הולכים מכות ברחוב? המחשב יידע לזהות ולהתריע על כך

ענף הווידאו אנליטיקה, שבו מערכות מחשב מנתחות את תנועות העוברים והשבים כדי לזהות סכנה, צפוי לצבור תאוצה בשנים הקרובות • המשמעות: מניעת פשע, ייעול עבודת כוחות הביטחון - אבל גם סכנה לפרטיות וחשש מפני פרופיילינג • שני סטארט-אפים מרמת החייל רוצים להוביל את התחום

 viisights. מימין: אסף בירנצוייג, סיימון פולק, מאיה שייר, מנשה רוטשילד, ואמג'ד עכאוי. צילום: איל יצהר
viisights. מימין: אסף בירנצוייג, סיימון פולק, מאיה שייר, מנשה רוטשילד, ואמג'ד עכאוי. צילום: איל יצהר

16 שנה חלפו מאז יצא הסרט "דוח מיוחד" בבימוי סטיבן שפילברג ובכיכוב טום קרוז, ומיום ליום החזון שמתואר בו נראה פחות ופחות מופרך. בסרט, המבוסס על סיפור של פיליפ ק. דיק שעלילתו מתרחשת ב-2054, מפקד קרוז על יחידה שמטרתה לסכל פשעים בטרם בוצעו. במציאות, פיתוחים טכנולוגיים ברוח זו צפויים להשפיע על חיינו, ועל עבודת השוטרים וכוחות הביטחון, הרבה לפני 2054.

לא מעט חברות ברחבי העולם כבר פועלות בתחום הצומח הזה, המכונה וידאו אנליטיקה. הרעיון העומד בבסיסו הוא שהאלגוריתם יבחן את התנועות שמבצעים המצולמים, ויבין את משמעותן והשלכותיהן: הוא יבדיל, למשל, בין שני אנשים שניגשים להתחבק לשני אנשים שעומדת לפרוץ ביניהם קטטה אלימה, ששוטרים המוצבים במקום יוכלו למנוע מבעוד מועד. המערכות ייעזרו כמובן גם בטכנולוגיות זיהוי פנים, שרשמו בשנים האחרונות התקדמות טכנולוגית אדירה ואף מדאיגה.

לפי הערכת חברת המחקר מרקטס אנד מרקטס, שוק הווידאו אנליטיקה צפוי לצמוח מהיקף של כ-2.6 מיליארד דולר ב-2017 לכ-11.2 מיליארד דולר ב-2022 - כשפרט לאבטחה הוא גם צפוי לשמש את המכוניות האוטונומיות, ולאפשר להן לזהות סכנות בזמן. גם בישראל כבר פועלות חברות בתחום, ובכתבה זו דיברנו עם שתיים מהן, שיושבות במרחק בניינים ספורים זו מזו ברחוב הנחושת בשכונת רמת החייל.

כמו "דוח מיוחד"

המערכת שפיתחה חברת viisights בשלוש השנים האחרונות נועדה לזהות קטטות רחוב (למשל מכות במגרש חניה), מהומות וזריקת אבנים. בסרטוני ההדגמה של החברה נראות סצינות שבהן מתרחשים אירועים יומיומיים, כמו מכוניות נוסעות או בני אדם הולכים. ברגע שמופיעה על המסך פעולה אלימה, המערכת מזהה אותה באופן מיידי ומציגה את תיאורה.

הזיהוי מבוסס על למידת מכונה, ומפתחי המערכת לא קובעים לה כיצד להגדיר אירוע אלים, אלא יוצרים עבורה את התנאים שיאפשרו לה ללמוד ולהסיק מסקנות בעצמה. המערכת "צופה" במאות שעות של צילומי וידאו שבהם נראים אירועים אלימים, ומזהה את הדפוסים שתחפש בצילומים עתידיים. לפי החברה, כבר כיום המערכת תדע להבין בין זוג רוקד או מתחבק לשני אנשים שמכים זה את זה, ורמת הדיוק צפויה להשתפר עוד בהמשך.

השווקים שאליהם פונה ויסייטס הם הערים החכמות (היא שותפה באקוסיסטם הערים החכמות "מטרופוליס" של ענקית השבבים אנבידיה); אבטחה למתחמים גדולים, תשתיות קריטיות וארגונים; וכן תחום המודיעין והביטחון. מערכת חכמה כזו, אם תגיע לרמת אמינות מספקת, תאפשר לגורמי אכיפת החוק להגיע בזמן אמת למקום שבו מתרחשת פעילות אלימה מבלי שיהיה צורך במוקדן, ולהפוך את מצלמות האבטחה לכלי התראה בזמן אמת במקום לצורך תחקור בדיעבד.

viisights הוקמה לפני כשלוש שנים בידי אסף בירנצוייג (מנכ"ל), מנשה רוטשילד (מנהל מוצר), אמג'ד עכאוי (סמנכ"ל טכנולוגיות) וסיימון פולק (מדען ראשי), שאליהם חברה מנהלת הפיתוח העסקי מאיה שייר. שלושת הראשונים עובדים יחד עוד מ-2006, וזו החברה השלישית שהם שותפים בהקמתה, כשגם קודמותיה עסקו בניתוח נתונים. היא גייסה 2.5 מיליון דולר בהובלת קרן Firstime, ובימים אלה נמצאת בעיצומו של סבב נוסף לגיוס 8 מיליון דולר.

"אנו מעריכים שתוך שנתיים העולם ייהנה מיכולות חיזוי ברמה בסיסית, ותוך חמש שנים יהיו דברים יותר משמעותיים", אומר בירנצווייג. לדבריו, האתגרים בתחום שלו נעים כיום ממישור הזיהוי למישור ההבנה. "אני לא צריך מערכת שתגיד לי כמה אנשים יש בחדר, אלא תובנות מעשיות: מה האינטראקציה שלהם אחד עם השני, מה הסיפור. קח לדוגמה את עולם הרכב: צריך לבדוק שהנוסעים מתנהגים בצורה בטוחה, שלא נכנסים יותר מדי אנשים למכונית, שהם יושבים כמו שצריך ולא על הברכיים אחד של השני, לא מוצאים ראש ולא מעשנים או עושים ונדליזם".

איך זה יתבצע?

"באמצעות הצלבת מידע ממספר מקורות וחיישנים. כדי לזהות שמכונית שעושה רונדלים סביב הבלוק היא חשודה, צריך כמה מצלמות שעוקבות אחרי הבלוק או אפילו הסביבה. זה לא פשוט כי חייבים להיות בטוחים שהמכונית היא אותה מכונית ושהיא לא סתם מחפשת חנייה. לכך צריך להוסיף מידע מבוסס מיקום וזיהוי פנים. בסופו של דבר, החזון הוא שהטכנולוגיות יציעו יכולת חיזוי כמו בדוח מיוחד".

להבדיל בין תרבויות

Razor Labs היא חברה לייעוץ והטמעת כלי AI בארגונים, שמגייסת בימים אלה את סבב הסיד שלה. היא נכנסה לתחום הווידאו אנליטיקה דרך חברת הבת שלה, אקסון, שמתמקדת בערים חכמות. "המערכת שלנו יודעת לזהות התקהלות וגם אגרסיה משמעותית כמו בעיטה או יד מורמת חזק", אומר המנכ"ל רז רודיטי, "היא משתתפת במרכז של עיריית תל אביב לעיר חכמה".

איך המערכת פועלת?

"קודם היא מזהה את האובייקטים השונים בצילום, מבדילה בין אנשים לרכבים למשל. לאחר מכן היא בונה מן תעודת זהות לכל אחד מהמצולמים, לפי מאפיינים כמו צבע החולצה, ואם תראה אותו שוב היא תזהה שמדובר באותו אדם. אחר כך היא מנתחת את תנועות הגוף שלו. אם הוא מזיז את היד שלו בחדות בצורה מסוימת, זה מעיד על אגרסיה, שנרצה להתריע עליה".

הדגמת מערכת Razor Labs / צילום באדיבות Razor Labs
 הדגמת מערכת Razor Labs / צילום באדיבות Razor Labs

איך המצלמה יודעת להבדיל בין אלימות לצ'פחה ידידותית?

"היתרון של למידה עמוקה, שעליה אנחנו מתבססים, הוא שהמערכת רואה הרבה דוגמאות. אנחנו השתמשנו במודל מפוקח, ואם אני רוצה שהמערכת תדע את ההבדל אני צריך לתת לה דוגמאות שונות, ולהגדיר מה מאיים ומה לא. היא כבר תבין לבד את הניואנסים הקטנים שלנו קשה אפילו להגדיר במילים. לדוגמה, אם מדובר ברחוב הומה, המערכת תזהה זאת ולא תמיד תתריע על התהקלות".

אבל התקהלות לרוב מגיעה אחרי שכבר קרה משהו. "נכון, אבל השאלה כמה אחרי. אם נקבל התראה עליה מיד כשהיא מתרחשת, לפעמים זה מספיק טוב. היום מוציאים סרטונים ממערכות רק אחרי שהפשע כבר התרחש וכל המעורבים ברחו. בהרבה ערים נפרסו אלפיים מצלמות, הושקעו עשרות מיליונים, אבל יש שני אנשים שעושים תורנות וצופים במצלמות בזמן אמת. הסיכוי שיראו משהו הוא מגוחך. אנחנו נותנים לעיניים שלהם משמעות".

זה נשמע כמו פרויקט יקר.

"הבנו מהשוק שהרבה ערים לא הופכות להיות חכמות למרות שהן רוצות, כי זה יקר מדי, ושמנו דגש על הוזלת עלויות. פיתחנו שיטות לאיחוד פרמטרים: להשתמש יותר מפעם אחת בזיהוי של אדם בפריים, לא להתחיל בכל פעם מאפס. זה גורם למערכת לרוץ יותר מהר. גם בתחום הזה, חיסכון בהוצאות הוא קריטי כדי שבינה מלאכותית תהפוך לנפוצה".

עד כמה היכולת להבדיל בין פשע והתנהגות נורמטיבית תלוית תרבות?

"בהחלט תלויה. יש הבדל בין התנהגות של ישראלים ואנשים במזרח אסיה, למשל. כדי להשתמש באותה מערכת במקום אחר היא צריכה לעבור התאמות עם מידע חדש. זה עדיין לא לימוד מאפס, אלא אימון יותר מהיר בלי לשכוח את התובנות הקודמות".

ומה בדבר ייצוג לאוכלוסיות שונות באימון המערכת כדי למנוע פרופיילינג?

"זה נושא מאוד קריטי, ובהקשר הזה לבנות טכנולוגיה טובה זה לא מספיק. השלב הראשון של כל אתגר שאנחנו לוקחים על עצמנו הוא לבנות בסיס נתונים שמותאם לו, זה יכול לקחת גם חודש-חודשיים. אם אנחנו מזהים הטייה תרבותית, יש לנו כלים שפיתחנו שמנתחים את שגיאות הרשת ומנסים לאפיין אותן".

viisights

הקמה: 2015

מנכ"ל: אסף בירנצוייג

עובדים: 13

גיוסי הון: 2.5 מיליון דולר, במגעים לגיוס 8 מיליון נוספים

משקיעים בולטים: Firstime Ventures, Maxfield Capital, Altair Ventures, LETA Capital

Razor Labs

הקמה: 2017

מנכ"ל: רז רודיטי

עובדים: 40

גיוסי הון: במגעים לסגירת סבב סיד