Röportajlar
IC Realtime CTO’su Andrew Nassar – Röportaj Dizisi

Öne çıkan noktalarBunker, bulut bağımlılığını azaltmak ve uyarıları hızlandırmak için temel yapay zeka…
Daha fazla göster
- Bunker, bulut bağımlılığını azaltmak ve uyarıları hızlandırmak için temel yapay zeka analizini yerel bir NVIDIA Jetson ağ geçidinde çalıştırıyor.
- Nassar, gözetimin insanları profillemek yerine olayları tanımlaması gerektiği için biyometrik kimlik özellikleri geliştirmeyi reddediyor.
- Uç yapay zeka bir gizlilik politikası değildir çünkü bulut hizmetleri hâlâ uzaktan erişimi ve video geçmişini yönetiyor.
Andrew Nassar, analog kameralardan dijital kayda, uzaktan izlemeye ve yapay zekâ destekli video analizine geçiş süreçlerinde şirkete yön verilmesine katkıda bulunduğu IC Realtime’ın CTO’sudur. Gözetim sektöründe 20 yılı aşkın deneyime sahip olan Nassar, bilgisayarlı görü ve uç bilişim alanındaki gelişmeleri olayları anlamaya, görüntü kayıtlarını bulmaya ve güvenlik operasyonlarını iyileştirmeye yönelik pratik araçlara dönüştürmeye odaklanıyor.
IC Realtime, konut ve ticari ortamlara yönelik video gözetim sistemleri ve yazılımları tasarlar. Bunker platformu, bağlama duyarlı uyarılar ve doğal dilde video arama olanağı sunmak için uyumlu kamera sistemlerine, NVIDIA Jetson ile çalışan özel bir ağ geçidi üzerinden yapay zekâ analizi ekler. Platform, yerel analizi uzaktan erişim ve video geçmişi için buluta bağlı hizmetlerle birleştirir.
IC Realtime’ın analog kameralardan dijital kayda, uzaktan izlemeye ve şimdi de yapay zekâya geçiş süreçlerine öncülük ettiniz. Yapay zekânın gözetimi kökten değiştirebileceğine sizi ne ikna etti ve gelişmiş video analizini uçta uygulanabilir kılan hangi ilerlemeler oldu?
Kameralarımızda yıllardır makine öğrenimi ve bilgisayarlı görü kullanıyoruz. Sistem, yalnızca incelenecek daha fazla video üretmek yerine birinin olayı anlamasına ve ilgili görüntü kaydını bulmasına yardımcı olabildiğinde bu teknolojinin sunduğu olanaklar çok daha yararlı hâle geldi. Bir ev sahibi, neyin dikkat gerektirdiğini bilmek ister. Bir işletme ise saatlerce arama yapmak zorunda kalmadan bir olayı bulmak ister.
Bunker, bu yaklaşımı mülkte bulunan özel bir NVIDIA Jetson ağ geçidine taşıyor. Temel analiz işlemlerini kameralara yaklaştırmak, her analiz görevinin buluta gönderilmesine duyulan bağımlılığı azaltabilir ve yanıt hızını artırabilir. Bu yaklaşımın pratik açıdan getirdiği yenilik, videoyu bağlama duyarlı uyarılara ve aranabilir olaylara dönüştüren yazılımla yerel bilgi işlem gücünü bir araya getirmesidir.
Benim için ölçüt hâlâ kanıtlanmış değer. Teknoloji, müşterinin onu kullanacağı ortamda gerçek bir sorunu çözmeli. İyi bir gösterim, bu sürecin yalnızca başlangıcıdır.
Örnek olarak Bunker’ı ele alırsak, bir kameranın olayı kaydetmesiyle kullanıcının uyarı alması arasında neler olduğunu anlatabilir misiniz? Hangi yapay zekâ işlevleri yerel olarak çalışıyor, hangileri hâlâ bulut gerektiriyor ve hangi veriler mülk dışına çıkıyor?
Genel hatlarıyla, uyumlu bir kamera videoyu Bunker Gateway’e gönderiyor ve temel yapay zekâ analizi mülkteki bu ağ geçidinde gerçekleştiriliyor. Platform, algılanan hareketleri video olaylarıyla ilişkilendiriyor ve anlık görüntüyle birlikte, sade bir dille yazılmış açıklama içeren bağlama duyarlı bir uyarı gönderebiliyor. Kullanıcı daha sonra videoyu uygulamada inceleyebiliyor.
Bunker hibrit bir mimari kullanıyor. Bulut bağlantısı uzaktan erişim, abonelik hizmetleri ve video geçmişi olanağı sağlıyor; bu nedenle platformu bulutsuz olarak nitelendirmek ya da mülk dışına hiçbir videonun çıkmadığını söylemek yanıltıcı olur. Önemli olan, veriler dışarı çıktığında nasıl korunduklarıdır. Canlı video da dâhil olmak üzere aktarım hâlindeki her şey şifrelenir; canlı video, ağ geçidinden izleyicinin ekranına ulaşana kadar şifreli kalır. Aradaki altyapı videoyu iletir, ancak izleyemez. Her ağ geçidi, başkalarıyla paylaşılmayan kimlik bilgileri yerine kendine ait bir sertifikayla kimliğini doğrular; bulutta saklanan görüntü kayıtları da şifrelenir.
Müşterilere, hangi özelliklerin internet bağlantısına bağlı olduğu ve bağlantı kesildiğinde ne yaşanacağı da dâhil olmak üzere bu veri akışının açık bir açıklaması sunulmalıdır.
Güvenlik kameraları yağmur, karanlık, parıltı ve sürekli değişen ortamlarda çalışır. Gerçek dünyada karşılaştığınız en zorlu arıza neydi ve iyileştirmelerin, gözden kaçan olayları artırmadan yanlış alarmları azaltıp azaltmadığını nasıl ölçüyorsunuz?
Bu sektörde 20 yılı aşkın süredir çalışıyorum ve özellikle düşük ışıkta ve zorlu koşullarda kamera teknolojisi büyük ilerleme kaydetti. Artık gece çekimleri ve kumlanmalı görüntüler, gündüz çekimleri kadar net olabiliyor. Yine de yağmur, parıltı, sis ve kar, yapay zekâ modelinin doğruluğunu düşürebilir. Daha iyi sensörler bu değişkenleri ortadan kaldırmaz.
Bu nedenle tek bir sabit yapılandırmaya bağlı kalmak yerine değişen ortamlara ve günün farklı saatlerine uyum sağlayan dinamik bir yaklaşım benimsedik. Geliştirme sürecinin son iki yılında yalnızca tezgâh üzerindeki kameraları değil, gerçek dünyadaki kurulumları da test etmek için binlerce saat harcadık ve sistemi bu kurulumların bize öğrettiklerini temel alarak oluşturduk.
Bir iyileştirmeyi yalnızca bildirim sayısının azalmasına bakarak değerlendirmem. Önemli olayları yakalamayı sürdürürken gereksiz uyarıları ortadan kaldırıp kaldırmadığına bakarım. Gürültüyü azaltmak, yalnızca önemli bir şey olduğunda sistem yararlı olmaya devam ediyorsa değerlidir.
Bir kişiyi ya da aracı algılamak, davranışın endişe verici olduğuna karar vermekten farklıdır. Bir anomaliyi nasıl tanımlıyor, bu tanımı her konuma nasıl uyarlıyor ve sistemin zararsız etkinlikleri tehdit olarak değerlendirmesini nasıl önlüyorsunuz?
Algılanan bir nesne tek başına bir sorun olup olmadığını göstermez. Ön girişe yapılan bir teslimat ile kısıtlı bir alandaki hareketlilik aynı tür nesneyi içerebilir, ancak bu iki durumda verilecek yanıtlar çok farklı olmalıdır. Başlangıç noktası, müşterinin kullanım amacı ve söz konusu mülkün koşulları olmalıdır.
İncelenmeye değer bir olayla birinin tehdit oluşturduğu sonucuna varmayı birbirinden ayırırım. Sistem, gözlemlenen şeyin ne olduğunu ve neden öne çıkarıldığını anlamasına yardımcı olmalı; ayrıca ilgili görüntülere erişim sağlamalıdır. Kullanıcıyı alışılmadık her etkinliği yanlış bir davranışın kanıtı olarak görmeye teşvik etmemelidir.
Bu sistemler daha yetkin hâle geldikçe, yapay zekânın bildiklerini abartmadan bu bağlamı kullanışlı kılmak önem kazanıyor. Özellikle bir uyarının ciddi sonuçlar doğurabilecek bir eyleme yol açabileceği durumlarda, insan muhakemesi önemini koruyor.
Doğal dilde arama, görüntüleri saatlerce elle inceleme ihtiyacını ortadan kaldırmayı vadediyor. Sisteminiz, kullanıcının tarifini doğru videoyla nasıl eşleştiriyor? Gözden kaçan olayları, yanlış eşleşmeleri veya görüntülerin desteklemediği yapay zekâ üretimi açıklamaları nasıl test ediyorsunuz?
Amaç, videoları insanların doğal olarak kullanacağı dille aranabilir hâle getirmek. Bunker, etkinlikleri algıladıkça video olaylarıyla ilişkilendirilmiş, zaman damgalı açıklamalar oluşturuyor. Kullanıcının sorusu, bu dizine eklenmiş kayıtlarda arama yapmak ve ilgili görüntüleri bulmak için kullanılıyor. Böylece kullanıcı, kaydın tamamını baştan sona elle taramak zorunda kalmadan incelemeye başlayabiliyor.
Sonucu doğrularken esas alınması gereken, görüntülerin kendisidir. Oluşturulan bir açıklama, kayıtta gezinmeyi kolaylaştırır; ancak kameranın gerçekten kaydettiğinden daha güvenilir bir kaynak olarak görülmemelidir.
Testlerde üç soruyu birbirinden ayırırdım: Sistem ilgili bir olayı gözden mi kaçırdı? İstekle eşleşmeyen bir şeyi mi buldu? Açıklamada, görüntülerin desteklemediği bir bilgiye yer verildi mi? Bunlar farklı hata türleridir. Yalnızca aramanın makul görünen bir yanıt verip vermediğini değerlendirmek yeterli olmaz.
NVIDIA Jetson donanımı; model boyutu, doğruluk, güç tüketimi ve analiz edebileceğiniz kamera akışı sayısı bakımından ne gibi ödünleşimler gerektiriyor? Daha eski üçüncü taraf kameralar kullanırken, işlem kapasitesinin sınırına ulaşıldığında veya internet bağlantısı kesildiğinde güvenilir performansı nasıl koruyorsunuz?
Tasarım açısından asıl mesele, tesisteki mevcut kaynaklarla yararlı analiz sunabilmek. Modelin karmaşıklığı, işlenen video miktarı ve gereken yanıt süresi, ağ geçidinin çalışma sınırlarına uygun olmalı. Bu nedenle desteklenen akış sayısı tek başına performansın tamamını göstermez.
Bunker’ın lansman planları en fazla 10 kamera akışını destekliyor. ONVIF uyumlu kameralar, müşterilerin mevcut donanımlarını kullanmaya devam etmesine olanak tanıyor; ancak her kurulumda uyumluluğun doğrulanması gerekiyor. Profiller, ürün yazılımı, görüntü kalitesi ve kullanılan özelliklerin tümü önem taşıyor.
Dayanıklılık konusunda da açık ve kesin olmalıyız. Yerel işleme ile buluta bağlı hizmetler sistemin farklı parçalarıdır; uç ağ geçidinin bulunması, internet kesintisi sırasında tüm özelliklerin normal çalışacağı anlamına gelmez. Güncellemeler de güvenilirliğin bir parçasıdır. Her güncelleme yüklenmeden önce ağ geçidinde imzalanıp doğrulanır, güvenlik açıkları bulunan eski sürümler reddedilir ve başarısız bir güncelleme otomatik olarak önceki sürüme döner. Hatalı bir güncelleme, bir tesisin güvenlik sistemini devre dışı bırakmamalıdır.
Yalnızca uçta çıkarım yapmak, gizlilikle ilgili tüm soruları yanıtlamaz. Bunker görüntüleri, arama sorgularını ve yapay zekâ tarafından oluşturulan üst verileri nerede saklıyor; bunları ne kadar süre tutuyor ve kimler erişebiliyor? Müşterilerin özel görüntülerine erişimimiz olduğunu varsaymadan modellerinizi nasıl geliştiriyorsunuz?
Katılıyorum. “Uçta yapay zekâ” tek başına eksiksiz bir gizlilik politikası değildir. Müşterilerin verilerinin nereye gittiğini, hangi verilerin saklandığını ve bunlara kimlerin erişebildiğini anlaması gerekir. Buna videonun yanı sıra arama sorguları ve oluşturulan açıklamalar da dahildir.
Görüntüler ve hizmetin arkasındaki veri tabanları depolanırken şifrelenir. Parolalar özetlenir ve oturumların süresi dolar; dolayısıyla bir veri tabanı ihlali yaşansa bile kimse geçerli giriş bilgilerine ulaşamaz. Ağ geçidinin kendisi de şifrelenmiştir; bu nedenle çalınan bir cihazdan görüntülere veya kimlik bilgilerine erişilemez. Bunker’ın lansman kapsamındaki hizmetinde Standard planında 60 gün, Premium planında ise 365 gün bulut video geçmişi ve müşterinin kaydetmeyi seçtiği klipler için Video Vault yer alıyordu.
Müşteri görüntülerini modellerimizi eğitmek için kullanmıyoruz ve kameraların kaydettiği kişiler için biyometrik şablonlar oluşturmuyoruz. Müşterinin ürünü kullanması, özel videolarını yeniden kullanmamıza izin verdiği anlamına gelmez.
Flock Safety çevresindeki tartışmalar, gözetim verilerinde kimlerin arama yapabileceği ve erişim yetkisinin gerektiğinde kaldırılıp kaldırılmadığı konularını gündeme getirdi. Dağıtım modeliniz farklı olsa da bu tartışmalardan sistemleriniz için hangi dersler çıkarılabilir? Hangi güvenlik önlemleri isteğe bağlı değil, zorunlu olmalıdır?
Flock’a yönelik tepki aslında yapay zekâyla ilgili değil. Mesele, kimin içeri girip verilerde arama yapabildiği. İncelemelerin büyük bölümü hesap güvenliğine odaklandı; yasa koyucular da çok faktörlü kimlik doğrulamanın neden zorunlu olmadığını sorguladı. Çalınan bir parolanın gözetim sisteminde arama yapmak için yeterli olduğu bir durumda, modelin nerede çalıştığının önemi kalmaz.
Bunker’da bir sistemin verilerine yalnızca sistem sahibinin erişim izni verdiği kullanıcılar ulaşabilir. Verileri üçüncü taraflarla paylaşmıyor, müşteri verilerini modellerimizi eğitmek için kullanmıyor ve biyometrik şablonlar oluşturmuyoruz.
Güvenlik, cihazda başlamalı ve hesaba kadar uzanmalıdır. Her Bunker ağ geçidi, kendine özgü bir kriptografik kimlikle gelir; dolayısıyla değiştirilmesi gereken varsayılan parolalar veya saldırganların bulup kullanabileceği parolalar yoktur. Ürün yazılımı her açılışta doğrulanır; güncellemeler yüklenmeden önce imzalanır ve denetlenir, oturum açma işlemleri ise çok faktörlü kimlik doğrulamayla korunur. Ayrıca, artık ihtiyaç duyulmayan erişim izinleri derhâl kaldırılmalı ve hassas faaliyetler denetlenebilir bir kayıt bırakmalıdır. Güven, kimin ne yaptığının açıklanabilmesine bağlıdır.
Kamera tarafından görüntülenen kişiler çoğu zaman kamerayı satın alan kişiler değildir. Yapay zekâ destekli gözetim sistemleri komşuların, çalışanların, ziyaretçilerin ve yoldan geçenlerin mahremiyetini nasıl gözetmeli? Bilerek geliştirmemeyi tercih edeceğiniz özellikler var mı?
Kurulumun belirli bir amacı olmalı; neyin kaydedileceğini, neyin analiz edileceğini ve sonuçları kimin görebileceğini bu amaç belirlemelidir. Bir girişi güvence altına almak istemek, komşu mülkteki her faaliyetin aranabilir bir kaydın parçası hâline gelmesi gerektiği anlamına gelmez.
Çizdiğimiz sınırlardan biri kimlik konusu. Bunker biyometrik şablonlar oluşturmaz ve algıladığı hiç kimseyle kimlik bilgisi ilişkilendirmez. Bir kişinin kim olduğunu değil, ne olduğunu anlatır. Böylece sistem, insanları izlemeye veya profillemeye değil, olaylara odaklanır.
Daha fazla özellik, kendiliğinden daha fazla değer anlamına gelmez. Bir özellik, müşterinin açıkça tanımlanmış bir sorununu çözmeden ciddi bir güven sorununa yol açıyorsa, onu geliştirmemek için bir nedenimiz var demektir.
Önümüzdeki üç ila beş yıla baktığınızda, uç yapay zekânın günümüzdeki algılama ve arama özelliklerinin ötesinde hangi anlamlı olanakları sunmasını bekliyorsunuz? Yaygın biçimde benimsenmesini hak etmesi için hangi teknik sorunun veya güven sorununun çözülmesi gerekiyor?
Açıkçası yapay zekânın geleceği şu anda keşfedilmemiş bir alan ve kariyerim boyunca gördüğüm her şeyden daha hızlı ilerliyor. Bu değişimleri neredeyse her gün takip ediyor, platformumuzu kullanan kişilere gerçekten nerelerde fayda sağlayabileceklerini değerlendiriyoruz.
Bizim için en önemli alanlar bağlam, anlama ve öğrenmeye ve gelişmeye devam eden sistemler. Değer, bir dizi ayrı bildirimi bir araya getirip durmak yerine, birinin gelişmekte olan bir durumu anlamasına ve neyin dikkat gerektirdiğine karar vermesine yardımcı olmaktır.
Teknik açıdan zorluk, bunu değişen ortamlarda ve yerel donanımın sınırları içinde güvenilir biçimde yapmaktır. Güven açısından zorluk ise sistemin sınırlarını ve veri uygulamalarını kolay anlaşılır hâle getirmektir. İnsanların sistemin neyi gözlemlediğini, neler çıkarsadığını ve ne zaman kararın bir insan tarafından verilmesi gerektiğini bilmesi gerekir.
Harika röportaj için teşekkürler. Profesyonel güvenlik kameralarını, kayıt cihazlarını ve yapay zekâ destekli video gözetim sistemlerini incelemek isteyen okurlar IC Realtime sitesini ziyaret edebilir.












