Existem muitos tipos de inteligência artificial, mas uma forma de IA que vem silenciosamente fazendo ondas em segundo plano é a visão computacional (CV).
A visão computacional analisa imagens e vídeos e extrai dados úteis dependendo das necessidades do usuário. Ou, colocando de outra forma, o CV examina os dados visuais com a abordagem analítica dos humanos, mas na velocidade do computador. Mas existem algumas maneiras inesperadas de usar a visão computacional e algumas que você provavelmente já usou sem perceber.
4 maneiras inesperadas de usar a visão computacional
Visão computacional usa aprendizado de máquina para analisar grandes quantidades de dados visuais rapidamente. Muitos de nós já usamos CV diariamente sem pensar muito nisso. Você sabia que está usando visão computacional se procurar em suas fotos fotos de um cachorro ou de uma praia ou se desbloquear seu telefone com reconhecimento facial?
Esta é a face pública da visão computacional. Mas seu uso está se tornando mais difundido e alguns desses usos podem surpreendê-lo.
1. Moderação de conteúdo
A moderação de conteúdo é um assunto espinhoso repleto de áreas cinzentas. Embora a moderação de texto seja um conceito relativamente simples que a IA vem ajudando a moderar há anos, a moderação de vídeo e imagens ainda requer um nível mais significativo de intervenção humana.
Agora, algumas pessoas podem pensar que percorrer inúmeras postagens de mídia social parece um trabalho perfeito. Mas a verdade é bastante chocante; não são fotos de cachorrinhos e do jantar de aniversário de alguém. A IA já pode verificar rapidamente se essas imagens são seguras.
O que isso significa é que o tipo de conteúdo que chega aos moderadores inclui conteúdo que ninguém em sã consciência jamais gostaria de ver. Existem inúmeros relatos de moderadores que têm TEPT. A Artigo da Universidade de Harvard confirmou que os moderadores enfrentam riscos psicológicos consideráveis.
Atualmente, o papel do currículo na moderação de conteúdo não pode remover completamente o elemento humano. Mas com plataformas de mídia social encontrando moderação uma tarefa praticamente impossível, CV pode aliviar o fardo. A visão computacional já é usada para reduzir bastante o número de vídeos "desagradáveis" que chegam aos moderadores humanos. E, mais importante, pode fazê-lo quase em tempo real, reduzindo o risco de conteúdo desagradável atingir os olhos do público desavisado e, esperançosamente, dos moderadores.
2. Detecção de phishing
Os ataques de phishing são potencialmente devastadores para indivíduos e organizações. Infelizmente, o processo de manter seus sistemas e dados seguros contra ataques de phishing é uma corrida armamentista contínua entre os profissionais de segurança e os criminosos por trás dos ataques.
Um dos problemas enfrentados pelos sistemas de segurança é a dependência de listas negras para identificar a origem dos ataques. Esta é uma estratégia reativa. O problema com as estratégias reativas é o lapso de tempo entre a identificação da ameaça e a ação apropriada que está sendo tomada. Essa lacuna é o que os malfeitores esperam explorar e é a mesma lacuna que a visão computacional está preenchendo.
O CV está começando a ser usado como defesa em tempo real contra ataques de phishing. Em vez de usar listas negras para identificar possíveis ataques, o CV usa sinais visuais para identificar possíveis bandeiras vermelhas.
Alguns dos métodos usados para conseguir isso estão listados abaixo:
- Identificar sites falsificados
- Identifique palavras-chave disfarçadas de gráficos
- Preenchimento de palavras-chave e outras ofuscações de texto
Embora os sistemas de segurança tradicionais permaneçam na linha de frente em um futuro previsível, o papel do CV em preencher essas deficiências será cada vez mais predominante.
Este pode parecer uma bola curva, então vamos explicar por que isso é importante.
O patrocínio esportivo é enorme, com bilhões de dólares gastos anualmente no patrocínio de times, eventos e estádios. Um dos motivos pelos quais se gasta tanto é que o patrocínio esportivo garante um público cativado durante todo o evento.
Em um mundo em que os anunciantes costumam ter sua atenção apenas por alguns segundos enquanto você percorre seu feed do Instagram, um público capturado é como pó de ouro para os profissionais de marketing. O problema surge ao tentar medir a eficácia de uma campanha.
Ao contrário das campanhas digitais, onde o desempenho pode ser medido com precisão quase em tempo real, o sucesso do patrocínio esportivo é medido de maneira muito mais analógica. Com bilhões de dólares em jogo, os profissionais de marketing, compreensivelmente, querem mais informações sobre exatamente o que seu dinheiro está gerando.
É aqui que entra a visão computacional. Por exemplo, uma empresa que anuncia um carro de corrida usaria humanos para monitorar uma corrida e contar o tempo de exibição alcançado pelo anúncio. Isso era trabalhoso, demorado e caro. Mas agora, muitas empresas usam CV para realizar essa tarefa.
Além disso, pode ser usado para monitorar o sucesso de longo prazo de uma campanha. Por exemplo, pode ser usado para determinar quantas vezes um videoclipe com seu logotipo foi compartilhado em plataformas de mídia social.
4. Detecção de falsificação
A internet está repleta de produtos falsificados. Muitos deles são vendidos por fornecedores terceirizados em plataformas respeitáveis. Essas plataformas têm obrigações legais para garantir que a qualidade e pedigree de todos os produtos em sua plataforma sejam como deveriam ser.
Por exemplo, em 2020, Amazon destruiu mais de dois milhões de produtos falsificados.
Monitorar produtos falsificados com sucesso sempre foi problemático. Mais uma vez, um dos grandes problemas é o tempo. O intervalo entre um produto ser listado e identificado como uma fraude pode ser longo o suficiente para que o criminoso tenha enviado centenas de produtos, pegado o dinheiro e desaparecido.
Esta é a vulnerabilidade que o CV está sendo usado para bloquear. Ele permite a análise em tempo real dos produtos listados no site de uma plataforma. Além disso, analisa vários componentes visuais para identificar produtos potencialmente falsificados. Esses incluem:
- Detecção de logotipo: Isso pode identificar produtos com logotipos usados ilicitamente (óculos de sol estampados com o logotipo da Ferrari vendidos por alguns dólares na Amazon, por exemplo). Ou logotipos de baixa qualidade que denunciam o fato de que esses tênis Nike baratos podem não ser o que parecem ser.
- Análise de imagem: O CV pode ser treinado para procurar possíveis sinais de alerta, como diferenças de cor ou rotulagem que possam sugerir que um produto é falsificado.
- Reconhecimento de objeto: As técnicas de CV também podem reconhecer objetos e padrões em imagens ou vídeos. Isso pode ajudar a identificar produtos falsificados que foram alterados ou modificados de alguma forma, por exemplo, alterando a marca ou o rótulo.
O mercado de falsificação é enorme e afeta a todos, desde o fabricante até o usuário final. Usar visão computacional para identificar falsificações não eliminará o problema, mas representa um grande passo na direção certa.
Vendo o Futuro Claramente
A visão computacional é uma tecnologia em rápida evolução que promete muito. Impulsionado por fatores como a corrida para desenvolver os primeiros veículos elétricos verdadeiramente autônomos, o ritmo de desenvolvimento é implacável.
É uma tecnologia empolgante que continuará a lançar novos e surpreendentes usos à medida que amadurece.
