Steve Novakovich 是加勒特金属探测器（Garrett Metal Detectors）的CEO，该公司是位于德克萨斯州加兰（Garland, TX）的全球领先的金属探测产品供应商，主要为全球安全和执法应用提供服务。自2018年加入加勒特公司以来，Steve一直在公司的安全产品和软件的创新方面发挥着领导作用，包括引领公司在人工智能应用方面的深思熟虑的努力，遵循加勒特公司的企业人工智能使用政策（Garrett’s corporate AI Use Policy）。
每天，数百万人通过机场、学校、音乐会场馆、法院和办公大楼的金属检测门。绝大多数人几乎不会多想这一过程或这些设备作为他们自身安全的重要防火墙的事实。当检测器发出蜂鸣声时，通常被视为一个小小的麻烦或延迟 – 一旦原因得到解决，大家就会继续他们的日程。我们生活在一个面临日益增长的安全紧张、人群增长和不幸事件增多的世界。这一现象的必然结果是安全行业面临着前所未有的技术需求，不仅要在威胁发生后介入，还要成为预测性、主动的安全屏障。在简单的通过金属检测器的过程背后，可能会让你惊讶的是，一场技术革命正在安全领域展开。人工智能和机器学习正在重塑整个金属检测的构造，使其比以往任何时候都更快、更智能、更精确。平衡精度和需求让我们从行业的鸟瞰图开始。由前面提到的因素驱动，全球安全筛查市场正在蓬勃发展。专家估计，金属检测和筛查安全领域预计将达到 几乎10亿美元2028年，主要由日益增长的公共安全问题和不断增加的乘客量驱动。机场、体育场、竞技场和学校仍然面临着巨大的压力，需要在不损害安全性的情况下快速移动人员。安全专业人员面临的难题是，在确保安全的彻底性和便利性、效率之间取得平衡。我们经常讨论如何 二次筛查可以填补空白，但现实是，当你面对成千上万的旅行者或观众时，你根本无法打开每个包。在同一时间，错过一个威胁可能是致命的。这一动态使整个系统 – 从制造商到管理人员再到现场工作人员 – 都陷入了真正的困境。现在，让我们更仔细地看看这项技术如何在历史上发挥作用。传统的基于电磁感应的金属检测器已经成为可靠的工作马，能够以可接受的速度处理大量人员。例如，Garrett 的金属检测器已经成为全球行业标准超过 40 年，自 1984 年洛杉矶夏季奥运会上我们被委托创建第一个金属检测器 – MagnaScanner 以来。尽管这些检测器在技术进步方面可能被认为是“传统”的，但它们仍然是市场上最 成本效益高、性能高、稳定性高 的安全解决方案。问题在于它们传统上缺乏区分腰带扣和武器的智能，这导致了二次筛查过程 – 以及前面提到的延迟。这些虚假警报可能会导致安全人员的人为疲劳，从而可能损害他们监控过程的有效性 – 这可能会导致没有人想要的后果。这正是人工智能和机器学习介入的地方。检测背后的数据在其核心，人工智能将金属检测从反应过程转变为预测过程。与其仅仅在检测到金属时发出警报，人工智能驱动的武器检测系统现在可以使用复杂的信号模式识别分析金属物体的形状、密度和位置。我们正在使用人工智能来实现金属检测技术以前无法实现的功能水平。安全筛查领域的一些声音认为金属检测技术已经过时，但他们忽略了金属检测技术近年来的巨大进步。通过将这些机器学习的进步应用于金属检测技术，特别是在产品开发中，金属检测器能够实现以前认为不可能的精度。在 Garrett，我们使用人工智能开发了一个使用机器学习的先进专有检测平台，用于我们的 Paragon 行走式金属检测器，这是世界上最广泛使用的行走式检测器之一。这些机器学习算法可以识别日常物品（如电话或钥匙）和潜在危险物品（如刀或枪）之间的细微差异。当你走过一个增强了人工智能的检测器时，它不仅仅是在寻找金属...
