Physische Sicherheit ist eine universelle Anforderung für alle Unternehmen, die allein in den USA schätzungsweise 85 Millionen Sicherheitskameras einsetzen, um ihre Räumlichkeiten vor Bedrohungen und Kriminalität zu überwachen.  Doch fast alle Exabytes an Videodaten, die von diesen Kameras erzeugt werden, erfüllen keinen Zweck: Sie übersteigen die Aufmerksamkeitsfähigkeit der Menschen, sie zu betrachten, bei weitem.  Tatsächlich zeigen Experimente, dass selbst engagiertes Personal Bedrohungen oder illegales Verhalten nicht effektiv erkennen kann, wenn es im Laufe der Zeit mehrere Bildschirme gleichzeitig betrachtet.  Die meisten Überwachungsaufnahmen werden ungesehen gelöscht.

Dies und viele andere Gründe sind der Grund, warum wir uns geehrt fühlen, die Serie A von Coram AI zu leiten, einer KI-gestützten Videosicherheits- und Überwachungsplattform, die von zwei versierten Technologen im Bereich Video-KI, Ashesh Jain und Peter Ondruska, gegründet wurde.

Video-KI ermöglicht es Unternehmen, hinter jeder Kamera einen aufmerksamen Wachhund zu drastisch geringeren Kosten und größerer Wachsamkeit als das menschliche Äquivalent zu installieren. Die gleichen Fortschritte, die das maschinelle Verständnis von Text und Bildern verändert haben, werden auf Videodaten angewendet, mit ähnlich bemerkenswerten Ergebnissen: Es ist jetzt möglich, Videodatensätze in natürlicher Sprache abzufragen und in Sekundenschnelle passende Clips zu finden, für deren Identifizierung Menschen Stunden gebraucht hätten. Aufforderungen wie "Zeige mir, wann zwei Personen eine Kiste in einem Umkreis von einem Gabelstapler getragen haben" oder "Verfolgen Sie den Weg, den eine Person mit einem gelben Rucksack gestern in diesem Gebäude gegangen ist" sind jetzt verständliche Aufforderungen für Video-KI-Modelle.

Dies macht nicht nur bestehende Überwachungskameras viel effektiver, sondern kann gleichzeitig die Privatsphäre und die Abdeckung verbessern: KI-Agenten können so trainiert werden, dass sie nur Bedrohungen und problematisches Verhalten auf viel mehr Endpunkten identifizieren.

Das ist in der Theorie toll, aber die Ausführung gestaltet sich deutlich schwieriger.  Die Videoverarbeitung in großem Maßstab mit Dutzenden von Kameras oder mehr ist rechenintensiv und verschärft die potenziell teuren Rechenanforderungen der KI-Modelle selbst.  Falsch positive und falsch negative Ergebnisse sind gefährlich und können die Privatsphäre bedrohen, daher sind Präzision und geringe Latenz unerlässlich.  Es gibt Dutzende von Herstellern von Überwachungskameras mit inkompatiblen Signaltypen und technischen Spezifikationen, und viele Unternehmen haben bereits Implementierungen von Kameras von Drittanbietern, an denen sie nicht herumfummeln oder sie neu implementieren möchten.  Diese und andere Herausforderungen verwirren das Potenzial von Video-KI – und hier kommt Coram ins Spiel.

Ashesh und Peter erkannten, dass der riesige horizontale Markt für KI-gestützte Videosicherheit nur mit kostengünstigen, verbrauchergerechten Lösungen erschlossen werden konnte, die mit bestehenden Kameras funktionierten und die Präzision ihrer Erkennungen kontinuierlich verbesserten.  Ausgebildet im anspruchsvollen Bereich der selbstfahrenden Fahrzeuge bei Lyft, wo Sensordaten mit mehreren Modellen und Computer Vision in Echtzeit integriert werden müssen, kombinierten die beiden Gründer ihr akademisches Verständnis von maschinellem Lernen und Videoverarbeitung mit Pragmatismus in Bezug auf Standardhardware und Kameras.  Innerhalb kurzer Zeit nach der Gründung sind sie mit einer kommerziell überzeugenden Plattform auf den Markt gekommen, der bereits viele Unternehmen und Schulen vertrauen, um ihre Räumlichkeiten zu schützen.

So groß dieser Markt auch ist, die Zukunft birgt erhebliches Expansionspotenzial.  Industrielle und ergonomische Sicherheit stehen in engem Zusammenhang mit physischer Sicherheit.  Spezielle Erkennungen können mit Zutrittskontrollsystemen verbunden werden, und die Technologie kann Echtzeitwarnungen an die Strafverfolgungsbehörden über Diebstahl oder Einbruch oder an Standortleiter senden, wenn Sicherheitsrisiken entdeckt werden.  Videomodelle können erweitert werden, um andere Sensordaten für die Leck-, Temperatur- oder Raucherkennung zu integrieren.  Betriebliche Metriken wie Raumnutzung, Kundenverkehr und Anwesenheit können zu den Erkennungen hinzugefügt werden, die über eine einzige Schnittstelle verwaltet werden können.

Wir glauben, dass diese Art von Funktionen die Videoüberwachung von einem reinen Abschreckungs- oder passiven Dokumentar zu einem operativen Echtzeit-Input machen wird.  Wir sind stolz darauf, mit einem Unternehmen zusammenzuarbeiten, das an der Spitze Partner , wenn es darum geht, unsere Welt auf eine Weise sicherer und effizienter zu machen, die die Privatsphäre schützt.