Co ma wspólnego kiosk ze sztuczną inteligencją?
Pamiętacie kioski Ruchu? Można było w nich kupić gazety, gumy do żucia czy drobne zabawki. Takich kiosków jest coraz mniej, za to powstają nowe — cyfrowe. Jednym z nich jest HyberZ-02 — kiosk finansowy z funkcją biometrii.
Jaki kiosk? Finansowy?
Kiosk finansowy to urządzenie, które pozwala zamówić usługę/produkt poza tradycyjnym okienkiem. Pomyśl o McDonald’s. Możesz zamówić burgera u kasjera albo samodzielnie wybrać zestaw na ekranie. Dzięki temu nie stoisz w kolejce. Kiosk działa podobnie, tyle że dla innych niż burger produktów. Klienci urzędów, wykorzystując taki kiosk, mogą zapłacić za wydanie dokumentów, a pacjenci za nierefundowane zabiegi.
Dla ZondaTech, projektantów HyberZ-02, stworzyliśmy system weryfikacji tożsamości oparty na rozpoznawaniu twarzy (face recognition). Wyposażony w niego kiosk został wypuszczony na rynek, by znaleźć miejsce w hotelach, urzędach, na lotniskach, w klinikach i transporcie miejskim.
Na jej podstawie zaczęły powstawać kolejne scenariusze produktowe. Mając gotowy moduł do rozpoznawania twarzy zaczęliśmy analizować dowód osobisty i porównywać dane z dowodu z tymi przechowywanymi w systemach klienta. Tak powstało VeriOne.
Jak zdalnie potwierdzić tożsamość?
Algorytm, który opracowaliśmy identyfikuje użytkownika porównując jego aktualne zdjęcie ze zdjęciem zamieszczonym na dowodzie osobistym. Dzieje się to w kilku krokach:
- Użytkownik robi zdjęcie dowodu osobistego
- Użytkownik robi zdjęcie sobie
- Aplikacja porównuje oba zdjęcia i ocenia, czy ma do czynienia z tą samą osobą.
Taka weryfikacja może być wykorzystywana przy określaniu tożsamości osób np. w hotelach, szpitalach czy punktach usług finansowych. Można ją wykorzystać też jako dodatkowy mechanizm zabezpieczający przy podpisywaniu umów, kiedy chcemy mieć stuprocentową pewność co do tożsamości osoby podpisującej umowę.
Nasz klient ma plan wprowadzenia weryfikacji na podstawie tylko jednego zdjęcia. Idealnym wykorzystaniem takiego mechanizmu mogłaby być weryfikacja twarzy czy tożsamości przy odbieraniu paczki z paczkomatów albo awizomatów.
- Użytkownik robi sobie zdjęcie, na którym trzyma dowód osobisty.
- Aplikacja porównuje twarz ze zdjęcia z twarzą pobraną z dowodu i ocenia, czy ma do czynienia z tą samą osobą. Tu musimy rozpoznać, czy osoba ze zdjęcia jest osobą z dowodu i czy jest żywa (to tzw. live action).
Certyfikacja MVP
Jedną z możliwości rozwoju takiego rozwiązania jest certyfikacja, która gwarantuje integralność danych i zapewnia odpowiedni poziom bezpieczeństwa, a przez to buduje zaufanie konsumentów. Dopiero po takiej certyfikacji rozwiązania takie jak VeriOne będzie można wykorzystywać np. w sklepach internetowych. Certyfikat daje klientom biznesowym poczucie, że rozwiązanie rzeczywiście jest sprawdzone, a ryzyka z nim są dla wszystkich jasne i zrozumiałe.
Do certyfikacji można podejść na dwa sposoby:
- Rozwinąć istniejące MVP i algorytmy tak, by do powstały produkt spełniał wymagania certyfikacji,
- Wykorzystać istniejące, certyfikowane rozwiązanie i integrować z nim kolejnych klientów.
Czynnikiem decydującym o wyborze jednej lub drugiej ścieżki jest najczęściej koszt rozwoju i utrzymania. Tu nie ma miejsca na sentymenty zespołu deweloperskiego do własnego rozwiązania. Uczenie maszynowe na odpowiednio wysokim poziomie jest po prostu bardzo kosztowne ze względu na potrzebę wykorzystania nie tylko ogromnych, ale także dobrze przygotowanych zbiorów danych.
Buduj na nowych technologiach
Zakup rozwiązania niekomercyjnego pozwala firmom np. przeprowadzić testy procesów, które projektują. W ten sposób nie muszą od razu decydować się na uruchomienie produkcyjne, ale na podstawie wypracowanych np. przez zespół Nextapps rozwiązań, tworzą prototypy własnych produktów.
Dla biznesu to szybki i stosunkowo mało kosztowny sposób na weryfikację ich produktów czy usług. Dodatkowo, mając do dyspozycji wsparcie i doradztwo z naszej strony, nasi klienci mogą lepiej poznać specyfikę rozwiązań typu face recognition i możliwości tworzenia produktów na bazie machine learning i sztucznej inteligencji. Rozwiązania ZondaTech są tego przykładem.
O tym, na czym polega budowanie produktów w oparciu o Machine Learning pisałem już wcześniej na LinkedIn. A Ty jak uważasz, warto czy nie warto wchodzić w technologie biometryczne i AI?
Originally published at https://www.linkedin.com.