這種情況不會持續(xù)很久了。雖然IC Realtime公司提供的基于云的分析功能可以升級現(xiàn)有的、傻瓜式的攝像頭，其他一些公司則直接在他們的硬件中加入了人工智能。Boulder AI就是一家這樣的創(chuàng)業(yè)企業(yè)，該公司用自己的獨立人工智能攝像頭推銷"視覺即服務(wù)"。將人工智能集成到設(shè)備中的一大優(yōu)勢是它們不需要互聯(lián)網(wǎng)連接就能工作。Boulder公司廣泛地面向各行各業(yè)進行銷售，為每家客戶量身打造機器視覺系統(tǒng)。
該公司的創(chuàng)始人Darren Odom對《The Verge》表示："應(yīng)用程序真的是非常全面。"他表示："我們的平臺銷售給了銀行、能源公司。我們甚至有一個應(yīng)用程序可以觀察比薩餅，確定它們的大小和形狀是否正確。"
"我們現(xiàn)在能夠100%地識別愛達荷州的鱒魚。"
Odom舉了一個在愛達荷州建造水壩的客戶的例子。為了符合環(huán)保法規(guī)，他們正在監(jiān)測能夠越過這個基礎(chǔ)設(shè)施頂部的魚類的數(shù)量。Odom表示："他們以前安排了一個人坐在窗口看著魚梯，數(shù)著有多少鱒魚游過。"（顧名思義，魚梯指的就是一條階梯式的水槽，魚類可以通過這條水道奮力上游。）"然后他們轉(zhuǎn)移到了視頻技術(shù)，有人（遠程）進行監(jiān)控。"最后，他們聯(lián)系了Boulder公司，該公司為他們搭建了一個定制化的閉路電視監(jiān)控系統(tǒng)以確定通過魚梯上游的魚的類別。Odom自豪地表示："我們真的使用計算機視覺進行了魚類物種識別。" Odom表示："我們現(xiàn)在能夠100%地識別愛達荷州的鱒魚。"
如果說IC Realtime代表了這個市場的通用一端，那么Boulder公司就是展示了精品承包商的能力。不過，在這兩種情況之下，這些公司目前所能夠提供的還僅僅是冰山一角。就像機器學(xué)習(xí)在物體識別的能力方面取得迅速的進步一樣，它分析場景、活動和動作的能力也有望迅速提高。一切都已經(jīng)就位，包括基礎(chǔ)研究、計算能力和訓(xùn)練數(shù)據(jù)集--這是創(chuàng)建有能力的人工智能的關(guān)鍵組成部分。視頻分析的兩個最大的數(shù)據(jù)集來自YouTube和Facebook，這兩家公司都曾經(jīng)表示希望人工智能能夠幫助他們節(jié)制平臺上的內(nèi)容（不過兩家公司也都承認還沒有做好準備）。例如，YouTube的數(shù)據(jù)集包含超過45萬小時帶標簽的視頻，希望能夠刺激"視頻理解的創(chuàng)新和進步"。參與構(gòu)建此類數(shù)據(jù)集的組織的廣度讓人對該領(lǐng)域的重要性有了一些了解。谷歌、麻省理工學(xué)院（MIT）、IBM和DeepMind都參與進來，開啟了自己的類似項目。
IC Realtime公司已經(jīng)在開發(fā)面部識別等高級工具了。之后，它希望能夠分析屏幕上正在發(fā)生的事情。Sailor表示，他已經(jīng)和教育行業(yè)潛在的客戶進行過交談，對方希望當學(xué)生在學(xué)校遇到麻煩的時候，監(jiān)控能夠識別出來。他表示："例如，他們對打架的迅速通知感興趣。"系統(tǒng)需要做的一切就是注意聚集在一起的學(xué)生，然后提醒某個人，這樣他就可以檢查視頻內(nèi)容，看看發(fā)生了什么事情或者親自去調(diào)查。
Boulder公司也正在探索這種高級分析。該公司正在開發(fā)的一個原型系統(tǒng)的目標是分析在銀行里的人的行為。Odom表示："我們專門尋找壞人，并且探查一個正常人的行為和越界的人的行為之間的區(qū)別。" 要想做到這一點，他們正在使用舊的安全攝像頭拍攝的視頻來訓(xùn)練他們的系統(tǒng)，以發(fā)現(xiàn)異常行為。但是這種視頻有很多的質(zhì)量都非常低，所以他們也會找一些演員來拍攝自己的訓(xùn)練視頻片段。Odom沒有詳細說明細節(jié)，但表示該系統(tǒng)將尋找特定的面部表情和行為。他表示："我們的演員們會做一些類似蹲伏、推搡以及回頭一撇之類的動作。"
對于監(jiān)控和人工智能方面的專家來說，這些功能的引入充滿了技術(shù)和道德方面的潛在困難。而且，和人工智能經(jīng)常遇到的情況一樣，這兩個類別的困難是彼此交織在一起的。機器不能像人類一樣理解這個世界，這是一個技術(shù)問題，但是當我們假設(shè)它們能夠做到這一點，并且讓它們?yōu)槲覀冏鰶Q定時，這就變成了一個道德問題。
卡內(nèi)基.梅隆大學(xué)的教授Alex Hauptmann專門從事這種計算機分析，他表示，盡管人工智能近年來已經(jīng)在這一領(lǐng)域取得了巨大的進步，但是在讓計算機理解視頻方面仍然存在著非常根本性的問題。其中最大的一個就是攝像頭的問題，這個問題我們已經(jīng)不再會經(jīng)常想到了：分辨率。
最大的障礙非常常見：低分辨率的視頻
舉個例子來說，一個神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練，可以分析視頻中的人類行為。這些工作是通過將人體細分為多個部分--手臂、腿、肩膀、頭部等--然后觀察這些小的部分在視頻中從一幀到另一幀的變化來進行的。這樣，人工智能可以告訴你是否有人在跑步，或者是在梳頭發(fā)。Hauptmann對《The Verge》表示："但是這取決于你所擁有的視頻的分辨率。" Hauptmann表示："如果我用一個攝像頭對準停車場的盡頭，如果我能分辨出是否有人打開了車門，就算是非常幸運的了。如果你就站在（攝像頭）前面彈吉他，它就可以跟蹤你每一根手指的動作。"
對于閉路電視監(jiān)控系統(tǒng)來說，這是一個大問題，攝像頭往往會有顆粒感，而角度也常常很怪異。Hauptmann舉了一個便利店攝像頭的例子，攝像頭的目的是監(jiān)控收銀機，但是它也監(jiān)視著面向街道的窗子。如果外面發(fā)生了搶劫，攝像頭的鏡頭有一部分被擋住了，那么人工智能可能就會卡住。他表示："但是我們作為人類，可以想象正在發(fā)生的事情，并且把它們拼湊在一起。可是電腦就做不到這一點。"
同樣，雖然人工智能很好地識別視頻中的相關(guān)事件（例如，某人正在刷牙、看手機或者踢足球），但仍不能提取重要的因果關(guān)系。以分析人類行為的神經(jīng)網(wǎng)絡(luò)為例。它可能會看到鏡頭并說"這個人正在跑步"，但它不能告訴你他們之所以在跑步，是因為他們快要趕不上公共汽車了，還是因為他們偷了某人的手機。
這些關(guān)于準確度的問題應(yīng)該讓我們認真思考一些人工智能創(chuàng)業(yè)企業(yè)的宣言。我們現(xiàn)在還遠未接近這樣一個點：電腦通過觀看視頻能夠獲得和人類一樣的見解。（研究人員可能會告訴你，要做到這一點可是太困難了，因為它基本上是"解決"智力問題的同義詞。）但是事情的發(fā)展速度非常快。