在自动驾驶、安全和人群管理中减少人工智能偏差
激光雷达如何增强人工智能的行为数据
Lidar技术在许多行业的AI系统中得到应用，包括：
- 自动驾驶：LIDAR技术可以帮助自动驾驶汽车识别和跟踪周围的物体和障碍物，从而提高安全性和减少事故风险。
- 安保：LIDAR技术可以用于安保应用程序，例如识别和跟踪人员、车辆和其他物体，以及检测潜在的安全威胁。
- 人群管理：LIDAR技术可以用于人群管理应用程序，例如监测人员的运动模式、在区域内停留的时间以及与敏感区域的距离，以便更好地管理人员流动和减少拥堵。
- 汽车：Lidar技术用于自动驾驶汽车中，以实时检测和跟踪物体和障碍物，提高安全性并减少事故风险。
- 机器人：Lidar技术用于机器人中，帮助机器人导航和与环境交互，使其能够更高效、更准确地执行任务。
- 农业：Lidar技术用于农业中，帮助农民监测作物的健康和生长，以及优化灌溉和施肥。
- 林业：Lidar技术用于林业中，帮助绘制和监测森林，以及检测和预防森林火灾。
- 测绘和制图：Lidar技术用于测绘和制图中，创建高精度的地形和结构的三维模型。
- 安全和监控：Lidar技术用于安全和监控应用中，检测和跟踪人员和物体，以及识别潜在威胁。
- 建筑：Lidar技术用于建筑中，帮助现场规划和设计，以及监测建筑进度和确保质量控制。
人工智能（AI）近来成为新闻头条，吓人的标题称其为“文明的终结”，并推测这些超级计算机对我们社会的未来会产生什么影响。的确，我们不知道这一AI智能革命的未来，但我们知道用于训练基于AI的系统的数据集对其输出结果有巨大影响。
作为一名工程师和技术专家，我一直对事物如何组合在一起——是什么让我们运转的——感到着迷。人工智能有能力消化和吐出“相对可靠”的信息；然而，我在想，是什么数据被输入、被消化，让人工智能能够工作并“预测”结果、反应和行为。
我们必须问自己：我们是否正在向基于AI的系统提供适当代表所有人口、性别和种族的数据？如果不是，它可能会在我们寻求依赖的AI技术中产生固有偏见，无意中加剧代际偏见和偏爱。
最近，用户使用“办公室老板未来”等提示搜索AI平台Craiyon、Mindjourney和Stable Diffusion，结果100%的图像都是白人男性。其他提示产生了类似的结果。此外，Pro Publica的一份报告发现，美国一家法院的AI风险评估技术将黑人被告定为再犯罪的可能性几乎是白人被告的两倍。同样，金融贷款人使用的AI系统被发现经常拒绝向有色人种提供住房和再融资机会，并收取更高的利率。
这对我们的社会构成了巨大风险。由于摄像头、手机和其他设备的偏见数据可能导致高度不准确的结果，因此在自动驾驶、监控和人群管理应用中使用AI技术生成分析和启用智能决策。
激光雷达是一种使用光脉冲识别物体和距离的技术，可以通过提供公正的基于行为的数据来帮助减少偏见。激光雷达不关注它看到的是谁，而是关注它看到的是什么——想想运动模式、在区域内花费的时间以及与敏感区域的距离。
一个令人震惊的例子与辅助和自动驾驶有关。如果用于驱动我们的汽车的技术中的行人数据仅基于成年白人男性的相机图像进行训练——无论是真实的人还是假人——该系统识别其他种族、女性和儿童的能力将受到损害，很可能无法检测到所有行人。当涉及到行人安全时，生物识别信息将是收集和基于自动安全功能的最不重要的数据。
在过去的七年中，我一直专注于为日常汽车使用开发激光雷达解决方案。任何汽车合格的软件系统的基本要求是它必须是确定性系统，这意味着对于给定的输入，输出应始终相同。对于制动和方向盘的有线控制，这很容易理解——每次按下制动并向制动器发送信号时，它都会采取完全相同的动作。
当涉及到AI系统时，在几乎所有情况下，它从来不是100%确定性的。汽车行业仍在努力理解和利用该系统，而不会产生不必要的责任。通过减少不必要的生物识别数据引入的偏见，激光雷达使系统在软件层面上更加确定性，为车辆的基于AI的感知平台提供了额外的确定性层次，并使其更容易被大众市场应用。
同样，在安全和设施管理应用中，基于带有偏见结论的照片和视频镜头的数据可能会导致根据种族、性别、年龄或外表将一个人标识为威胁。因为激光雷达捕获和输出匿名数据，所以它消除了这种可能性。当用于监视时，激光雷达提供如此准确的3D成像，以至于它有效地减少了虚警和漏警的惊人事件；它仅基于行为标记可疑活动，基于这些活动，可以使用摄像头镜头进行进一步确认。这有助于减少初始阶段不必要的人员干预，从而降低运营成本并减轻不必要的偏见。毕竟，让我们面对现实，我们人类也倾向于形成无意识的判断。
随着零售店和公共场所越来越依赖人群分析来增强客户体验，激光雷达还有助于解决基于排除的数据偏见，同时保护人们的隐私。例如，如果音乐会场地基于蓝牙和Wi-Fi连接度量活动，它们会忽略那些不随身携带智能手机的人，例如儿童、老年人、身体或经济上受限制的参与者或那些希望花费一些无手机时间的人。但是，这些人是否仍然需要计入排队管理或洗手间卫生？是的，激光雷达将准确跟踪他们的动向，以实时启用隐私敏感的分析。
将激光雷达集成到AI的训练数据中将使其更容易和更便宜地解决和确保输入智能系统的数据更少偏见、更准确，而不是在AI技术进一步发展后才追溯地识别错误。激光雷达的高精度、24/7可用性、智能性和匿名性使其成为一种有价值和强大的技术，可以在我们进入更清洁、更智能的数据未来时依赖它。
