Jak AI sprawia, że wykrywanie metali staje się ważniejsze niż kiedykolwiek

Każdego dnia miliony ludzi przechodzą przez bramki wykrywające metale w portach lotniczych, szkołach, halach koncertowych, sądach i biurowcach. Ogromna większość z nich nawet nie myśli o tym procesie czy o tym, że te urządzenia służą jako podstawowa ochrona ich własnego dobrostanu. Gdy detektor zabrzmi, jest to zwykle postrzegane jako drobne niedogodność lub opóźnienie – gdy tylko przyczyna zostanie rozwiązana, wszyscy kontynuują dzień.

Nie jest żadnym sekretem, że żyjemy w świecie, który stoi w obliczu rosnących napięć bezpieczeństwa, rosnących tłumów i niefortunnych incydentów. Niezaskakującym efektem jest to, że branża bezpieczeństwa jest konfrontowana z wyższym zapotrzebowaniem niż kiedykolwiek na technologie, które nie tylko interweniują w bezpośredniej odpowiedzi na zagrożenie, ale mogą służyć jako przewidywalna, proaktywna bariera dla bezpieczeństwa.

Za prostym rytuałem przechodzenia przez detektor metali może Cię zaskoczyć, że trwa rewolucja technologiczna w sektorze bezpieczeństwa. Sztuczna inteligencja i uczenie maszynowe zmieniają całą konstrukcję wykrywania metali, sprawiając, że staje się ono szybsze, inteligentniejsze i bardziej precyzyjne niż kiedykolwiek wcześniej.

Balance między precyzją a popytem

Przede wszystkim przyjrzyjmy się branży z lotu ptaka. Prowadzone przez wcześniej wymienione czynniki, globalny rynek bezpieczeństwa i kontroli jest w rozkwicie. Eksperci szacują, że sektor bezpieczeństwa i kontroli metali sam w sobie ma wartość blisko 10 miliardów dolarów do 2028 roku, napędzany głównie przez rosnące obawy o bezpieczeństwo publiczne i rosnącą liczbę pasażerów. Lotniska, stadiony, areny i szkoły pozostają pod ogromną presją, aby szybko przeprowadzać ludzi bez kompromitowania bezpieczeństwa.

Dylemat, z którym borykają się specjaliści ds. bezpieczeństwa, polega na tym, aby zrównoważyć staranność wymaganą do zapewnienia bezpieczeństwa z wygodą i efektywnością. Często mówimy o tym, jak kontrola wtórna może wypełnić luki, ale rzeczywistość jest taka, że gdy masz do czynienia z dziesiątkami tysięcy podróżnych lub klientów, po prostu nie możesz otworzyć każdego bagażu. Jednocześnie pominięcie zagrożenia może być śmiertelne. Ta dynamika stawia cały system – od producentów, przez administratorów, po personel – w uzasadnionym impasie.

Teraz przyjrzyjmy się, jak technologia funkcjonowała historycznie. Tradycyjne bramki wykrywające metale, oparte na indukcji elektromagnetycznej, były od dawna godnymi zaufania koniami pociągowymi, zdolnymi do przetwarzania ogromnych ilości ludzi w akceptowalnym tempie. Bramki wykrywające metale Garrett, na przykład, były od ponad 40 lat światowym standardem, od czasu gdy zostaliśmy zleceni do stworzenia naszej pierwszej bramki wykrywającej metale, MagnaScanner, na Letnie Igrzyska Olimpijskie w Los Angeles w 1984 roku.

Pomimo ich “dziedzicznego” statusu w porównaniu z innymi postępami technologicznymi, te detektory nadal są jednym z najbardziej ekonomicznych, wysokowydajnych i stabilnych rozwiązań bezpieczeństwa na rynku. Problem polega na tym, że tradycyjnie brakowało im inteligencji, aby odróżnić zapinek od broni, co prowadzi do procesu kontroli wtórnej – i wcześniej wymienionych opóźnień. Fałszywe alarmy mogą prowadzić do zmęczenia personelu bezpieczeństwa, co z kolei może potencjalnie kompromitować skuteczność ich procesu monitorowania – efekt kaskadowy, który może prowadzić do konsekwencji, których nikt nie chce. To właśnie tutaj sztuczna inteligencja i uczenie maszynowe wkraczają.

Dane za wykrywaniem

W swojej istocie AI zmienia wykrywanie metali z procesu reaktywnego na predykcyjny. Zamiast po prostu sygnalizowania alarmu, gdy wykryty jest metal, systemy wykrywania broni zasilane przez AI mogą teraz analizować kształt, gęstość i położenie metalowych obiektów za pomocą złożonego rozpoznawania wzorców sygnałowych.

Używamy AI, aby osiągnąć poziomy funkcjonalności dla przetestowanej technologii wykrywania metali, które nie były wcześniej możliwe. Niektóre głosy w przestrzeni bezpieczeństwa i kontroli bagażu lekceważą technologię wykrywania metali jako przestarzałą, ale ignorują ogromne postępy w złożoności technologii wykrywania metali w ostatnich latach. Poprzez zastosowanie tych postępów w uczeniu maszynowym do technologii wykrywania metali, szczególnie w zakresie rozwoju produktów, detektory metali były w stanie osiągnąć precyzję, której nie sądzono możliwej wcześniej. W Garrett AI został wykorzystany do opracowania zaawansowanej, własnej platformy wykrywania za pomocą uczenia maszynowego dla naszego detektora bramkowego Paragon, jednego z najczęściej używanych detektorów bramkowych na świecie. Te algorytmy uczenia maszynowego mogą identyfikować subtelne różnice między codziennymi przedmiotami – takimi jak telefony lub klucze – a potencjalnie niebezpiecznymi obiektami, takimi jak noże lub broń palna.

Gdy przechodzisz przez detektor wzmocniony przez AI, nie szuka on tylko metalu – analizuje tysiące punktów danych i klasyfikuje to, co widzi, na podstawie wzorców nauczonych z milionów wcześniejszych prób podczas rozwoju. Wynikiem tego jest natychmiastowe, dokładne wykrywanie wielu zagrożeń i silniejsze ogólne bezpieczeństwo. Nasza platforma AI dla Paragon poprawia ogólną dokładność celów w portalu dla pojedynczych i wielokrotnych celów o ponad 88% i zmniejsza fałszywe alarmy w porównaniu z tradycyjnymi detektorami metali na rynku o ponad 5%.

W dużych obiektach nawet niewielkie zyski wydajności mają ogromny wpływ. Jeden fałszywy alarm może opóźnić dziesiątki ludzi; pomnóż to przez tysiące gości na stadionie lub pasażerów na lotnisku, a perturbacja szybko się kumuluje. Te systemy oparte na AI pomagają rozwiązać ten problem. Dane pokazują, że w kilku głównych portach lotniczych i arenach sportowych w Stanach Zjednoczonych detektory bramkowe zasilane przez uczenie maszynowe znacznie zmniejszyły kontrolę bagażu i czasy kontroli.

Kluczem jest to, że te detektory nie tylko wykrywają – są wypełnione inteligencją zdobytą przez analizowanie tysiąca potencjalnych scenariuszy i prawdopodobieństwa przedmiotów i czynników środowiskowych. Ważne jest to, że technologia jest dostarczana specjalistom ds. bezpieczeństwa po tym, jak została już wykształcona z tymi zaawansowanymi spostrzeżeniami z uczenia maszynowego podczas rozwoju, a nie “uczy się na miejscu” – co gwarantuje znacznie zmniejszone ryzyko błędów i fałszywych odczytów. Poprzez umożliwienie przeszkolonym specjalistom analizowania i inteligentnego stosowania tych spostrzeżeń zebranych przez uczenie maszynowe, gwarantuje się, że bardziej gruntowny i spójny standard bezpieczeństwa jest ustanawiany i wdrażany we wszystkich odpowiednich ustawieniach i aplikacjach.

Nieoczekiwane zastosowania

Istnieją również zastosowania poza bezpieczeństwem dla podróży i wydarzeń. Szkoły i szpitale, na przykład, coraz częściej przyjmują detektory zasilane przez AI, zaprojektowane do rozpoznawania broni, jednocześnie stając się bardziej biegłymi w rozróżnianiu codziennych obiektów, zmniejszając lęk i korki. Estetyka i technologia, które sprzyjają bezproblemowemu, nieinwazyjnemu doświadczeniu użytkownika, mogą znacznie przyczynić się do ustanowienia komfortu dla pacjentów i odwiedzających, jednocześnie minimalizując konfrontacje lub incydenty związane z kontrolą. Niektóre produkty mogą być używane w “trybie stealth”, w którym nie występuje żaden sygnał alarmowy, co dodatkowo przyczynia się do komfortu odwiedzających, którzy przechodzą przez punkt kontrolny. Te “bezproblemowe” systemy pozwalają ludziom przechodzić bez zatrzymywania się lub usuwania przedmiotów z torby – ogromny krok naprzód w czynieniu bezpieczeństwa zarówno niewidocznym, jak i skutecznym.

Partnerstwo człowieka i AI

Jest niezmiernie ważne, aby zauważyć, że AI nie powinno zastępować specjalistów ds. bezpieczeństwa, ale wspierać ich. Partnerstwo człowieka i AI może pomóc zmniejszyć obciążenie poznawcze osób kontrolujących, które nie muszą już ręcznie interpretować każdego sygnału lub skanu, jednak musi być wdrożone z odpowiednim szkoleniem i analizą. Na przykład, jako część oficjalnej polityki AI Garrett, zobowiązujemy się, że wyniki ćwiczeń projektowych z użyciem AI nie są wykorzystywane w produktach za pomocą zautomatyzowanych lub nienadzorowanych środków i metod. Wszystkie dane wyjściowe AI, które są wykorzystywane w naszych produktach, są weryfikowane przez wykwalifikowanych, doświadczonych agentów ludzkich, a Garrett prowadzi obszerny test produktów w laboratorium i na terenie, aby upewnić się, że każdy produkt AI jest skuteczny i odpowiedni do użycia w naszych produktach. Garrett nie wykorzystuje również AI do tworzenia samouczących się i samodostosowujących się produktów bezpieczeństwa, które mogą działać na odpowiednim poziomie, gdy są instalowane, ale potem zmieniają się w czasie pod wpływem czynników zewnętrznych, które nie są uruchamiane przez użytkownika końcowego.

AI może pomóc wyeliminować uprzedzenia i ustanowić większe zaufanie publiczne do systemów i specjalistów ds. bezpieczeństwa. Ujednolicenie protokołu wykrywania broni zapewnia obiektywne, spójne kontrolowanie wszystkich osób, pomagając złagodzić potencjalne napięcia i incydenty, które od dawna są problemem w ręcznych kontrolach bezpieczeństwa.

Podsumowanie: Cicha rewolucja u bramki

Gdy technologia bezpieczeństwa nadal ewoluuje, przyszłość wykrywania metali w bramkach ma potencjał być bardziej wpływowa i krytyczna niż kiedykolwiek, dzięki zwiększonemu zaufaniu do AI i uczenia maszynowego. Z wykrywaniem metali wspomaganym przez AI, powszechne pułapki tradycyjnego wykrywania metali “punktów kontrolnych” – opóźnienia, fałszywe pozytywy itp. – mogą być w dużej mierze złagodzone, zwiększając tempo przepływu, aby odróżnić zagrożenia od niezagrożeń podczas chodzenia, jednocześnie działając z większą precyzją niż kiedykolwiek wcześniej.

W erze rosnącej mobilności ludzi, wyrafinowanych zagrożeń bezpieczeństwa i zwiększonej kontroli systemów bezpieczeństwa, wykrywanie metali zasilane przez AI reprezentuje ogromny krok naprzód w kierunku zapewnienia bezpieczeństwa społeczeństwa.