卢玛纳（Lumana）联合创始人兼首席技术官奥菲尔·穆拉（Ofir Mulla）- 采访系列

奥菲尔·穆拉（Ofir Mulla），卢玛纳（Lumana）联合创始人兼首席技术官，拥有十多年的3D和计算机视觉技术深厚的专业知识，在编码光、立体和激光雷达模式方面进行了开创性和规模化的解决方案开发，并在软件、电气系统、机器人、人工智能和医疗设备等领域领导了跨学科的开发。在加入卢玛纳之前，他在英特尔公司工作了近15年，期间他设计了RealSense 3D平台，并领导了跨硬件、固件和系统架构的团队。

卢玛纳（Lumana）是一家高级视频安全和视觉智能公司，其平台通过利用人工智能来检测和响应现实世界中的事件（从未经授权的访问和安全违规到运营洞察），将现有的摄像头转化为智能、感知代理，使教育、政府、零售、制造和酒店业等领域的企业能够统一摄像头智能、自动化监控和解锁视频基础设施的可行分析。

您在英特尔的经历如何为您在卢玛纳的工作和创立公司做准备？

激光雷达技术是RealSense的核心部分，它是一种主动投射激光光来捕获世界的几何形状。这是一种美丽的编码光技术，由我们的英特尔工程师发明。几何感知对于移动物体（如机器人和汽车）至关重要，这就是为什么大多数机器人系统今天依赖于RealSense设备的原因。

但一个问题出现了：当传感器是静止的，导航和时间到影响不是主要任务时会发生什么？我们问自己，在这种情况下，哪种技术可以为用户提供最大的价值。

通过深入的讨论，我们意识到大多数现有的静态摄像头系统不能自然扩展。监控每个系统都很麻烦。与此同时，人工智能已经成熟到我们开始问：如何在客户现场提供一个经济的系统，能够提供最紧急、最可靠的安全响应来应对关键警报?

我们建立了一个强大的人工智能团队，迅速将这一愿景转化为一个可行的产品。这个洞察力很简单：移动车辆需要几何感知，但静态传感器，专注于监控行为而不是规划运动，更多地受益于高级视频分析，而不是显式几何重构。

RealSense之旅教会我，每个问题都需要自己的解决方案，真正的颠覆性创新需要创新。我的卢玛纳团队体现了这一原则：专业、创新、驱动。我们一起创建了一个现场、实时的系统，将云级性能带到边缘，经济、可扩展、响应迅速。

物理人工智能如何超越传统的视频分析，如物体检测和模式标记？

当我们谈论物理人工智能时，我们指的是一种不仅仅停留在感知，而是积极与现实世界交互的系统。传统的视频分析，如物体检测或模式标记，只是第一层。更深层次的挑战是接下来会发生什么：安排、跟踪、聚合、识别、检索、搜索和验证检测到的物体，并加速响应。它还包括启用基于文本的访问，甚至搜索系统最初未被训练来检测的物体。

所有这些都必须在一个紧凑、经济的计算设备中实现。这就是物理人工智能超越传统分析的地方：它将原始检测转化为可行的、可访问的智能。它不是关于发现物理定律，这是一个仍在辩论的科学追求，而是关于提供实际的、有效的方式来访问和作用于现实世界环境中的视觉和音频内容。

卢玛纳如何融合多个摄像头的数据，实时解释行为，并根据上下文和历史输入不断适应？

很好的问题。我们的一个核心技术支柱是现场系统的持续适应能力，通常被称为持续学习。你可以把它看作是一个随着环境的变化而演化的系统，随着时间的推移而改进。这一方法使我们能够以非常低的成本和异常的敏捷性交付高性能。

另一个关键支柱是我们的分层架构，它智能地只在需要时升级计算努力。这确保了复杂的操作能够获得所需的资源，而不会给整个系统带来负担。

这些原则共同形成了一个简单、有效、可扩展的平台，使用户能够以最低的成本体验强大的实时洞察和行为解释。

您能分享一下卢玛纳系统检测到暴力升级、安全边界违规或徘徊等事件的现实世界部署例子，并解释这些对安全或运营响应的影响吗？

卢玛纳在城市中的部署显示出明显的实时意识和响应的改善。在以色列的一个主要城市，该系统将现有的视频网络转化为一个智能的早期预警层，检测到限制区域的徘徊、人群异常、非工作时间入侵和异常运动。这导致了入室盗窃、破坏和高风险区域的干预减少。

美国的一个自治市在一个历史街区中也看到了类似的收益，该街区曾经苦于破坏、汽车入室盗窃、骚乱和徘徊。卢玛纳提供了持续的监控和即时警报，实现了主动巡逻和更快的响应。这导致了公共空间更加安全和运营浪费减少。

这些例子说明了实时检测行为（如徘徊和边界违规）如何加强公共安全和简化运营。

由于人工智能系统正在解释敏感的物理行为，卢玛纳的设计和部署过程中嵌入了哪些隐私保护措施？

卢玛纳技术和设计强调了强大的治理和最小的数据移动。尽可能在边缘处理，以限制暴露和加强隐私。访问受到明确的控制和审计跟踪的限制，因此团队可以遵循每个工作流程。系统保持视频本地，只共享必要的元数据，以支持受监管环境中的隐私期望。

这些保护措施确保敏感的视觉数据以负责任的方式处理，同时保持实时操作所需的性能。

是什么驱动了你们的混合云架构，它又如何支持实时处理和持续学习？

卢玛纳使用混合方法将现场系统的性能与云的灵活性相结合。边缘处理提供了本地的实时人工智能、存储和视频管理，减少了带宽需求并加强了隐私，同时仍然允许在需要时使用云来实现更广泛的协调或学习。

这种架构为用户提供了即时的响应能力，同时保持了通过持续适应跨站点来扩展和改进的能力。

自学习能力如何架构，并且它如何在多站点部署中随着时间的推移而改进？

我们的自学习能力架构围绕规模而构建。我们部署的站点越多，我们在边缘设备景观中获得的视野就越广泛。每个新环境都为系统提供了新的数据，扩大了系统可以学习的场景和场景的多样性。

我们的持续学习方法利用了集体知识。随着系统在部署中改进，在线训练的过程变得更加简单和高效。从实际角度来看，部署越广泛，适应越快、越准确，系统随着时间的推移在所有站点上不断改进。

您认为谁是您在这个领域的主要竞争对手或合作伙伴，卢玛纳有什么独特之处？

我们的真正独特之处在于我们的团队。卢玛纳背后是一支由杰出的工程师和创新者组成的团队，从我们的人工智能团队开始，得到了云专家、UX/UI设计师以及客户支持和销售团队的支持。虽然人工智能构成了我们技术的骨干，但真正驱动我们成功的是我们的团队。我们的团队的创造力、专业精神和奉献精神使卢玛纳与众不同，无论是在竞争还是合作中。

卢玛纳强调“大胆思考”、“以客户为先”、“团结一致”和“掌握你的手艺”。您如何在招聘、产品开发和日常生活中体现这些价值观？

我们聘用创新者，他们大胆思考，解决问题，合作，致力于成长。

产品团队开发具有雄心壮志的可扩展人工智能，通过客户反馈迭代，促进协作工作，努力追求卓越。

日常运营使用敏捷方法来实现大胆的想法，优先考虑客户需求，建立团队凝聚力，支持专业发展。

这些做法驱动了创新、客户成功和人工智能视频安全领域的影响。

展望未来五年，您如何看待卢玛纳在更广泛的人工智能生态系统中的角色演变，以及您希望物理人工智能对安全、制造和智能城市等行业产生什么样的影响？

展望未来五年，我们看到卢玛纳在各个行业中作为实用物理人工智能的关键驱动力的角色不断演变。虽然解开物理定律的基本法则仍然是一个科学谜团，但我们的重点是客户价值，开发工具让组织能够更好地监控和响应周围的世界，跨越任何应用程序。

我们已经与医疗中心建立了长期的合作关系，并正在探索扩展到移动平台（如机器人和运输）的可能性。随着我们成长和扩张，我们也打算投资更多的基本研究问题：人工智能是否可以揭示自然中的更深层次的模式，或者帮助我们构建新的关于物理定律的理论？像时间的维度这样的概念是否可以通过学习系统来阐明？

我们的雄心壮志是推动安全、制造和智能城市等领域的影响，同时保持对更广阔视野的关注，推动人工智能最终可以帮助我们发现的界限。

感谢这次精彩的采访，希望了解更多的读者可以访问卢玛纳（Lumana）。