هوش مصنوعی چگونه به ارتقاء امنیت کمک خواهد کرد؟
تاریخ انتشار: ۲۲ اسفند ۱۴۰۱ | کد خبر: ۳۷۳۱۵۲۹۷
تشخیص پلاک خودروها در دوربین های بهره مند از هوش مصنوعی با استفاده از تبدیل اعداد و پلاک ها به داده های دیجیتال انجام می شود. فناوری هایی مانند DeepInsights انواع تکنولوژی هایی هستند که با بهره گیری از هوش مصنوعی به این دوربین ها کمک می کنند. ---------------- رپرتاژ آگهی -----------------
هوش مصنوعی بخشی از علم کامپیوتر است که این روزها بیش از پیش در زمینه های مختلفی از زندگی انسان ورود پیدا کرده است و به بهبود کیفیت عملکرد ماشین آلات در بخش های مختلف کمک می کند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
دوربین خودرو و نیز دوربین مدار بسته پلاک خوان یکی از انواع این دوربین ها هستند که از هوش مصنوعی برای تحلیل اطلاعات در جهت بالا بردن امنیت بهره می برند. تشخیص پلاک خودروها در دوربین های بهره مند از هوش مصنوعی با استفاده از تبدیل اعداد و پلاک ها به داده های دیجیتال انجام می شود. فناوری هایی مانند DeepInsights انواع تکنولوژی هایی هستند که با بهره گیری از هوش مصنوعی به این دوربین ها کمک می کنند. اگر شما هم از علاقه مندان به تکنولوژی هوش مصنوعی و نیز دوربین های امنیتی هستید، در ادامه این مقاله با آشنایی با این فناوری با ما همراه باشید. هم چنین برترین دوربین های پلاک خوان را می توانید در سایت دوربین مارکت مشاهده کنید.
هوش مصنوعی چیست؟
هوش مصنوعی یا AI که مخفف عبارت Artificial Intelligence می باشد، فناوری ای مرتبط با کامپیوتر است که بر ساخت دسته ای از ماشین های هوشمند تمرکز دارد؛ این ماشین ها برای انجام وظایف خاصی در حیطه های مختلف طراحی شده اند و از این طریق دقت و سرعت در عملکرد های متنوع را بهبود می بخشند. هوش مصنوعی در رقابت با هوش انسانی، در موارد زیادی جایگزین انسان شده است و به نظر می رسد در آینده نزدیک حتی بیش از این هم این فناوری زندگی انسان را احاطه کند. Machine Learning (ML) یا "یادگیری ماشین"، که در آن برنامه های کامپیوتری به طور خودکار تحلیل یک سری از داده ها را یاد گرفته و بدون کمک انسان تطبیق می دهند و هم چنین Deep Learning یا "یادگیری عمیق" که نوعی از یادگیری ماشین با داده های عظیم می باشد، انواع پرکاربرد هوش مصنوعی در زمینه های مختلف و مهم تر از همه در بهبود امنیت انسان ها هستند. پیش از پرداختن به کاربردهای هوش مصنوعی در دوربین های پلاک خوان، ابتدا بهتر است کمی با این دوربین ها آشنا شویم.
دوربین پلاک خوان
امنیت انسان ها در گشت و گذار های شهری و جاده ای تا حد زیادی به تامین ایمنی تردد خودروها بستگی دارد. دوربین های پلاک خوان و نیز دوربین های ثبت وقایع خودرو، راه حل های تکنولوژی برای تامین امنیت رانندگان، سرنشینان و خودروها می باشند. دوربین پلاک خوان یا دوربین های LPR دسته ای از دوربین های امنیتی مداربسته هستند که برای شناسایی و خواندن پلاک خودروها به کار می روند.
چه خودرو با سرعت زیاد در حال حرکت باشد و چه در حال توقف، این دوربین ها با تشخیص اعداد پلاک و انتقال این تصاویر برای تجزیه و تحلیل اطلاعات در موارد زیادی به امنیت در سطح شهر و یا کلیه فضاهای تردد خودرو کمک می کنند. برای خرید دوربین ثبت وقایع خودرو و نیز دوربین پلاک خوان می توانید مدل های متنوعی از این دوربین ها را در سایت دوربین مارکت مشاهده کرده و ثبت سفارش خود را انجام دهید.
دوربین پلاک خوان چگونه از هوش مصنوعی استفاده می کند؟
همان طور که اشاره کردیم هوش مصنوعی، کاربرد گسترده ای در دوربین های امنیتی از جمله دوربین پلاک خوان دارد. به طور کلی این دوربین ها برای شناسایی دقیق پلاک خودروها و نیز تحلیل بعدی اطلاعات توسط نرم افزارهای خاص به هوش مصنوعی متکی هستند. دوربین های LPR با استفاده از هوش مصنوعی، اعداد و حروف پلاک ها را استخراج می کنند؛ به این صورت که این دوربین ها علاوه بر شناسایی و ثبت تصاویر، به افراد و مراجع امنیتی در جست و جو میان فیلم و عکس ها و تبدیل آن به خروجی داده های دیجیتال کمک می کنند.
هنگامی که این دوربین ها به فناوری های پیشرفته تری مانند DeepInsights مجهز شوند، حتی می توانند از روی پلاک، تمامی مشخصات خودرو مانند مدل، سال و حتی رنگ خودرو را ثبت کنند. سازمان ها و نهادهای امنیتی از این فناوری های دوربین پلاک خوان برای برقراری نظم و امنیت، شناسایی و دستگیری مجرمان و متخلفان و نیز حل معضلات ترافیکی بهره می برند. به طور کلی الگوریتم های هوش مصنوعی در بسیاری از موارد کوچک و بزرگ به دوربین های پلاک خوان برای عملکرد بهتر کمک می کنند که در ادامه برخی از این مزایای مهم را نام می بریم.
قابلیت های انعطاف پذیر
تطبیق پذیری و انعطاف یکی از ویژگی های اصلی هوش مصنوعی در ماشین آلات و دستگاه های مختلف است؛ زیرا راه حل های یکسان برای کاربردهای مختلف پاسخگو نخواهند بود و نیاز به تغییر فاکتورها برای رسیدن به راه حل هر چالش دارند. شرکت های معتبر جهانی با طراحی فناوری های هوش مصنوعی به صورتی انعطاف پذیر و برنامه پذیر کردن آن بر اساس شرایط مختلف، به نیازهای گسترده تری برای طیف بیشتری از افراد و نیز موقعیت ها پاسخ داده اند. این قابلیت های منعطف باعث شده است که محبوبیت دوربین هایی که از فناوری هوش مصنوعی بهره می برند، بیش از پیش در میان مردم افزایش پیدا کند.
حل معضلات ترافیکی
چه یک بزرگراه پر تردد در یک شهر شلوغ باشد و چه یک جاده کم عبور بین دو شهر دورافتاده، نیاز به امنیت یکسان است و هر دو این محیط ها به برقراری ایمنی و نظم نیاز دارند. دوربین های پلاک خوان بزرگ ترین مرجع پلیس و دیگر نهادهای امنیتی برای کنترل تردد و ایجاد نظم هستند که با بهره گیری از فناوری های به روزی مانند هوش مصنوعی، به صورتی دقیق تر و هدفندتر به حل معضلات ترافیکی کمک می کنند.
انتخاب بهترین مدل های دوربین پلاک خوان در ایران
حال که فناوری های نوین و نیز کاربردهای هوش مصنوعی در دوربین های پلاک خوان را شناختیم، به موضوع انتخاب این دوربین ها برای نیازهای امنیتی خود برخورد می کنیم. برای انتخاب این دوربین های پیشرفته، نکته مهم و اساسی، انتخاب این دوربین ها از یک فروشگاه حضوری و یا اینترنتی معتبر تجهیزات امنیتی می باشد؛ این مجموعه ها که دوربین مارکت یکی از آنهاست، برندهای اورجینال و با کیفیت دوربین پلاک خوان را با مناسب ترین قیمت های موجود در بازار و هم چنین گارانتی معتبر به مشتریان ارائه می کنند.
یکی از بهترین مدل های دوربین پلاک خوان که با شرایط امنیتی در کشور ما منطبق می باشد، دوربین مدار بسته پلاک خوان AT می باشد که برای عملیات پلاک خوانی طراحی شده است و قادر است در شرایط آب و هوایی مختلف (آفتابی ،ابری ،بارانی، برفی، مه و ..) و تا سرعت 100 کیلومتر در ساعت حتی در تاریکی شب پلاک خودرو را به صورت واضح ثبت کند. برای مشاهده این دوربین و انواع دیگری از دوربین های مرتبط با امنیت خودرو و مسیرهای تردد آن، می توانید سایت دوربین مارکت به آدرس www.Doorbinmarket.com را ملاحظه نمایید.
منبع: ايتنا
کلیدواژه: رپرتاژ دوربین های پلاک خوان دوربین پلاک خوان هوش مصنوعی هوش مصنوعی هوش مصنوعی هوش مصنوعی دوربین ها دوربین مارکت پلاک خودروها نیز دوربین کمک می کنند پلاک خودرو داده ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.itna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ايتنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۳۱۵۲۹۷ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
چالشهای زیستمحیطی در توسعه هوش مصنوعی
هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آنها بهخوبی میدانند که چنین فناوری میتواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااینحال، در پشتصحنه چنین تکنولوژی، چالشهای مهمی نهفته است که میتوانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحرانهای جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانیها در مورد بهکارگیری بیرویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکردهای متفاوتی برای حل این معضل پیشنهاد میدهند.
دیتاسنترهای (Data centers) توسعهیافته توسط غولهای فناوری مانند آلفابت، مایکروسافت و آمازون که بهمنظور ارائه خدمات ابری استفاده میشوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص دادهاند. همچنین این شرکتها همزمان با افزایش میزان کارکرد سیستمها، بهرهوری انرژی را در این مراکز بهبود بخشیدهاند و با سرمایهگذاری عظیم در بحث انرژیهای پاک، اثرات زیستمحیطی دستگاههای خود را کاهش دادهاند. البته لازم به ذکر است که تلاشهای این شرکتها برای تقویت سیستمها و بهرهوری مفید انرژی همچنان ادامه دارد.
هوش مصنوعی
بااینحال، ظهور هوش مصنوعی مولد چالشهای جدیدی را ایجاد کرده است. برای مثال، پردازشگرهای گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف میکنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجارهدهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف میکرد، درحالیکه این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش مییابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاهها نیست و سیستمهای خنککننده نیز برای رکهای GPUها به انرژی قابلتوجهی نیازمندند. همچنین استفاده از مدلهای زبانی مانند GPT-۴ در زمینههای گوناگون، از تحقیقات گرفته تا فعالیتهای خلاقانه تولید محتوا، میتوانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT میتواند ۱۰ برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)
آژانس بینالمللی انرژی میگوید میزان مصرف انرژی دیتاسنترها تا سال ۲۰۲۶ ممکن است به ۲ برابر میزان دو سال پیش افزایش یابد و انتظار میرود که طی این بازه زمانی، این دستگاهها یکسوم مصرف انرژی ایالاتمتحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفتگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنترهای هوش مصنوعی میتوانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستمها حدود ۴ درصد یا کمتر است.
پیچیدگیهای مصرف انرژی در آمریکا
ظهور هوش مصنوعی مولد همزمان با ایجاد فرصتهای اقتصادی متعدد، مصرف انرژی بالایی را هم میطلبد؛ درحالیکه کاربران و سرمایهداران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخشها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان میخواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگاههایشان جستجو میکنند.
از طرفی، گسترش شبکهها دیگر چالش پیشروی کمپانیهاست. علیرغم حمایت کاخ سفید، ساخت سریع ظرفیتهای تجدیدپذیر جدید برای شرکتها آسان نیست و آنها از مشکلات متعددی در زنجیره تأمین رنج میبرند. طبق برخی محاسبات، تحویل ترانسفورماتورها سه سال طول میکشد و همینطور افزایش هزینه پروژههای بادی و خورشیدی، تأمین مالی آنها را دشوار ساخته است.
چه باید کرد؟
شکی نیست که ادامه وضعیت فعلی، بحرانهای زیستمحیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حالحاضر به راهکارهای نوآورانه و خلاق نیاز دارد. یکی از رویکردهای احتمالی، بهبود بهرهوری پردازشگرهای گرافیکی است. درحالحاضر انویدیا بهعنوان تأمینکننده عمده قطعات در این زمینه، ادعا کرده که بهرهوری لازم را در جدیدترین سرورهای هوشمصنوعی خود اعمال کرده است و این روند را ادامه میدهد. بااینحال، ساخت تراشههای کارآمدتر میتواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند.
«آرون دنمن» از شرکت Bain، پیشنهاد میکند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکتهای حوزه برق جهت رفع محدودیتهای این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمانهای اوج مصرف، از الزام بهرهمندی از نیروگاههای پشتیبان آماده گفت. بااینحال، این نیروگاهها احتمالاً با گاز طبیعی کار میکنند که با اهداف زیستمحیطی شرکتهای بزرگ در تضاد است.
کمبود احتمالی انرژیهای تجدیدپذیر هزینههایی را بههمراه خواهد داشت. علیرغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم میدانند که حضور پردازشگرهای گرافیکی سدی بزرگ در بهرهوری انرژی محسوب میشوند. اگر هزینههای انرژی افزایش یابد، توسعه هوش مصنوعی و فناوریهای نوین نیز با اختلال روبهرو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، بهکارگیری شکافت هستهای را بهعنوان یکی از راههای تأمین انرژی مصرفی سیستمهای هوش مصنوعی در سر دارند. بااینحال، باید منتظر ماند و دید که مسیر توسعه انرژیهای تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد بهعنوان یک فناوری کاربردی چگونه خواهد بود.
منبع: دیجیاتو
باشگاه خبرنگاران جوان علمی پزشکی فناوری