This post is also available in:
English (אנגלית)
ערים מייצרות מדי יום כמויות אדירות של וידאו תנועתי, אך רק חלק זעיר ממנו נבחן בפועל. עבור רשויות תחבורה, הבעיה אינה מחסור במידע — אלא חוסר היכולת לעבד אותו במהירות מספקת כדי לזהות סכנות לפני שהן מובילות לתאונות קשות. מערכת חדשה המונעת בבינה מלאכותית, שפותחה בבית הספר להנדסה טנדון של אוניברסיטת ניו יורק, מבקשת לגשר על הפער הזה באמצעות זיהוי אוטומטי של התנגשות ו"כמעט־תאונות" בצילומים קיימים — פתרון הניתן להרחבה בלי התקנת חיישנים חדשים או תגבור כוח אדם.
על פי דיווח של TechXplore, המערכת, הקרויה SeeUnsafe, משלבת הבנת תמונה עם הסקת מסקנות בשפה טבעית כדי לנתח וידאו תנועתי ארוך. במקום להסתמך על מאגרי נתונים מתויגים ידנית או על מודלים הדורשים התאמה לכל מיקום, המערכת משתמשת במודלים מולטימודליים גדולים ומאומנים מראש, המסוגלים לפרש הן תמונות והן תיאורים טקסטואליים. כך היא יכולה לסווג אירועים — למשל רכב שעובר קרוב מדי להולך רגל או התנגשות בין מכוניות — על בסיס הבנה הקשרית, ולא רק על בסיס תנועה.
בניסויים, SeeUnsafe הצליחה להבחין בין תאונות, כמעט־תאונות ותנועה רגילה בדיוק של כ־77%, והגיעה לדיוק של עד 87.5% בזיהוי משתמשי הדרך המעורבים. תובנות אלו מאפשרות לרשויות לזהות צמתים מסוכנים, תכנון כביש בעייתי או דפוסי סיכון חוזרים — בטרם יתרחשו אירועים חמורים. עבור ערים עם אלפי מצלמות, אוטומציה של ניתוח זה עשויה לשנות את אופן התכנון והיישום של התערבויות בטיחות.
מעבר לניהול תנועה אזרחית, מערכות דומות עשויות לתמוך בפעילות ביטחון והגנה, שם יש צורך בניטור רציף של אזורים גדולים והתרעה על התנהגות חריגה. ניתוח אוטומטי של וידאו יכול לסייע בהגנת היקף, בליווי שיירות או בזיהוי מהיר של איומים — משימות שתלויות כיום במפעילים אנושיים המתקשים להתמודד עם עומסי מידע גדולים.
SeeUnsafe מייצרת גם דוחות בשפה טבעית המסבירים את החלטותיה, ומציינת תנאים רלוונטיים כמו מזג אוויר, תאורה, עומס תנועה והתנועות הספציפיות שהובילו לסיווג האירוע. אמנם המערכת עדיין מתקשה בסביבות חשוכות ותלויה ביכולתה לעקוב אחר אובייקטים בצורה עקבית, היא מדגימה כיצד בינה מלאכותית יכולה להתחיל "להבין" את הדינמיקה של מצבים בעלי חשיבות בטיחותית גבוהה.
בהמשך הדרך, החוקרים צופים שהגישה תתרחב גם למצלמות בתוך הרכב, ותאפשר זיהוי סיכונים פרו-אקטיבי מנקודת מבטו של הנהג. ככל שמערכות עירוניות הופכות מורכבות יותר, כלים כמו SeeUnsafe עשויים לספק לרשויות אזרחיות ולארגוני ביטחון דרך להפוך מאגרי וידאו עצומים למודיעין בטיחותי שניתן לפעול לפיו.
המחקר פורסם כאן.
