L'AI comportamentale rende la computer vision più efficace

Per molti anni, le innovazioni nella computer vision si sono concentrate su attività come il rilevamento degli oggetti, ovvero l'identificazione di oggetti come un cane o un'auto in immagini e video. Questi approcci hanno reso possibili applicazioni in settori come i veicoli autonomi, la produzione e l'assistenza sanitaria.

Tuttavia, queste attività si concentrano spesso solo sull'identificazione di un oggetto. E se i sistemi di IA per la visione potessero fare un passo in più? Per esempio, invece di limitarsi a rilevare un cane, potrebbero capire che il cane sta inseguendo una palla o che un'auto sta frenando bruscamente perché un pedone sta attraversando. Questo passaggio dal riconoscimento di base alla comprensione contestuale rappresenta una svolta importante verso un'IA comportamentale più intelligente e consapevole del contesto.

Durante YOLO Vision 2024 (YV24), l'evento annuale ibrido di Ultralytics che celebra i progressi nell'IA per la visione, il concetto di analisi comportamentale basata sull'IA è stato al centro di un'interessante presentazione di David Scott, CEO di The Main Branch.

Nel suo intervento, David ha analizzato il passaggio dalle attività di base della computer vision al monitoraggio comportamentale. Con oltre 25 anni di esperienza nello sviluppo di applicazioni tecnologiche all'avanguardia, ha mostrato l'impatto di questo salto. Ha sottolineato come la decodifica di schemi e comportamenti stia trasformando settori come l'agricoltura e il benessere degli animali.

In questo articolo ripercorreremo i punti salienti dell'intervento di David ed esploreremo come il monitoraggio comportamentale renda l'IA più concreta.

Comprendere le difficoltà nell'adozione dell'IA#

David Scott ha iniziato il suo intervento principale con un'osservazione schietta e ha detto: «Un mio collega dice spesso: “La scienza non vende”, cosa che offende un po' molti di noi qui presenti, perché la scienza ci piace davvero. L'IA è davvero fantastica: perché le persone non dovrebbero semplicemente comprarla? Ma la realtà è che le persone non vogliono comprarla solo perché noi la riteniamo fantastica; hanno bisogno di un motivo per acquistarla».

Ha poi spiegato che nella sua azienda, The Main Branch, l'obiettivo è sempre risolvere problemi reali con l'IA, non limitarsi a mostrarne le capacità. Molti clienti si rivolgono a loro per parlare di come utilizzare l'IA in generale, ma David considera questo un approccio al contrario: è come avere una soluzione senza un problema. Invece, lavorano con clienti che presentano difficoltà specifiche, così da poter creare soluzioni di IA che facciano davvero la differenza.

Fig. 1. David Scott sul palco di YV24.

David ha inoltre spiegato che il loro lavoro spesso va oltre il semplice riconoscimento degli oggetti in una scena. Individuare ciò che è presente è solo il primo passo. Il vero valore deriva dal capire come utilizzare quelle informazioni e renderle utili all'interno della catena del valore più ampia.

La tecnologia di monitoraggio comportamentale: la chiave per un'IA operativa#

Un passaggio fondamentale per rendere l'IA davvero utile consiste nell'andare oltre le attività di computer vision di base, come il rilevamento degli oggetti, e utilizzare questi dati per il monitoraggio comportamentale. David ha sottolineato che l'IA comportamentale si concentra sulla comprensione di azioni e schemi, non solo sull'identificazione degli oggetti. In questo modo, l'IA è in grado di riconoscere eventi significativi e fornire informazioni utili per agire.

Ha fatto l'esempio di un animale che rotola sul pavimento, un comportamento che potrebbe indicare una malattia. Sebbene le persone non possano osservare un animale 24 ore su 24, i sistemi di sorveglianza basati sull'IA dotati di funzionalità di monitoraggio comportamentale possono farlo. Queste soluzioni possono monitorare continuamente gli oggetti, rilevare comportamenti specifici, inviare un avviso e consentire di intervenire tempestivamente. In questo modo, i dati grezzi diventano qualcosa di concreto e prezioso.

David ha inoltre mostrato che questo approccio rende l'IA non solo interessante, ma realmente efficace. Affrontando problemi concreti, come il monitoraggio dei comportamenti e l'intervento in base a essi, il monitoraggio comportamentale può diventare una componente fondamentale di soluzioni di IA efficaci in diversi settori.

Dare vita all'IA comportamentale#

David Scott ha poi illustrato come Ultralytics YOLOv8, un modello di computer vision, abbia rappresentato una svolta per i progetti di monitoraggio comportamentale del suo team. Ha fornito loro una solida base per rilevare, classificare e monitorare gli oggetti. Il suo team si è inoltre spinto oltre e ha addestrato YOLOv8 su dati personalizzati per concentrarsi sul monitoraggio dei comportamenti nel tempo, rendendolo più pratico e utile in situazioni reali.

È interessante notare che, con il rilascio di Ultralytics YOLO11, soluzioni come quelle create da The Main Branch possono diventare ancora più affidabili e precise. Questo modello più recente offre funzionalità come una precisione migliorata e un'elaborazione più rapida, che ne potenziano la capacità di monitorare i comportamenti. Ne parleremo più dettagliatamente dopo aver compreso meglio le applicazioni per cui è possibile utilizzare l'IA comportamentale.

Esploriamo ora le soluzioni di cui ha parlato David e il modo in cui la tecnologia di monitoraggio comportamentale viene utilizzata in applicazioni reali per risolvere le difficoltà quotidiane e produrre un impatto concreto.

HerdSense con analisi comportamentale basata sull'IA#

Per prima cosa, David ha illustrato un'interessante sfida affrontata con un progetto chiamato HerdSense, che prevedeva il monitoraggio della salute di migliaia di bovini in un enorme allevamento intensivo. L'obiettivo era monitorare il comportamento dei singoli bovini per individuare potenziali problemi di salute. Questo significava tenere sotto controllo decine di migliaia di animali contemporaneamente, e non era un compito semplice.

Fig. 2. HerdSense si è concentrato sul monitoraggio e sull'identificazione dei bovini con l'IA comportamentale.

Per iniziare a risolvere il problema dell'identificazione di ogni bovino e del monitoraggio dei suoi comportamenti, il team di David ha organizzato un workshop di due giorni per definire ogni possibile comportamento da monitorare. In totale, ha identificato oltre 200 comportamenti.

Ognuno dei 200 comportamenti dipendeva dalla capacità di riconoscere con precisione i singoli bovini, poiché tutti i dati dovevano essere associati ad animali specifici. Una delle principali difficoltà consisteva nel monitorare i bovini quando si raggruppavano, rendendo difficile distinguere i singoli animali.

Il team di David ha sviluppato un sistema di computer vision per garantire che ogni bovino venisse identificato in modo coerente, anche nelle situazioni più complesse. È riuscito a confermare che allo stesso bovino venisse sempre assegnato lo stesso ID, anche se scompariva dalla visuale, si mescolava agli altri o ricompariva in seguito.

Monitorare la salute dei cavalli con la computer vision#

Proseguendo, David ha presentato un altro interessante progetto in cui hanno applicato tecniche simili di monitoraggio comportamentale ai cavalli. In questo progetto, il team di David non doveva monitorare gli ID dei singoli cavalli con la stessa precisione richiesta per i bovini. Si è invece concentrato su comportamenti specifici e ha monitorato dettagli come i modelli alimentari e i livelli generali di attività, per individuare precocemente eventuali problemi di salute. Identificare piccoli cambiamenti nel comportamento poteva consentire interventi più rapidi, offrire cure migliori e prevenire problemi prima che diventassero gravi.

Fig. 3. Monitoraggio dei cavalli con l'aiuto dell'IA comportamentale.

Perché l'IA comportamentale non è così semplice come sembra#

David ha inoltre discusso la complessità del monitoraggio comportamentale attraverso un esempio interessante. Durante la ricerca di modi per migliorare l'analisi comportamentale, il suo team si è imbattuto in un'azienda che dichiarava di poter rilevare i taccheggi analizzando determinate pose, come quella di una persona con la mano in tasca. All'inizio sembrava un'idea valida: certi movimenti potrebbero indicare un comportamento sospetto, giusto?

Fig. 4. Comprendere le difficoltà della tecnologia di monitoraggio comportamentale.

Tuttavia, approfondendo l'analisi, David si è reso conto dei limiti di questo metodo. Una singola posa, come una mano in tasca, non significa necessariamente che qualcuno stia rubando. Potrebbe semplicemente indicare che la persona è rilassata, sta pensando o ha freddo. Il problema di concentrarsi su pose isolate è che si ignora il contesto più ampio. Il comportamento non è una singola azione, ma uno schema di azioni nel tempo, determinato dal contesto e dall'intento.

David ha sottolineato che il vero monitoraggio comportamentale è molto più complesso e richiede un approccio olistico. Si tratta di analizzare sequenze di azioni e comprenderne il significato nel quadro più ampio. Sebbene il settore dell'IA stia facendo progressi, ha osservato che c'è ancora molto lavoro da fare per sviluppare il monitoraggio comportamentale e ottenere informazioni significative e accurate.

Creare modelli di IA per la visione più intelligenti, in grado di comprendere le azioni#

Successivamente, David ha accompagnato il pubblico dietro le quinte per mostrare come il suo team abbia creato una soluzione di computer vision per monitorare la salute dei bovini con l'aiuto di Ultralytics YOLOv8 e delle sue funzionalità di stima della posa.

Hanno iniziato creando un dataset personalizzato per la stima della posa di un bovino, aumentando il numero standard di punti chiave da 17 a 145 per rendere il modello più efficace nell'analisi dei movimenti. Il modello è stato quindi addestrato su un enorme dataset di oltre 2 milioni di immagini e 110 milioni di esempi comportamentali.

Utilizzando un'infrastruttura hardware avanzata, il team di David è riuscito ad addestrare il modello in soli due giorni, invece delle settimane che sarebbero state necessarie con hardware convenzionale. Il modello addestrato è stato quindi integrato con un tracker comportamentale personalizzato che analizzava simultaneamente più fotogrammi video per rilevare gli schemi nelle azioni dei bovini.

Il risultato è stato una soluzione basata sull'IA per la visione in grado di rilevare e monitorare otto diversi comportamenti dei bovini, come mangiare, bere e sdraiarsi, per individuare piccoli cambiamenti comportamentali che potrebbero segnalare problemi di salute. Questo consente agli allevatori di intervenire rapidamente e migliora la gestione della mandria.

Il futuro dell'IA comportamentale#

David ha concluso il suo intervento condividendo con il pubblico una lezione importante: «Se non lasci all'IA spazio per sbagliare, ti stai preparando al fallimento perché, in fin dei conti, è statistica». Ha sottolineato che l'IA, nonostante i suoi punti di forza, non è infallibile. È uno strumento che apprende dagli schemi e ci saranno sempre momenti in cui non farà le cose nel modo giusto. Invece di temere questi errori, la chiave è costruire sistemi in grado di gestirli e continuare a migliorare nel tempo.

Lo stesso vale per gli stessi modelli di computer vision. Per esempio, Ultralytics YOLO11, la versione più recente dei modelli YOLO di Ultralytics, è stato sviluppato tenendo presente la necessità di compiere un ulteriore passo avanti rispetto a YOLOv8.

Fig. 5. Attività di computer vision supportate da Ultralytics YOLO11.

In particolare, Ultralytics YOLO11 offre prestazioni migliori, soprattutto nelle applicazioni in tempo reale in cui la precisione è fondamentale, come l'agricoltura e l'assistenza sanitaria. Grazie alle sue funzionalità avanzate, YOLO11 sta ridefinendo il modo in cui i settori utilizzano l'IA, fornendo informazioni innovative in tempo reale e aiutandoli ad affrontare le difficoltà in modo più efficace.

Punti chiave#

L'intervento principale di David a YV24 ha ricordato che l'IA è più di una semplice innovazione interessante: è uno strumento potente per risolvere problemi reali e migliorare il modo in cui viviamo e lavoriamo. Concentrandosi sul comportamento, l'IA sta già producendo un impatto in ambiti come il monitoraggio della salute degli animali e il riconoscimento di schemi significativi nelle azioni quotidiane.

Il potenziale dell'IA comportamentale è entusiasmante e siamo solo all'inizio. Trasformando i dati grezzi in informazioni utili per agire, l'IA comportamentale passa dal monitoraggio passivo alla risoluzione attiva dei problemi. Con il suo ulteriore sviluppo, l'IA comportamentale è destinata a favorire decisioni più intelligenti, semplificare i processi e apportare miglioramenti significativi alla nostra vita.

Resta in contatto con la nostra community per saperne di più sull'IA e sulle sue applicazioni nel mondo reale. Visita il nostro repository GitHub per scoprire innovazioni in ambiti come l'IA nell'agricoltura e la computer vision nella produzione.