Kui kaupmees teatab nutikate kaamerate kasutuselevõtust, ei esita meeskond harva tehnilist küsimust. Pigem küsitakse: „Kas see hakkab jälgima just mind?“. Küsimus on õigustatud ja müügibrošüür sellele ei vasta. Et teada saada, mida pilditöötlus-tehisintellekt poes tegelikult analüüsib, on kõige lihtsam järgida pildi teekonda kaamerast teavituseni, märkides teel üles kõik, mida mudel ignoreerib.
Videoanalüütika on kaubanduses muide siiani vähe levinud. ECR Retail Lossi uuringus videoanalüütika kohta kaubanduses, mis viidi 2024. aastal läbi 70 jaemüüja seas (valdavalt Euroopa ja Põhja-Ameerika ettevõtted), ei ületanud kaardistatud analüüsilahenduste keskmine kasutusmäär 10% ning müügisaalis langes see 4%-ni. Kuna sektoris puudub üksmeel, pakub sama aruanne videoanalüütikale töödefinitsiooni: süsteem, mis tõlgendab pilte automaatselt, et saada selgelt määratletud ja kasutatavaid tulemusi. Kõik järgnev mahub nende kahe sõna sisse.
Mida tähendab „näha“ pilditöötlus-tehisintellekti jaoks
Kaamera edastab pildijada. Mudel ei „mõista“ stseeni nii, nagu seda teeks osakonnatöötaja: ta võrdleb käte asendeid, esemeid ja liikumisi õpitud kategooriatega. Kui nähtu sobib piisavalt hästi mõne kategooriaga, loob ta sündmuse: liigutuse tüüp, tsoon, kellaaeg, lühike videolõik. Midagi enamat mitte.
Kõik sõltub siis pildi teravusest. Madala eraldusvõimega voos väheneb käsi, mis libistab žileti jakitaskusse, mõne hägusa piksli suuruseks, mistõttu on mõistlik kasutada videoanalüüsi kõrge eraldusvõimega põhivoost. Oxania puhul töödeldakse seda põhivoogu poes asuval spetsiaalsel GPU-l: tuvastus toimub kohapeal, kaamerate voog ei lahku objektilt ning säilitatakse vaid teavitusega seotud lõigud, mis asuvad kliendi riigile võimalikult lähedal asuvates serverites.
Piiratud liigutuste sõnavara, mitte pilk inimestele
Kahjude ennetamisel töötab liigutuste tuvastamise mudel lõpliku kategooriate loendiga. Vargusega seoses leiab tavaliselt järgmist:
- eseme peitmine taskusse, riietuse alla või isiklikku kotti;
- toote asetamine seljakotti, käekotti või kotti, mille laad on ebaselge;
- pakendi avamine enne kassast läbimist;
- kohapeal tarbimine, st tasumata toote joomine või söömine;
- kontekstielemendid, nagu ostukäru, lapsevanker või kauplusekott, mis aitavad stseeni lugeda.
Mõned süsteemid lisavad kukkumisteavituse, mis on kasulik pigem klientide ja meeskonna ohutuse kui kauba jaoks. Ükski neist kategooriatest ei ütle, kes pildil on. Riskiga liigutuste tuvastamine keskendub tegevusele kindlal hetkel kindlas tsoonis.
Mida tehisintellekt ei tee
Välistuste loend on sama oluline kui tuvastuste oma ja just see rahustab meeskondi sageli kõige rohkem. Selles raamistikus loodud liigutuste analüüsi tehisintellekt:
- ei tuvasta kedagi: ei mingit näotuvastust, nimesid ega isikute andmebaasi;
- ei jälgi üksikisikut ühest vahekäigust teise ega ühest külastusest järgmisse;
- ei koosta profiili: ei vanuse, päritolu ega „riskantse“ riietuse põhjal. Statistikat loetakse tsooni ja ajavahemiku, mitte inimese kaupa;
- ei hinda kavatsust: riskiga liigutus ei ole õigusrikkumine, vaid olukord, mis väärib inimese pilku;
- ei mõõda töötajate tööd: ükski kategooria ei puuduta tootlikkust, pause ega protseduuride järgimist.
Nii kitsa ulatuse korral on tööriista kasutust lihtne selgitada. Ühe lausega saab müüjale ja kliendile öelda, mis teavituse käivitab, ning just see teebki selle vastuvõetavaks.
Teavitus ei ole otsus: otsustab ikka inimene
Mudel eksib vahel. Võtame kliendi, kes paneb prillid taskusse just pärast kohvipaki haaramist: masina jaoks sarnaneb stseen peitmisega. Teavitust tuleb seetõttu käsitleda kui meeskonnale esitatud küsimust, mitte kunagi kui järeldust.
Euroopa tehisintellekti määrus nimetab oma artiklis 14 inimjärelevalve kohta lõksu otse: automatiseerimise kallutatus, see kalduvus usaldada masina tulemusi automaatselt või liigselt. Määrus nõuab, et järelevalvet teostavatel isikutel oleks võimalik süsteemi tulemust ignoreerida, tühistada või muuta. Tekst käsitleb kõrge riskiga süsteeme, kuid miski ei takista rakendamast sama distsipliini igale riskiga liigutuste tuvastamise tööriistale.
Praktikas vaatab teavituse saaja lõiku ja valib: mitte midagi teha, minna vahekäiku, pakkuda kliendile abi või, kui olukord on kinnitust leidnud, pöörduda ametiasutuste poole. Turvatöötajad ja tehisintellekt töötavad koos lihtsa reegli järgi: tehnoloogia tuvastab, inimene otsustab.
Läbipaistvus klientide ja töötajate suhtes
OECD tehisintellekti põhimõtted, mis võeti vastu 2019. aastal ja mida uuendati 2024. aasta mais, loevad läbipaistvuse, selgitatavuse ja vastutuse usaldusväärse tehisintellekti viie põhimõtte hulka. Poes tähendab see mõnda konkreetset harjumust:
- Selgitada enne paigaldamist. Näidata meeskondadele, mida tuvastatakse, mida mitte ja kes teavitusi saab. Kaasata töötajate esindajad, kui see on ette nähtud.
- Kirjutada üles kasutusreegel. Tööriist on mõeldud kahjude piiramiseks ja inimeste kaitsmiseks, mitte töötajate hindamiseks: parem see must valgel kirja panna.
- Teavitada kliente. Sissepääsu juures teavitamine on ettevõtja ülesanne, nagu ka olemasoleva kaamerasüsteemi puhul. Loetav silt ja lühike kättesaadav selgitus piisavad sageli, et hajutada muresid.
- Õpetada teavitusi lugema. Kontrollida lõiku, jääda viisakaks, mitte kunagi pöörduda kellegi poole ainult teavituse põhjal.
- Teha regulaarselt kokkuvõtteid. Vaadata üle kõrvale jäetud teavitused, kohandada kaetud tsoone, jagada õpitut meeskonnaga.
Hästi kasutusele võetuna sarnaneb pilditöötlus-tehisintellekt vähem kohtumõistvale silmale kui väga piiratud sõnavaraga kolleegile: ta annab märku liigutustest ja jätab jätku nendele, kes poodi tunnevad. Raamistikku tasub tutvustada juba käivituskoosolekul, enne seadmete paigaldamist. Meeskond, kes teab, mida tööriist vaatab ja mida mitte, kasutab seda päriselt ning just siis hakkab see vähendama teadmata varukadu.
