La sécurité – comme dans « hé toi, tu ne peux pas y aller » – devient rapidement un travail complexe, sans doute impossible, une fois que vous avez dépassé quelques bâtiments et caméras. Qui peut surveiller partout à la fois et envoyer quelqu’un à temps pour prévenir un problème ? Ambient.ai n’est pas le premier à affirmer que l’IA le peut, mais ils sont peut-être les premiers à le faire à grande échelle – et ils ont levé 52 millions de dollars pour continuer à croître.

Le problème avec les processus d’aujourd’hui est le genre de chose que tout le monde peut signaler. Si vous avez une entreprise moderne ou un campus scolaire avec des dizaines ou des centaines de caméras, elles produisent tellement de séquences et de données que même une équipe de sécurité dédiée aura du mal à suivre le rythme. Par conséquent, non seulement ils risquent de manquer un événement important au fur et à mesure qu’il se produit, mais ils sont également à la hauteur des fausses alarmes et du bruit.

« Les victimes regardent toujours les caméras, s’attendant à ce que quelqu’un vienne les aider… mais ce n’est tout simplement pas le cas », a déclaré Shikhar Shrestha, PDG et co-fondateur d’Ambient.ai, à TechCrunch. « Dans le meilleur des cas, vous attendez que l’incident se produise, vous sortez la vidéo et vous travaillez à partir de là. Nous avons les caméras, nous avons les capteurs, nous avons les officiers – ce qui manque, c’est le cerveau au milieu.

De toute évidence, la société de Shrestha cherche à fournir le cerveau : une unité centrale de traitement visuel pour les images de sécurité en direct qui peut dire quand quelque chose ne va pas et avertir immédiatement les bonnes personnes. Mais sans le parti pris qui menace de telles entreprises, et sans reconnaissance faciale.

D’autres ont fait des percées sur cette idée particulière avant maintenant, mais jusqu’à présent, aucun n’a vu une adoption sérieuse. La première génération de reconnaissance automatique d’image, a déclaré Shrestha, était une simple détection de mouvement, un peu plus que de vérifier si les pixels se déplaçaient sur l’écran – sans savoir s’il s’agissait d’un arbre ou d’un envahisseur domestique. Vient ensuite l’utilisation de l’apprentissage en profondeur pour faire de la reconnaissance d’objets : identifier une arme à la main ou une vitre qui se brise. Cette…