी वस्तु का पता चलना अपने आप में यह नहीं बताता कि कोई समस्या है या नहीं। मुख्य द्वार पर सामान पहुँचाना और प्रतिबंधित क्षेत्र में गतिविधि—दोनों में एक ही तरह की वस्तु शामिल हो सकती है, लेकिन उन पर बिल्कुल अलग ढंग से प्रतिक्रिया देनी पड़ सकती है। शुरुआत ग्राहक की ज़रूरत और उस विशेष परिसर की परिस्थितियों को ध्यान में रखकर होनी चाहिए।

मैं समीक्षा योग्य घटना और किसी व्यक्ति को खतरा मानने के निष्कर्ष के बीच अंतर रखूँगा। सिस्टम को लोगों को यह समझने में मदद करनी चाहिए कि क्या देखा गया और उसे क्यों सामने लाया गया, साथ ही मूल फ़ुटेज तक पहुँच भी देनी चाहिए। उसे उपयोगकर्ताओं को हर अनजान गतिविधि को गलत काम का सबूत मानने के लिए प्रेरित नहीं करना चाहिए।

जैसे-जैसे ये सिस्टम अधिक सक्षम होते जा रहे हैं, चुनौती यह है कि संदर्भ को उपयोगी बनाया जाए, लेकिन एआई की जानकारी को बढ़ा-चढ़ाकर पेश न किया जाए। मानवीय विवेक अब भी अहम है, खासकर तब, जब किसी अलर्ट के कारण कोई महत्वपूर्ण कदम उठाया जा सकता हो।

प्राकृतिक भाषा में खोज करने से फ़ुटेज की घंटों तक हाथ से समीक्षा करने की ज़रूरत खत्म होने का वादा किया जाता है। आपका सिस्टम उपयोगकर्ता के वर्णन को सही वीडियो से कैसे जोड़ता है, और आप छूटी हुई घटनाओं, गलत मिलानों या एआई-जनित ऐसे वर्णनों की जाँच कैसे करते हैं जिनकी पुष्टि फ़ुटेज से नहीं होती?

इसका उद्देश्य वीडियो को ऐसी भाषा में खोजने योग्य बनाना है, जिसका इस्तेमाल कोई व्यक्ति स्वाभाविक रूप से करेगा। गतिविधि का पता चलने पर Bunker वीडियो की घटनाओं से जुड़े समय-मुद्रित वर्णन तैयार करता है। उपयोगकर्ता के सवाल के आधार पर उस अनुक्रमित रिकॉर्ड में खोज की जाती है और उससे संबंधित फ़ुटेज सामने लाई जाती है। इससे उपयोगकर्ता को पूरी रिकॉर्डिंग में हाथ से आगे-पीछे खोजे बिना शुरुआत करने का आधार मिलता है।

नतीजे की जाँच का आधार फ़ुटेज ही होना चाहिए। तैयार किया गया वर्णन खोजने में मददगार है, लेकिन उसे कैमरे में वास्तव में दर्ज हुई चीज़ों से अधिक विश्वसनीय नहीं मानना चाहिए।

परीक्षण के लिए मैं तीन सवालों को अलग-अलग रखूँगा: क्या सिस्टम से कोई प्रासंगिक घटना छूट गई? क्या उसने ऐसी चीज़ खोजकर दिखाई जो अनुरोध से मेल नहीं खाती? क्या वर्णन में ऐसी कोई बात शामिल थी जिसकी पुष्टि फ़ुटेज से नहीं होती? ये विफलता के अलग-अलग प्रकार हैं। केवल यह देखना पर्याप्त नहीं होगा कि खोज से देखने में विश्वसनीय लगने वाला जवाब मिलता है या नहीं।

NVIDIA Jetson हार्डवेयर मॉडल के आकार, सटीकता, बिजली की खपत और विश्लेषण की जा सकने वाली कैमरा फ़ीड की संख्या पर क्या सीमाएँ लगाता है? पुराने तृतीय-पक्ष कैमरों का इस्तेमाल करने, प्रसंस्करण क्षमता तक पहुँचने या इंटरनेट कनेक्शन खोने पर आप भरोसेमंद प्रदर्शन कैसे बनाए रखते हैं?

डिज़ाइन से जुड़ा सवाल यह है कि किसी परिसर में उपलब्ध संसाधनों के भीतर उपयोगी विश्लेषण कैसे दिया जाए। मॉडल की जटिलता, संसाधित किए जा रहे वीडियो की मात्रा और अपेक्षित प्रतिक्रिया समय—इन सबको गेटवे की संचालन सीमाओं के अनुकूल होना चाहिए। इसलिए केवल समर्थित स्ट्रीम की संख्या से प्रदर्शन की पूरी तस्वीर नहीं मिलती।

Bunker की लॉन्च योजना में अधिकतम 10 कैमरा स्ट्रीम का समर्थन है। संगत ONVIF कैमरों के ज़रिए ग्राहक अपना मौजूदा हार्डवेयर बनाए रख सकते हैं, लेकिन हर इंस्टॉलेशन के लिए संगतता की पुष्टि करना अब भी ज़रूरी है। प्रोफ़ाइल, फ़र्मवेयर, छवि की गुणवत्ता और इस्तेमाल की जा रही सुविधाएँ—ये सभी मायने रखते हैं।

हमें भरोसेमंद ढंग से काम करते रहने की क्षमता के बारे में भी स्पष्ट रहना होगा। स्थानीय प्रसंस्करण और क्लाउड से जुड़ी सेवाएँ सिस्टम के अलग-अलग हिस्से हैं। एज गेटवे होने का यह मतलब नहीं कि इंटरनेट बंद होने पर हर सुविधा सामान्य रूप से काम करेगी। अपडेट भी विश्वसनीयता का हिस्सा हैं। हर अपडेट को इंस्टॉल करने से पहले गेटवे पर डिजिटल हस्ताक्षर के ज़रिए प्रमाणित और सत्यापित किया जाता है, पुराने और असुरक्षित संस्करण अस्वीकार कर दिए जाते हैं, और अपडेट विफल होने पर सिस्टम अपने आप पिछले संस्करण पर लौट जाता है। किसी खराब अपडेट के कारण किसी परिसर की सुरक्षा व्यवस्था बंद नहीं होनी चाहिए।

केवल स्थानीय स्तर पर अनुमान चलाने से गोपनीयता से जुड़े हर सवाल का जवाब नहीं मिलता। Bunker फ़ुटेज, खोज-संबंधी प्रश्न और एआई-जनित मेटाडेटा कहाँ रखता है, उन्हें कितने समय तक सुरक्षित रखता है और उन तक किसकी पहुँच होती है? ग्राहकों के निजी फ़ुटेज तक पहुँच मानकर चले बिना आप अपने मॉडल कैसे बेहतर बनाते हैं?

मैं सहमत हूँ। “एज एआई” अपने आप में पूरी गोपनीयता नीति नहीं है। ग्राहकों को यह समझने की ज़रूरत है कि उनका डेटा कहाँ जाता है, क्या सहेजकर रखा जाता है और उस तक किसकी पहुँच होती है। इसमें वीडियो के साथ-साथ खोज-संबंधी प्रश्न और तैयार किए गए वर्णन भी शामिल हैं।

फ़ुटेज और सेवा को चलाने वाले डेटाबेस, दोनों को संग्रहित अवस्था में एन्क्रिप्ट किया जाता है। पासवर्ड के हैश सुरक्षित रखे जाते हैं और सत्रों की समय-सीमा समाप्त हो जाती है। इसलिए डेटाबेस में सेंध लगने पर भी किसी को काम करने वाले लॉगिन क्रेडेंशियल नहीं मिलेंगे। गेटवे भी एन्क्रिप्टेड होता है, इसलिए चोरी हुए डिवाइस से न फ़ुटेज मिलती है, न क्रेडेंशियल। Bunker की लॉन्च पेशकश में Standard पर क्लाउड में वीडियो का 60 दिनों का इतिहास और Premium पर 365 दिनों का इतिहास शामिल था। इसके अलावा Video Vault भी था, जिसमें ग्राहक अपनी पसंद की क्लिप सहेज सकते हैं।

हम अपने मॉडल को प्रशिक्षित करने के लिए ग्राहकों के फ़ुटेज का इस्तेमाल नहीं करते और कैमरों में कैद किसी भी व्यक्ति के बायोमेट्रिक टेम्पलेट नहीं बनाते। ग्राहक का उत्पाद इस्तेमाल करना हमें उनके निजी वीडियो का दोबारा इस्तेमाल करने की अनुमति नहीं देता।

Flock Safety को लेकर हुए विवाद ने इस सवाल को प्रमुखता दी है कि निगरानी डेटा में कौन खोज कर सकता है और क्या पहुँच को उचित रूप से रद्द किया जाता है। हालाँकि आपका परिनियोजन मॉडल अलग है, फिर भी कौन-से सबक आपके सिस्टम पर लागू होते हैं, और कौन-से सुरक्षा उपाय वैकल्पिक नहीं, बल्कि अनिवार्य होने चाहिए?

Flock के खिलाफ़ नाराज़गी की असली वजह एआई नहीं है। सवाल यह है कि सिस्टम में कौन प्रवेश कर सकता है और डेटा खोज सकता है। जाँच-पड़ताल का बड़ा हिस्सा खाता सुरक्षा पर केंद्रित रहा, जिसमें सांसदों ने यह भी पूछा कि बहु-कारक प्रमाणीकरण अनिवार्य क्यों नहीं था। जब चोरी हुआ पासवर्ड ही निगरानी सिस्टम में खोज करने के लिए काफ़ी हो, तो मॉडल कहाँ चलता है, इससे कोई फर्क नहीं पड़ता।

Bunker में, सिस्टम के डेटा तक केवल उन्हीं उपयोगकर्ताओं की पहुँच होती है जिन्हें उस सिस्टम के मालिक ने अनुमति दी है। हम यह डेटा किसी तीसरे पक्ष के साथ साझा नहीं करते, अपने मॉडल को प्रशिक्षित करने के लिए ग्राहकों के डेटा का इस्तेमाल नहीं करते और बायोमेट्रिक टेम्पलेट नहीं बनाते।

सुरक्षा की शुरुआत डिवाइस से होनी चाहिए और उसे खाते तक कायम रहना चाहिए। हर Bunker गेटवे अपनी अलग क्रिप्टोग्राफ़िक पहचान के साथ आता है, इसलिए न तो बदलने के लिए कोई डिफ़ॉल्ट पासवर्ड होता है और न ही हमलावर के पास पता लगाने के लिए कोई पासवर्ड। हर बार डिवाइस चालू होने पर फ़र्मवेयर का सत्यापन किया जाता है, अपडेट इंस्टॉल होने से पहले उन पर डिजिटल हस्ताक्षर किए जाते हैं और उनकी जाँच होती है, और लॉगिन बहु-कारक प्रमाणीकरण से सुरक्षित रहते हैं। इसके अलावा, ज़रूरत ख़त्म होने पर पहुँच-अधिकार तुरंत हटा दिए जाने चाहिए, और संवेदनशील गतिविधियों का ऐसा रिकॉर्ड होना चाहिए जिसकी जाँच की जा सके। भरोसा इस बात पर निर्भर करता है कि यह बताया जा सके कि किसने क्या किया।

अक्सर कैमरे में कैद होने वाले लोग वे नहीं होते जिन्होंने उसे खरीदा हो। AI निगरानी में पड़ोसियों, कर्मचारियों, आगंतुकों और राहगीरों की निजता का ध्यान कैसे रखा जाना चाहिए, और क्या ऐसी क्षमताएँ भी हैं जिन्हें आप जानबूझकर विकसित करने से इनकार करेंगे?

इंस्टॉलेशन का उद्देश्य स्पष्ट रूप से तय होना चाहिए, और उसी उद्देश्य से निर्देशित होना चाहिए कि क्या रिकॉर्ड किया जाए, किसका विश्लेषण किया जाए और नतीजे कौन देख सके। किसी प्रवेश-द्वार को सुरक्षित रखने की इच्छा का यह अर्थ नहीं कि पड़ोस की संपत्ति पर होने वाली हर गतिविधि खोजे जा सकने वाले रिकॉर्ड का हिस्सा बन जाए।

पहचान के मामले में हमने एक स्पष्ट सीमा तय की है। Bunker बायोमेट्रिक टेम्पलेट नहीं बनाता और जिन लोगों का पता लगाता है, उनकी पहचान भी दर्ज नहीं करता। यह बताता है कि क्या हुआ, न कि कोई व्यक्ति कौन है। इससे सिस्टम का ध्यान लोगों पर नज़र रखने या उनकी प्रोफ़ाइल बनाने के बजाय घटनाओं पर केंद्रित रहता है।

अधिक क्षमताओं का मतलब अपने-आप अधिक उपयोगिता नहीं होता। अगर कोई सुविधा ग्राहकों की किसी स्पष्ट समस्या का समाधान किए बिना भरोसे से जुड़ी गंभीर समस्या पैदा करती है, तो यह उसे विकसित न करने का कारण है।

अगले तीन से पाँच वर्षों पर नज़र डालें, तो आज की पहचान और खोज की क्षमताओं से आगे एज एआई कौन-सी सार्थक क्षमता उपलब्ध कराएगा, ऐसा आपको लगता है—और व्यापक रूप से अपनाए जाने के योग्य बनने से पहले किस तकनीकी या भरोसे से जुड़ी समस्या का समाधान ज़रूरी है?

सच कहूँ तो, AI का भविष्य अभी अनजाना है और यह मेरे करियर में देखी गई किसी भी चीज़ से तेज़ी से आगे बढ़ रहा है। हम लगभग हर दिन इन बदलावों पर नज़र रख रहे हैं और यह देख रहे हैं कि हमारे प्लेटफ़ॉर्म का इस्तेमाल करने वाले लोगों को इनसे वास्तविक लाभ कहाँ मिल सकता है।

हमारे लिए सबसे अहम क्षेत्र हैं—संदर्भ, समझ और लगातार सीखकर बेहतर होने वाले सिस्टम। इनकी उपयोगिता इस बात में है कि ये किसी व्यक्ति को बदलती हुई स्थिति समझने और यह तय करने में मदद करें कि किस पर ध्यान देना ज़रूरी है, न कि उसे अलग-अलग सूचनाओं को जोड़कर पूरी तस्वीर समझनी पड़े।

तकनीकी चुनौती यह है कि बदलते परिवेश में और स्थानीय हार्डवेयर की सीमाओं के भीतर यह काम भरोसेमंद ढंग से किया जाए। भरोसे से जुड़ी चुनौती यह है कि सिस्टम की सीमाओं और डेटा संबंधी तौर-तरीकों को समझना आसान हो। लोगों को पता होना चाहिए कि सिस्टम ने क्या देखा, उससे क्या निष्कर्ष निकाला और किन परिस्थितियों में निर्णय किसी इंसान को लेना चाहिए।

इस शानदार साक्षात्कार के लिए धन्यवाद। पेशेवर सुरक्षा कैमरों, रिकॉर्डरों और AI-संचालित वीडियो निगरानी प्रणालियों के बारे में जानने के इच्छुक पाठक IC Realtime की वेबसाइट पर जाएँ।

एंटोनी एक दूरदर्शी नेता और Unite.AI के संस्थापक भागीदार हैं। एआई और रोबोटिक्स के भविष्य को आकार देने और आगे बढ़ाने के प्रति उनका जुनून अटूट है। कई उद्यम शुरू कर चुके एंटोनी का मानना है कि एआई समाज में बिजली जितना ही बड़ा बदलाव लाएगा। वे अक्सर परिवर्तनकारी प्रौद्योगिकियों और एजीआई की संभावनाओं के बारे में उत्साह से बात करते हैं।

एक भविष्यविद् के रूप में, वे यह जानने के लिए समर्पित हैं कि ये नवाचार हमारी दुनिया को कैसे आकार देंगे। वे Securities.io के संस्थापक भी हैं। यह मंच उन अत्याधुनिक प्रौद्योगिकियों में निवेश पर केंद्रित है जो भविष्य को नई परिभाषा दे रही हैं और पूरे क्षेत्रों का स्वरूप बदल रही हैं।