Bagaimana AI Membuat Deteksi Logam Lebih Penting Daripada Pernah

Setiap hari, jutaan orang melewati detektor logam di bandara, sekolah, tempat konser, pengadilan, dan gedung kantor. Sebagian besar dari mereka hampir tidak memikirkan proses ini atau fakta bahwa perangkat ini berfungsi sebagai firewall esensial untuk kesejahteraan mereka sendiri. Ketika detektor berbunyi, biasanya dianggap sebagai gangguan kecil atau keterlambatan – setelah penyebabnya diselesaikan, semua orang melanjutkan hari mereka.

Tidak ada rahasia bahwa kita hidup di dunia yang dihadapkan pada ketegangan keamanan yang meningkat, kerumunan yang tumbuh, dan proliferasi insiden yang tidak menguntungkan. Efek riak yang tidak terduga dari ini adalah bahwa industri keamanan dihadapkan pada permintaan yang lebih tinggi daripada sebelumnya untuk teknologi yang tidak hanya campur tangan dalam kejadian langsung, tetapi juga dapat berfungsi sebagai penghalang prediktif dan proaktif untuk keamanan.

Di balik ritual sederhana melewati detektor logam, mungkin akan mengejutkan Anda untuk mengetahui bahwa revolusi teknologi sedang berlangsung di sektor keamanan. Kecerdasan buatan dan pembelajaran mesin sedang mengubah konstruksi deteksi logam, membuatnya lebih cepat, lebih pintar, dan lebih presisi daripada sebelumnya.

Mengimbangkan Presisi dan Permintaan

Mari kita lihat industri dari sudut pandang yang lebih luas. Didorong oleh faktor-faktor yang disebutkan sebelumnya, pasar keamanan global sedang booming. Ahli memperkirakan bahwa sektor keamanan deteksi logam dan penyaringan sendiri diperkirakan akan bernilai hampir $10 miliar pada tahun 2028, didorong terutama oleh kekhawatiran keamanan publik yang meningkat dan volume penumpang yang meningkat. Bandara, stadion, arena, dan sekolah tetap berada di bawah tekanan besar untuk memindahkan orang dengan cepat tanpa mengorbankan keamanan.

Masalah yang dihadapi oleh profesional keamanan adalah mengimbangkan ketelitian yang diperlukan untuk memastikan keamanan dengan kenyamanan dan efisiensi. Kami sering membicarakan tentang bagaimana penyaringan sekunder dapat mengisi kesenjangan, tetapi kenyataannya adalah bahwa ketika Anda dihadapkan pada puluhan ribu wisatawan atau penonton, Anda tidak bisa membuka setiap tas. Pada saat yang sama, melewatkan ancaman dapat berakibat fatal. Dinamika ini menempatkan seluruh sistem – dari produsen, administrator, hingga staf lapangan – dalam ikatan yang sah.

Sekarang, mari kita lihat lebih dekat bagaimana teknologi telah berfungsi secara historis. Detektor logam tradisional, berdasarkan induksi elektromagnetik, telah menjadi andalan yang dipercaya selama beberapa dekade, mampu memproses volume besar orang dengan kecepatan yang dapat diterima. Detektor logam walk-through Garrett, misalnya, telah menjadi standar industri global selama lebih dari 40 tahun, sejak kami diminta untuk menciptakan detektor logam walk-through pertama kami, MagnaScanner, untuk Olimpiade Musim Panas 1984 di Los Angeles.

Meskipun memiliki status “warisan” dibandingkan dengan beberapa kemajuan teknologi lainnya, detektor ini masih salah satu solusi keamanan yang paling efisien biaya, kinerja tinggi, dan stabil di pasar. Masalahnya adalah mereka secara tradisional kekurangan kecerdasan untuk membedakan antara gesper sabuk dan senjata, yang kemudian mengarah ke proses penyaringan sekunder – dan keterlambatan yang disebutkan sebelumnya. Peringatan palsu ini dapat menyebabkan kelelahan manusia bagi staf keamanan, yang pada gilirannya berpotensi mengompromikan efektivitas proses pemantauan mereka – efek riak yang dapat menyebabkan konsekuensi yang tidak diinginkan. Ini adalah tempat di mana kecerdasan buatan dan pembelajaran mesin masuk.

Data di Balik Deteksi

Pada intinya, AI sedang mengubah deteksi logam dari proses reaktif menjadi proses prediktif. Alih-alih hanya membunyikan alarm ketika logam terdeteksi, sistem deteksi senjata yang ditenagai AI sekarang dapat menganalisis bentuk, kepadatan, dan posisi objek logam menggunakan pengenalan pola sinyal yang kompleks.

Kami menggunakan AI untuk mencapai tingkat fungsionalitas untuk teknologi deteksi logam yang teruji yang sebelumnya tidak mungkin. Beberapa suara di ruang penyaringan keamanan menolak teknologi deteksi logam sebagai kuno, tetapi mereka mengabaikan kemajuan besar dalam kesophistikasi teknologi deteksi logam dalam beberapa tahun terakhir. Dengan menerapkan kemajuan ini dalam pembelajaran mesin ke teknologi deteksi logam, terutama karena kontribusinya pada pengembangan produk, detektor logam telah dapat mencapai presisi yang sebelumnya tidak terpikirkan. Di Garrett, AI digunakan untuk mengembangkan platform deteksi canggih yang dipatenkan menggunakan pembelajaran mesin untuk detektor logam walk-through Paragon, salah satu detektor logam walk-through yang paling banyak digunakan di planet ini. Algoritma pembelajaran mesin ini dapat mengidentifikasi perbedaan halus antara barang sehari-hari – seperti ponsel atau kunci – dan objek berbahaya, seperti pisau atau senjata api.

Ketika Anda berjalan melewati detektor yang ditingkatkan dengan AI, itu tidak hanya mencari logam – itu menganalisis ribuan titik data dan mengklasifikasikan apa yang dilihatnya berdasarkan pola yang dipelajari dari jutaan percobaan sebelumnya selama pengembangan. Hasilnya adalah deteksi yang akurat dan instan dari beberapa ancaman dan keamanan yang lebih kuat secara keseluruhan. Platform AI kami untuk Paragon meningkatkan akurasi target secara keseluruhan dalam portal untuk target tunggal dan ganda lebih dari 88% dan mengurangi tingkat peringatan palsu lebih dari 5% dibandingkan dengan detektor logam tradisional di pasar.

Di tempat-tempat besar, bahkan keuntungan efisiensi kecil memiliki dampak besar. Satu peringatan palsu dapat menunda puluhan orang; kalikan itu dengan ribuan tamu di stadion atau penumpang di bandara, dan gangguan itu menambahkan dengan cepat. Sistem berbasis AI ini membantu memecahkan masalah itu. Data menunjukkan bahwa di beberapa bandara dan arena olahraga besar di AS, detektor logam walk-through yang ditenagai pembelajaran mesin telah mengurangi penyaringan tas sekunder dan waktu penyaringan secara eksponensial.

Kunci dari ini adalah bahwa detektor ini tidak hanya mendeteksi – mereka dipenuhi dengan kecerdasan yang diperoleh melalui analisis ribuan skenario dan kemungkinan yang mungkin dan faktor lingkungan. Perbedaan penting adalah bahwa teknologi ini disediakan untuk profesional keamanan setelah sudah dididik dengan wawasan pembelajaran mesin yang canggih selama pengembangan, bukan “belajar di tempat kerja” – ini memastikan risiko kesalahan dan pembacaan palsu yang jauh berkurang. Dengan memberdayakan profesional terlatih untuk menganalisis dan menerapkan wawasan yang diperoleh oleh pembelajaran mesin, itu menjamin bahwa standar keamanan yang lebih menyeluruh dan konsisten sedang dibentuk dan diterapkan di semua pengaturan dan aplikasi yang relevan.

Aplikasi yang Tidak Terduga

Terdapat juga aplikasi di luar keamanan untuk perjalanan dan acara. Sekolah dan rumah sakit, misalnya, semakin banyak mengadopsi detektor yang ditenagai AI yang dirancang untuk mengenali senjata sambil menjadi lebih terampil dalam membedakan objek sehari-hari, mengurangi kecemasan dan bottleneck. Estetika dan teknologi yang mendukung pengalaman pengguna yang lancar dan tidak mengganggu dapat membantu menjadikan keamanan tidak terlihat dan efektif.

Kemitraan Manusia-AI

Sangat penting untuk dicatat bahwa AI tidak harus menggantikan profesional keamanan, tetapi mendukung mereka. Kemitraan manusia-AI dapat membantu mengurangi kelelahan kognitif bagi penyaring, yang tidak perlu lagi menafsirkan setiap alarm atau pemindaian secara manual, tetapi harus diimplementasikan dengan pelatihan dan analisis yang tepat. Sebagai contoh, sebagai bagian dari kebijakan AI formal Garrett, kami berjanji bahwa hasil latihan desain yang ditingkatkan AI tidak pernah digunakan dalam produk melalui cara otomatis atau tidak diawasi dan metode. Semua output AI yang digunakan dalam produk kami telah diverifikasi oleh agen manusia yang terampil dan berpengalaman, dan Garrett melakukan pengujian produk yang luas di laboratorium dan di lapangan untuk memastikan bahwa setiap produk AI efektif dan layak digunakan dalam produk kami. Garrett juga tidak menggunakan AI untuk membangun produk keamanan yang self-learning dan self-adjusting yang mungkin berfungsi pada tingkat yang memadai ketika mereka dipasang tetapi kemudian berubah seiring waktu melalui faktor eksternal yang tidak dipicu oleh pengguna akhir.

AI dapat membantu menghilangkan bias dan membantu membangun kepercayaan publik yang lebih besar terhadap sistem dan profesional keamanan. Standarisasi protokol detektor senjata memastikan penyaringan yang objektif dan konsisten dari semua individu, membantu mengurangi ketegangan dan insiden yang telah lama menjadi perhatian dalam pemeriksaan keamanan manual.

Kesimpulan: Revolusi Sunyi di Pintu Gerbang

Ketika teknologi keamanan terus berkembang, masa depan deteksi logam walk-through memiliki potensi untuk menjadi lebih berdampak dan kritis daripada sebelumnya berkat peningkatan ketergantungan pada AI dan pembelajaran mesin. Dengan deteksi logam yang dibantu AI, kelemahan umum dari “titik pemeriksaan” logam tradisional – keterlambatan, peringatan palsu, dll. – dapat sebagian besar dihilangkan, meningkatkan kecepatan aliran untuk membedakan antara ancaman dan barang non-ancaman pada kecepatan berjalan sambil beroperasi dengan akurasi dan presisi yang lebih tinggi daripada sebelumnya.

Di era mobilitas manusia yang terus meningkat, ancaman keamanan yang canggih, dan pengawasan yang meningkat terhadap sistem keamanan, deteksi logam yang didorong AI mewakili langkah besar untuk menjaga masyarakat aman.