正在使用自制的“主动射手”视频训练“枪支检测” AI

在阿拉巴马州的亨茨维尔，有一间绿色墙壁和绿色天花板的房间。悬挂在中心的一条钓鱼线与安装在天花板上的电机相连，该电机使绑在半透明线上的枪支移动。

Arcarithm的工作人员购买了美国10种最畅销的枪支模型：鲁格斯，格洛克斯和西格·索尔斯。手枪和长枪从行上晃来晃去。电机使它们围绕房间旋转，从而帮助安装在移动平台上的摄像机从多个角度拍摄它们。 “这就像一部电影，” Arcarithm总裁兼首席执行官Randy E. Riley说。

此过程可产生约5,000张以太浮动的枪支图像。然后，Arcarithm的计算机程序员将绿色背景替换为不同的环境，例如田野，森林和城市街道。它们会增加雨，雪，雾或太阳。然后，程序会随机扭曲图像。结果是在不同的合成设置和不同的可见度下，可以从多个角度获得同一枪的30,000至50,000张图像。

创建如此庞大的数字枪械产品组合的目的是，通过综合创建每支枪可能出现的数万种方式，在安全摄像机捕获到枪支后立即提供一种算法来检测枪支。 Arcarithm是开发主动主动射击检测技术的几家公司之一，希望将其出售给学校，酒店，娱乐场所以及可能成为美国每年15,000起枪杀案和29,000起枪伤事件之一的地点的所有人。

其他销售商中包括安全通知软件的长期销售商Omnilert，以及新来者ZeroEyes，Defendry和Athena Securities。一些城市使用声音传感器监视系统来立即检测枪声。这些公司承诺会在开枪前提醒警察或安全人员，做得更好，并节省宝贵的时间。

它们全都围绕问题进行操作：在最基本的级别上，算法收集分类的数据，因此它们可以独立确定是否有新事物属于该类别。在技​​术行业，通常认为更多的数据意味着更精确的算法。对于想要发现枪手的公司来说，这是一个难题。

视觉检测机器学习已被广​​泛应用，包括诊断医疗状况和识别道路上的行人。这些努力背后的研究人员可以获得几乎无限的肿瘤和炎症图片以及慢跑者或dog狗的视频。

但是，由于灵敏度高，从拍摄开始就几乎没有镜头，这显然不足以对系统进行编程，该系统应该每天可靠地将枪与手机或发刷区分开数百次或数千次。这些片段是从互联网上最黑暗的角落擦除的。 Roboflow，Amazon Mechanical Turk以及其他用于机器学习的图像库中都没有库存（尽管Roboflow确实提供了枪支的静态照片）。

枪支检测系统的可靠性对他们所监视的人员至关重要。今年，位于纽约州北部的洛克波特市学区实施了一种算法系统来识别人脸并检测武器。该技术错误地识别了黑人孩子，其创建者ST Technologies的雇员之间的电子邮件表明，这家加拿大公司正努力阻止该系统在实施后误用扫帚手柄。

“我对物体检测系统的可靠性感到担心，并且该系统会错误地识别持棒球棍的学生，然后警察会去骚扰那个持棒球棍的学生，”城市研究所司法政策研究人员丹尼尔·劳伦斯说。研究犯罪侦查技术的中心。

劳伦斯说，另一方面，如果警察总是检测到低优先级活动或做出误报，则往往不太重视这些警报。他说：“一切都取决于准确性。”

要训​​练计算机程序以在枪支被抽出后立即识别它，然后测试该程序，公司就必须发挥创造力。有点怪。

Arcarithm由洛克希德·马丁公司（Lockheed Martin）的三名前雇员作为军事和安全承包商而成立，最初是通过对摄像头进行编程以检测无人机开销的方法。一位客户要求他们提出一种能够检测枪支的系统。赖利说：“如果我们能做无人机，我们什么都可以做，所以我们在接下来的十年中试图确定一个人是否拥有枪支或扫帚，事实证明我们可以做到。”

从理论上讲，采用Arcarithm算法的图像中存在大量的失真和变化，这将说明在真实镜头中枪支被遮盖的方式-用手，气候或距离。通过以多种方式看到这么多普通枪支，该算法应该对枪支非常熟悉，因此可以立即发现。

为了测试他们的算法是否对预期的刺激做出反应，Arcarithm的工作人员使用气枪开枪对自己的总部进行了武装入侵，这些气枪使用冷凝气体射击微小的非致命性塑料颗粒。他们还带到附近的地方进行自我记录。是扮演罪犯或民兵的程序员和桌面雇员。 “所有人都在做，”莱利说。 “他们通常在开发端工作。”他补充说，他们警告警长部门，通常会派一名观察员。

Arcarithm尚未在美国军方之外找到任何买家，该机构正在为进入基地的武装人员寻求预警系统。赖利说，他已经与亨茨维尔附近的主题公园和学校系统的经营者取得了联系。

在其他销售枪支探测技术的美国公司中，雅典娜没有回应主板的采访请求，并且似乎已经转向制造可疑的技术来监测COVID-19大流行期间的温度。 ZeroEyes的发言人表示，该技术是专有技术，因此他们不会讨论。 Defendry的代表说，该公司之所以拒绝，是因为它不想在VICE Media发表的一篇文章中使用自己的名字。

自2003年以来，Omnilert就已经向主要是大学和大学提供了通知系统，并于10月推出了它的Gun Detect软件。

首席执行官戴夫·弗雷泽（Dave Fraser）描述了一种厨房水槽解决方案，以解决数据馈入算法问题。他的公司使用制造视频游戏的技术来创建CGI模拟保持和射击的第一刻。他们已经在好莱坞电影（他叫约翰·威克）上训练了该算法。还有Fraser所说的“睡衣视频”，这是在COVID-19远程工作期间在家中录制的员工拿着枪（实物和玩具）走动的自制剪辑。他还将该任务外包给了一些视频内容创作者。

弗雷泽说：“我们已经建立了一个互联网数据库，其中包含我们自己和承包商挥舞着枪支的信息。” “我们拥有并拥有数千小时的数据。”自制视频可用于馈送和测试算法。

他说，这些视频填补了公司的Slack频道。程序员和其他桌面员工的任务是创建它们。

她说，甚至他们的市场营销公共主管伊丽莎白·韦纳弗罗（Elizabeth Venafro）也为自己拍摄的剪辑片段做出了自己的准备，这些片段是她自己步入房屋步枪的玩具步枪，“作为非枪支拥有者，这感觉很奇怪”。

学术界的专家说，机器学习现在甚至可以从远处识别物体，但是过程取决于足够的数据。

华盛顿大学计算机视觉和机器学习副教授阿里·法哈迪（Ali Farhadi）对母板说：“今天，我们比五年前要好得多。” “我们可以相当可靠地检测物体。”每年，可以检测到更小，更专业的物体，计算机科学家可以对算法进行编程，以识别人体运动和周围物体的周围环境。他说：“我们不仅可以看到剪刀，而且还知道人们在剪东西时的行为方式。”

视觉识别需要大量的各种数据。他说，即使北半球和南半球之间的太阳路径有所不同，以及背景景色的细微差别也可能导致该程序的效果降低。 “您想要的东西在美国城市和印度城市一样好，”法哈迪说。他说，最好是从人们期望在现场获取提要的摄像机类型中获取镜头。

普渡大学机械工程学教授Karthik Ramani完成了一个项目，该项目对计算机学习进行了培训，以识别机械对象，从而帮助工程师找到精确的匹配项和替换项。他说，机器学习能够识别详细的对象，但是合成数据不能替代事物。

Ramani说，在CGI创建的图像中，“我看到了能量的损失”。 “您不会得到现实世界中的噪音和反射，金属会发亮，事情可能会变得混乱。作为人类，我们看到了这一点，并且习惯了。机器还不知道这些事。”

某些误报是不可避免的，弗雷泽和莱利都承认。但是双方都声称，这项技术可以给急救人员几分钟或几秒钟的时间，以挽救生命。

都市研究所的劳伦斯说，一旦任何监视或分析技术进入警察部门的手中，就不可避免地将其用于贫困的少数民族地区。他说：“在有色人种的社区中，它被过度使用。”对此类社区的监管不成比例，并且使用诸如预测性策略之类的技术是这些统计数据的主要驱动力，从而形成了反馈回路。

他说：“这项技术非常昂贵，将其应用于整个城市毫无意义。”

但是，劳伦斯认为城市不会在不久的将来购买枪支检测软件。夏季种族司法抗议活动和“贬低警察”运动已导致城市减少了为警察目的而购买昂贵的，未来派的设备的数量。他说：“我认为，作为一个社会，我们正在重新定义什么是维持治安以及应向警察分配多少钱以及应向警察分配多少钱。” “我认为我们处于以不同方式打击犯罪和犯罪根源的绝境。”

他认为下一代枪支检测软件的购买者将是私人公司，但是一旦人们认为枪支被检测到，“电话就会报警。”

众所周知，在美国，枪支无处不在是美国警察杀人案数量与其他国家相形见reason的原因之一。警察对黑人的枪击有时是借口，即警官以为该人拿着枪，包括凯西·古德曼，斯蒂芬·克拉克，塔米尔·赖斯和阿马杜·迪亚洛的死亡。在一个交通站点期间，菲兰多·卡斯蒂利亚（Phalando Castile）通知一名警官他拥有一支合法枪支，而警察立即开火。

像许多制造自动化系统的公司一样，Omnilert注意到最终决定是人为做出的决定，以此捍卫其枪支探测技术。赖利说：“它可以自动将门锁在犯罪嫌疑人身上。” “现在由警察露面，看看这个人的所作所为。”

至于警察的过度反应，弗雷泽说：“这是有可能的。我们倾向于将其视为“没有完美的技术。”我们倾向于认为将这项技术掌握在客户手中是一种积极的态度，而不是在太晚时才依靠传闻或枪声。

纽约大学AI Now学院的系主任Meredith Whittaker完全有可能拒绝使用该技术。 惠特克（Whittaker）和其他AI伦理学家和学者指出，所有算法系统都存在偏差，并且无法简单地通过更多数据或软件更新来解决此基本缺陷。 她说：“他们不应该购买类似的东西。” “没有数据集可以使这项工作奏效。 他们有缺陷，他们是种族主义者，正在被放学。”