採用 AI 與數位分身的智慧定位 (Location Intelligence) 所帶來的威力

October 19, 2023

Christina Cardoza

位置情報

在我們的生活中，環境追蹤及監控（或智慧定位）技術無所不在，無論是監視器或汽車內的備份輔助系統均使用到此類技術。然而，企業才正開始認識到將智慧定位與 AI 和數位分身等技術結合運用的可能性。如果您還不太熟悉數位分身的概念，請準備好了。我們接下來要來談談更進階的主題：時間。因為當特定資產在特定時刻被放在合適的位置時，監控與空間感知的影響力將無遠弗屆，不僅在於安全性或缺陷偵測。

當然，偉大的技術革新將帶來偉大的新技術。接下來，Intel 聯邦與航空市場總經理兼資深總監 Tony Franklin 將為我們詳細說明智慧定位的整體概念：這項技術能為我們解決的各項挑戰（不論挑戰在於現在或未來），以及旨在協助實現這一切的技術，其中包括 Intel SceneScape 平台（影片 1）。

影片 1。Intel 聯邦與航空市場總經理兼資深總監 Tony Franklin 說明了位置與智慧的重要性，以及使用 AI 與數位分身的相關資訊。

您如何看待使用數位分身與智慧定位技術的概念？

我認為，我們早就在頻繁使用智慧定位這項技術了，但我們根本不知道。每個人的手機裡都有 Google 地圖。任何有孩子的人都知道 Life360 這個應用程式：您可以準確知道任何人在哪裡，他們在那裡待了多久，以及他們的移動速度。

然而，從企業角度來看，我們才正開始從財務觀點認識到智慧定位的龐大影響力。因此，像 UPS 這類型的貨運公司，如果從 A 點運送到 B 點的定位不準確，就可能會耗費數百萬美元。這對於永續發展等方面也很重要。我最近讀到，美國 27% 的氣體排放來自運輸業。

除了智慧定位以外，我認為我們開始真正瞭解的是以時間為基礎的空間智慧。不僅僅是關於定位，而是我們是否真正瞭解在特定時刻我們周遭的情況，或是某資產、某物件或人物的周遭情況。數位分身讓您可以重新建立空間，並且也可以瞭解特定時間，包括即時的當下以及，如果您需要按下倒轉按鈕進行分析，也可以這麼做。

數位分身的另一項價值是，它是自然創造的抽象元素。我們知道這是真實世界的數位複製品，因此分析工作是在複製品完成，而非在實際得到的資料上進行。而且那個數位複製品可以將資料提供給多個應用程式。

當有多個應用程式和不同類型的 AI 時，您必須使用標準型技術，因為您可能需要一種類型的 AI 來識別特定動物、人類或資產，並需要另一種類型來識別不同的汽車或天氣，或是更類似物理的模型。

智慧定位技術可以幫助解決哪些企業正在面臨的挑戰？

我認為最大的挑戰之一是隔離來自不同應用程式的資料。舉例來說，我們有大量的應用程式在手機上共同運作，但並不代表應用程式上的資料能互相共同運作。

在商業世界中，可能有一個應用程式用來監控物理安全性，但另一個應用程式則可能用來監控工廠裡的機器人。它們都有攝影機、都有感知資料，但並未互相連結，所有資料都位於不同的孤島上。那麼，您要如何將這些資料互相連結，提升情境察覺能力，做出更優異的決策？所謂更優異的決策，在理想情況下代表節省資金、有機會賺錢，或是創造其他價值，例如更安全的環境。

而另一個挑戰只是需要心態轉換。目前我們已經在使用的許多技術都來自遊戲。現今的電玩遊戲非常逼真寫實，在遊戲中，您可以在 3D 環境中看到一切。您已經知道位置；接著要輸入多種類型的感知資料，包括聲音或環境資料。這些全部都已整合到體驗中。因此，我們開始想將更多這類型的體驗融入到日常生活以及商業活動中。

Intel 如何協助企業實作數位分身與 AI？

總有大量資料需要經過標記才能提供，而且我們有很多工具可以將這些資料連結在一起。以即時性的串流資料來說，您可以使用 Intel^® 發行版 OpenVINO^™ 工具組來套用推論，也可以為輸入的特定資料挑選最佳運算技術。

因此，您在輸入資料、套用推論，並持續循環。然後，您可以使用 Intel^® Geti^™ 平台來訓練資料。這個平台讓您可以快速完成訓練。以電腦視覺的影像來說，您再也不需要使用數千張影像來完成訓練。就如同沒有人需要唸到資料科學的博士學位一樣。這就是 Geti 的用途。

在這之中，有一個軟體叫做 Intel^® SceneScape。和 Geti 一樣，SceneScape 適用於終端使用者。您可以把它想像成一個位於 OpenVINO 與 Geti 之間的軟體架構，可以確實簡化創造數位分身的過程，藉此賦予資料意義，發揮資料的功用。這個軟體讓終端使用者可以輕鬆以開放、標準的方式實作 AI 技術，並且利用其中的最佳運算技術。

再來是輸入感應器資料。之後，OpenVINO 會套用推論來進行，可能是物件偵測或分類。您可以使用 Open Model Zoo，裡頭有我們所有合作夥伴提供的各種模型，並且利用 SceneScape 實作該模型。接著使用 Geti 來訓練資料。

您還可以透過 SceneScape 使用任何應用程式的任何感應器，藉此來監控及追蹤任何空間。我們習慣於使用影片，但您也可以使用其他感應器來提升對於環境的情境察覺能力。您可以使用 LiDAR，所有電動和自動駕駛車輛都有的感應器，或是環境、溫度、輻射或聲音感應器，以及文字資料。

可以分享目前正在進行關於 Intel^® SceneScape 的任何案例研究嗎？

一直以來使用 SceneScape 的客戶有一個共同點，就是必須進一步瞭解他們的環境，包括他們所處的環境，或是他們正在監控的環境，並且將感應器與資料互相連結，發揮資料的功用。他們想要增加資料的使用量，並且從資料中獲取更高的情境察覺能力。

試想一座機場。機場管理單位需能追蹤人們聚集的地方、追蹤排隊時間等。在 Covid 疫情早期階段，工作人員必須使用前額感應器來追蹤身體測量值。機場裡有許多空間均已受到監控，但現在他們需要將資料連結起來。一般來說，測量體溫的前額感應器並沒有和監控排隊人龍的攝影機互相連結。現在他們必須互相連結。

這樣就能建立起資料點之間的連線：您看到這個人，看到這些人已經排隊排了 30 分鐘，您也可以知道他們體溫較高，而且並沒有保持社交距離。或是您看到這個人拿著一個包包，並且正在同時移動，而現在這個包包靜止不動了，但是這個人仍在移動中。

您不只在監控 A 航廈，2 號登機門。您需要能監控所有航廈和所有登機門，並且需要能在單一面板視窗中進行監控。這就是 SceneScape 提供的優勢之一。

Intel^® SceneScape 如何解決隱私問題？

隱私是非常重要的。然而，我們只是想偵測實際物件，是人，還是物品，還是汽車？我們想要識別那是什麼，想要識別距離，想要識別動作。我們並沒有實際進行臉部辨識或其他類似的流程。我們在推斷資料，之後讓客戶可以實作他們為特定應用程式所選的內容。

您認為下一步這項技術將應用在什麼領域？

我在期待的其中一個使用案例是醫療數位分身。現在，您在不同地方擁有不同的醫療記錄。歷史資料並未與即時資料一併使用，也並未用於比對許多病患的大量病歷，並在其中查找對我有用的資訊。因此，我樂見醫療數位分身不斷推陳更新，這會是理想的狀態。

但是，若只是追蹤醫療器具呢？在手術前有 10 副器具，而且您想確保在手術結束時仍有 10 副器具，這些器具不會被無意間遺留在不該出現的地方。

因此，正如我所提到的，現在我們有即時應用程式可以協助現今的業務營運。我認為，也有一些是我們都在期待未來會出現的應用程式，有我想要的醫療數位分身。

我認為，當公司開始意識到，他們可以消除資料孤立，在資料與各種應用程式的系統之間建立關係或連結，不只是在單一房間、一層樓、一棟建築物，而是可能在一個校園內，他們可以開始獲得能夠影響獲利的實際價值，他們可以賺更多的錢，也省更多的錢。

您最後有任何關鍵重點的想法要和我們分享嗎？

試想，將交通視為使用案例；智慧定位可以協助拯救生命。我們已經看到一些客戶開始以這種方式來應用 SceneScape。現在許多汽車都有攝影機感應器（備份感應器或前置攝影機），而且大多數十字路口都有攝影機。然而，今天它們彼此之間無法溝通互聯。

如果有一輛汽車正快速行駛過來，而有一部攝影機可以在汽車死角看見行人走過來，那該怎麼辦？我想讓汽車知道這件事，並且開始自動煞車。現在大多數汽車在靠近另一輛車過快時，都會自動煞車。然而，當行人即將出現時，卻沒辦法啟動此功能，因為它們看不到行人。或者，如果攝影機可以看到，它們不一定知道這個人距離有多遠，也不知道汽車車速有多快。

身為人類，我們坐上車就會知道它的車速；我們會知道是否有人要走過來。我們將大腦理解這一點的方式視為理所當然。但是攝影機並不瞭解這一點。這就是現今可以應用的方式，有些城市實際上正在研究這些類型的應用方式。

這就是為什麼 AI 以及這些技術與感應器資料的整合如此重要。它讓這些系統更智慧，也能夠實際瞭解環境。再次強調，以時間為基礎的空間智慧：距離、時間、速度、物件之間的關係。

這正是我們在努力的目標，利用 Intel 的大型生態系統來合作，讓企業能輕鬆實作這項技術。現在是激動人心的時刻，我們期待協助企業改變現況。