Wszyscy znamy procedury bezpieczeństwa na arenach sportowych, w parkach rozrywki i innych dużych obiektach. Czekasz w kolejce, a następnie przechodzisz przez wykrywacz metalu i oddajesz torbę ochroniarzowi, który szybko przegląda jej zawartość za pomocą latarki, zanim oddaje ją tobie.
„A gdyby był lepszy sposób?” - mówi Lisa Dolev.
Jako weteran izraelskich sił powietrznych i konsultant ds. Bezpieczeństwa, specjalizujący się w zamachach samobójczych, Dolev chciał stworzyć na lata lepszy skaner bezpieczeństwa. Ale oglądanie materiału z ataków terrorystycznych w Madrycie w 2004 r. Zmusiło ją do działania. Tego wieczoru usiadła i narysowała szkic nowej maszyny bezpieczeństwa.
Ten szkic stał się Qylatron Entry Experience Solution, technologią, która według Dolev może zapewnić szybsze, łatwiejsze i dokładniejsze monitorowanie bezpieczeństwa. Qylatron jest obecnie używany codziennie w ograniczonym zakresie na stadionie Levi's w San Francisco. Laboratorium Bezpieczeństwa Transportu Departamentu Bezpieczeństwa Wewnętrznego USA rozważa również system różnych punktów kontroli bezpieczeństwa, w tym na lotniskach.
Qylatron wygląda jak futurystyczny ul z pszczół, z wieloma sześciokątnymi pudełkami ułożonymi jeden na drugim. Patron umieszcza swój bilet w automacie biletowym, który otwiera drzwi do jednej z kapsuł. Następnie osoba umieszcza torbę w środku i drzwi się zamykają. Wewnątrz urządzenia różne czujniki skanują torbę w poszukiwaniu broni i innych zabronionych przedmiotów. Jeśli torba zostanie uznana za bezpieczną, drzwi się odblokują. Jeśli nie, włącza się alarm, aby rozpocząć procedurę bezpieczeństwa.
Dolev opowiada o szczegółach działania skanowania. „Jesteśmy bezpieczni” - mówi. Ale może powiedzieć, że maszyny używają kombinacji promieni rentgenowskich z wieloma widokami, czujników chemicznych i sztucznej inteligencji.
Element sztucznej inteligencji jest być może najbardziej unikalnym aspektem Qylatronu. Algorytm maszyny pozwala „uczyć się” o różnych obiektach, dzięki czemu lepiej odróżnia zagrożenia od zwykłych przedmiotów. Na przykład Qylatron w deszczowym mieście może szybko nauczyć się kształtu parasola.
Qylatron może również komunikować się z maszynami „rówieśniczymi” na całym świecie, aby usprawnić proces uczenia się. Do urządzeń równorzędnych mogą należeć systemy bezpieczeństwa na lotniskach lub skanery bezpieczeństwa metra - w zasadzie każda maszyna, która ma podobny cel i działa w celu wykrycia podobnych zagrożeń.
Inteligencja Qylatron pozwala na personalizację w zależności od miejsca. Qylatron w wesołym miasteczku może nauczyć się, jak wykrywać piknikowe potrawy i pozwalać im przechodzić bez przeszkód, podczas gdy maszyna w sali koncertowej bez alkoholu może szybko nauczyć się podpisu wódki ukrytej w butelce dietetycznej coli.
Skanując bilety klientów, maszyny mogą również spersonalizować swoje podejście w oparciu o znane tożsamości. VIP może otrzymać specjalną wiadomość powitalną na zewnętrznym ekranie urządzenia. Szefowi kuchni, który przyszedł gotować w miejscu, można zabrać ze sobą noże, podczas gdy te same noże w torbie innego gościa spowodowałyby ostrzeżenie.
„Każda maszyna musi mieć inny algorytm”, mówi Dolev. „Staje się wyspecjalizowane i uczy się tego miejsca”.
System może przetwarzać 600 osób na godzinę - po pięć naraz - i potrzebuje tylko czterech operatorów.
Stworzenie Qylatron wymagało siedmiu lat badań i „armii” inżynierów - chemicznej, mechanicznej, elektrycznej i przemysłowej - a także projektantów, sprzedawców i nie tylko. Qylatron jest charakterystycznym produktem firmy Qylur Intelligent Systems, firmy ochroniarskiej z Dolev w San Francisco.
Nazwa Qylatron może brzmieć jak z odcinka Star Trek. Ale tak naprawdę była inspirowana naturą. „Qylur” to echo echa gwiazdozbioru mola ( Condylura cristata ). Gwiaździste kły, choć niewidome, mogą podejmować szybkie decyzje dzięki tysiącom receptorów czuciowych w ich pyskach.
Dolev twierdzi, że technologia Qylur może mieć zastosowania inne niż bezpieczeństwo, takie jak rolnictwo czy diagnostyka medyczna. Kluczem jest sposób, w jaki technologia wykorzystuje dane sensoryczne w połączeniu ze sztuczną inteligencją, aby podejmować szybkie decyzje dotyczące sposobu wykonania określonego zadania.
„Mam na myśli inteligentne maszyny” - mówi Dolev. „Maszyny, które podejmują krytyczne decyzje i zmieniają decyzje”.
