Es gibt viele Arten von künstlicher Intelligenz, aber eine Form der KI, die leise im Hintergrund Wellen geschlagen hat, ist Computer Vision (CV).
Computer Vision analysiert Bilder und Videos und extrahiert nützliche Daten je nach Bedarf des Benutzers. Oder anders ausgedrückt, CV untersucht visuelle Daten mit der analytischen Herangehensweise des Menschen, aber in Computergeschwindigkeit. Aber es gibt einige unerwartete Möglichkeiten, wie Computer Vision verwendet wird, und einige, die Sie wahrscheinlich verwendet haben, ohne es überhaupt zu merken.
4 unerwartete Möglichkeiten, wie wir Computer Vision nutzen
Computer Vision nutzt maschinelles Lernen große Mengen an visuellen Daten schnell zu analysieren. Viele von uns nutzen CV bereits täglich, ohne groß darüber nachzudenken. Wussten Sie, dass Sie Computer Vision verwenden, wenn Sie Ihre Fotos nach Bildern von einem Hund oder einem Strand durchsuchen oder wenn Sie Ihr Telefon mit Gesichtserkennung entsperren?
Dies ist das öffentliche Gesicht von Computer Vision. Aber seine Verwendung wird immer weiter verbreitet, und einige dieser Verwendungen werden Sie vielleicht überraschen.
1. Inhaltsmoderation
Moderation von Inhalten ist ein heikles Thema voller Grauzonen. Während die Textmoderation ein relativ einfaches Konzept ist, bei dessen Moderation KI seit Jahren hilft, erfordert die Moderation von Videos und Bildern immer noch ein größeres Maß an menschlichem Input.
Nun mögen manche Leute denken, dass das Scrollen durch endlose Social-Media-Posts wie ein perfekter Job erscheint. Aber die Wahrheit ist ziemlich schockierend; das sind keine Bilder von Welpen und jemandes Jubiläumsessen. KI kann bereits schnell verifizieren, dass diese Bilder sicher sind.
Das bedeutet, dass die Art von Inhalten, die zu den Moderatoren durchdringen, Inhalte umfassen, die niemand, der bei klarem Verstand ist, jemals sehen möchte. Es gibt zahlreiche Berichte von Moderatoren mit PTBS. A Artikel der Harvard University bestätigte, dass Moderatoren erheblichen psychologischen Risiken ausgesetzt sind.
Derzeit kann die Rolle des Lebenslaufs bei der Inhaltsmoderation das menschliche Element nicht vollständig entfernen. Aber mit Social-Media-Plattformen finden Moderation eine praktisch unmögliche Aufgabe, Lebenslauf kann entlasten. Computer Vision wird bereits verwendet, um die Anzahl der Video-"Böslinge", die zu menschlichen Moderatoren durchdringen, erheblich zu reduzieren. Und was noch wichtiger ist, es kann dies nahezu in Echtzeit tun, wodurch das Risiko verringert wird, dass anstößige Inhalte die Augen der ahnungslosen Öffentlichkeit und hoffentlich auch der Moderatoren erreichen.
2. Phishing-Erkennung
Phishing-Angriffe können sowohl für Einzelpersonen als auch für Unternehmen verheerend sein. Leider ist der Prozess, Ihre Systeme und Daten vor Phishing-Angriffen zu schützen, ein andauerndes Wettrüsten zwischen Sicherheitsexperten und den bösen Akteuren hinter den Angriffen.
Eines der Probleme, mit denen Sicherheitssysteme konfrontiert sind, besteht darin, sich auf schwarze Listen zu verlassen, um die Quelle von Angriffen zu identifizieren. Dies ist eine reaktive Strategie. Das Problem bei reaktiven Strategien ist die Zeitverzögerung zwischen der Bedrohungserkennung und der Ergreifung geeigneter Maßnahmen. Diese Lücke wollen schlechte Akteure ausnutzen und ist die gleiche Lücke, die Computer Vision füllt.
CV wird allmählich als Echtzeit-Verteidigung gegen Phishing-Angriffe eingesetzt. Anstatt Blacklists zu verwenden, um potenzielle Angriffe zu identifizieren, verwendet CV visuelle Signale, um mögliche rote Flaggen zu identifizieren.
Einige der Methoden, die verwendet werden, um dies zu erreichen, sind unten aufgeführt:
- Identifizieren Sie gefälschte Websites
- Identifizieren Sie als Grafiken getarnte Auslösewörter
- Keyword-Padding und andere Textverschleierung
Obwohl traditionelle Sicherheitssysteme auf absehbare Zeit an vorderster Front bleiben werden, wird die Rolle von CV bei der Beseitigung dieser Mängel immer wichtiger.
Dies mag wie ein Curveball erscheinen, also lassen Sie uns erklären, warum dies wichtig ist.
Das Sportsponsoring ist riesig, mit Milliarden von Dollar, die jährlich für das Sponsoring von Teams, Veranstaltungen und Stadien ausgegeben werden. Dass so viel ausgegeben wird, liegt unter anderem daran, dass Sportsponsoring ein begeistertes Publikum für die Dauer einer Veranstaltung garantiert.
In einer Welt, in der Werbetreibende Ihre Aufmerksamkeit oft nur für ein paar Sekunden haben, während Sie durch Ihren Instagram-Feed scrollen, ist ein gefangenes Publikum für Vermarkter wie Goldstaub. Das Problem tritt auf, wenn versucht wird, die Effektivität einer Kampagne zu messen.
Im Gegensatz zu digitalen Kampagnen, bei denen die Leistung nahezu in Echtzeit präzise gemessen werden kann, wird der Erfolg von Sportsponsoring viel analoger gemessen. Da Milliarden von Dollar auf dem Spiel stehen, wollen Vermarkter verständlicherweise mehr Informationen darüber, was ihnen ihr Geld bringt.
Hier kommt Computer Vision ins Spiel. Beispielsweise würde ein Unternehmen, das für einen Rennwagen wirbt, Menschen einsetzen, um ein Rennen zu überwachen und die Bildschirmzeit zu zählen, die seine Werbung erreicht hat. Das war mühsam, zeitaufwändig und teuer. Aber jetzt verwenden viele Unternehmen CV, um diese Aufgabe zu erfüllen.
Darüber hinaus kann es verwendet werden, um den langfristigen Erfolg einer Kampagne zu überwachen. So kann beispielsweise ermittelt werden, wie oft ein Videoclip mit ihrem Logo auf Social-Media-Plattformen geteilt wurde.
4. Fälschungserkennung
Das Internet ist voll von Produktfälschungen. Viele davon werden von Drittanbietern auf ansonsten seriösen Plattformen verkauft. Diese Plattformen sind gesetzlich verpflichtet, sicherzustellen, dass die Qualität und Herkunft aller Produkte auf ihrer Plattform so sind, wie sie sein sollten.
Zum Beispiel im Jahr 2020, Amazon hat über zwei Millionen gefälschte Produkte vernichtet.
Die erfolgreiche Überwachung gefälschter Produkte war schon immer problematisch. Wieder einmal ist eines der Hauptprobleme die Zeit. Die Verzögerung zwischen der Auflistung und der Identifizierung eines Produkts als Betrug kann lang genug sein, damit der Täter Hunderte von Produkten versendet, das Geld genommen und verschwunden ist.
Dies ist die Schwachstelle, die CV verwendet wird, um sie zu stopfen. Es ermöglicht die Echtzeitanalyse von Produkten, die auf der Website einer Plattform aufgeführt sind. Darüber hinaus analysiert es verschiedene visuelle Komponenten, um potenziell gefälschte Produkte zu identifizieren. Diese beinhalten:
- Logoerkennung: Dadurch können Produkte mit illegal verwendeten Logos identifiziert werden (z. B. Sonnenbrillen mit dem Ferrari-Logo, die bei Amazon für ein paar Dollar verkauft werden). Oder minderwertige Logos, die die Tatsache verraten, dass diese billigen Nike-Turnschuhe möglicherweise nicht das sind, was sie zu sein scheinen.
- Bildanalyse: CV kann darauf trainiert werden, nach potenziellen roten Fahnen wie Farbunterschieden oder Kennzeichnungen zu suchen, die darauf hindeuten könnten, dass ein Produkt gefälscht ist.
- Objekterkennung: CV-Techniken können auch Objekte und Muster in Bildern oder Videos erkennen. Dies kann dazu beitragen, gefälschte Produkte zu identifizieren, die in irgendeiner Weise verändert oder modifiziert wurden, z. B. durch Änderung des Brandings oder der Etikettierung.
Der Fälschungsmarkt ist riesig und betrifft alle, vom Hersteller bis zum Endverbraucher. Der Einsatz von Computer Vision zur Erkennung von Fälschungen wird das Problem nicht beseitigen, ist aber ein großer Schritt in die richtige Richtung.
Die Zukunft klar sehen
Computer Vision ist eine sich schnell entwickelnde Technologie, die viel verspricht. Angetrieben von Faktoren wie dem Rennen um die Entwicklung der ersten wirklich selbstfahrenden Elektrofahrzeuge ist das Entwicklungstempo unerbittlich.
Es ist eine aufregende Technologie, die mit zunehmender Reife weitere neue und überraschende Anwendungen hervorbringen wird.
