亚马逊今天宣布全面推出 AWS(亚马逊网络服务)全景设备，该设备允许客户使用现有的本地摄像头并通过 AI 分析视频源。亚马逊表示，Panorama Appliance 表面上是为质量检查和供应链监控等用例设计的，已经被埃森哲、德勤和索尼等公司使用。
“工业、酒店、物流、零售和其他行业的客户希望使用计算机视觉来更快地做出决策并优化他们的运营。这些组织通常在现场安装摄像头来支持他们的业务，但他们经常采用手动流程，例如实时观看视频源以从他们的摄像头网络中提取价值，这既乏味、昂贵且难以扩展，”亚马逊写道。新闻稿。“大多数客户都被困在使用缓慢、昂贵、容易出错或手动的流程来进行视觉监控和检查任务，这些流程无法扩展，并可能导致遗漏缺陷或运营效率低下。”
亚马逊表示，相比之下，全景设备连接到本地网络以在边缘执行计算机视觉处理。与 Amazon SageMaker(亚马逊用于构建机器学习模型的服务)集成，Panorama 设备可以使用新的计算机视觉模型进行更新和部署。选择不创建自己的模型的公司可以从德勤、TaskWatch、Vistry、索尼、埃森哲和其他亚马逊合作伙伴提供的解决方案中进行选择。
亚马逊表示，迄今为止，客户已经开发了在 Panorama Appliance 上运行的模型，用于制造、建筑、酒店和零售。一些人正在分析零售客流量以告知商店布局和展示，而另一些人正在确定商店的高峰时间以确定可能需要员工的位置。
位于肯塔基州希伯伦的辛辛那提/北肯塔基国际机场正在使用 Panorama 设备监控机场交通通道的拥堵情况。在德勤的帮助下，温哥华弗雷泽港务局应用 Panorama Appliance 来跟踪整个设施中的集装箱。并且泰森在设备上建立了模型来计算生产线上的包装产品以保证质量。
“建筑、酒店、工业、物流、零售、运输等所有行业的组织总是热衷于改善运营和降低成本。计算机视觉提供了实现这些目标的宝贵机会，但公司往往受到一系列因素的抑制，包括技术的复杂性、有限的互联网连接、延迟和现有硬件的不足，”AWS Swami Sivasubramanian 的亚马逊机器学习副总裁在一份声明中说。“我们构建 Panorama Appliance 来帮助消除这些障碍，以便我们的客户可以利用现有的本地摄像头并加速检查任务，降低操作复杂性，并通过计算机视觉改善消费者体验。”
隐私影响
自从12 月在亚马逊的 re:Invent 2020 大会上亮相以来，专家们就对 Panorama Appliance 可能被滥用的方式提出了担忧。虽然所谓的目标是“优化”，但该设备可以用于其他不那么人道主义的意图，例如允许管理人员以生产力的名义惩罚员工。
在 Panorama Appliance 的宣传材料中，Fender 表示它使用该产品来“跟踪员工完成吉他组装中每项任务所需的时间”。每个州都有自己的监视法，但大多数州都给予雇主很大的自由裁量权，只要他们用来跟踪员工的任何设备都是明显可见的。没有联邦立法明确禁止公司在工作日监控员工。
如果模型未在足够多样化的数据上进行训练，则部署到全景设备的计算机视觉模型也可能产生偏差。弗吉尼亚大学的研究人员进行的一项研究发现，两个著名的研究图像集在描述体育和其他活动时表现出性别偏见，显示与女性相关的购物图像，同时将诸如教练与男性相关联。即使北半球和南半球之间的太阳路径差异和背景风景的变化也会影响模型精度，相机模型的不同规格(如分辨率和纵横比)也会影响模型精度。
最近的历史充满了在有偏见的数据集上训练计算机视觉模型的后果的例子，比如虚拟背景和不喜欢深色皮肤的人的自动照片裁剪工具。早在 2015 年，一位软件工程师就指出，谷歌照片中的图像识别算法将他的黑人朋友标记为“大猩猩”。非营利组织AlgorithmWatch表明，谷歌的 Cloud Vision API 曾经自动将黑人持有的温度计标记为“枪”，同时将浅肤色者持有的温度计标记为“电子设备”。
亚马逊之前已经推出并采用了监控技术。该公司的Rekognition软件引发了抗议和抵制，导致暂停使用该技术。亚马逊臭名昭著的“Time Off Task”系统谴责仓库员工在分配给他们的工作上花费太多时间，例如扫描条形码或将产品分类到垃圾箱中。
亚马逊发言人最近告诉BBC，Panorama Appliance“旨在改善工业运营和工作场所安全”，如何使用取决于客户。“例如，AWS Panorama 不包含任何预先打包的面部识别功能，”发言人说。他们补充说，其所有机器学习功能都可以在设备上进行，“并且[相关数据]永远不必离开客户的设施。”
Panorama Appliance 现在可通过亚马逊的 AWS Elemental 服务在美国、加拿大、英国和欧盟销售
