
Image Credits:Obvio
استارتاپ Obvio با دوربینهای هوش مصنوعی در علائم توقف، ۲۲ میلیون دلار جذب سرمایه کرد
استارتاپ Obvio مستقر در کالیفرنیا با جذب ۲۲ میلیون دلار سرمایه، به دنبال افزایش ایمنی عابران پیاده در خیابانهای آمریکا با استفاده از دوربینهای هوش مصنوعی در علائم توقف است.
۱۴۰۴/۰۳/۱۴
استارتاپ Obvio مستقر در کالیفرنیا با جذب ۲۲ میلیون دلار سرمایه سری A به رهبری Bain Capital Ventures، قصد دارد با استفاده از دوربینهای هوش مصنوعی در علائم توقف، ایمنی عابران پیاده در خیابانهای آمریکا را بهبود بخشد. این شرکت بر حفظ حریم خصوصی تأکید دارد و اطلاعات را به صورت محلی پردازش کرده و در صورت عدم تخلف پس از ۱۲ ساعت حذف میکند.
خیابانهای آمریکا برای عابران پیاده بسیار خطرناک هستند. یک استارتاپ مستقر در سن کارلوس کالیفرنیا به نام Obvio معتقد است که میتواند با نصب دوربین در علائم توقف، این وضعیت را تغییر دهد. بنیانگذاران این شرکت میگویند راهحل آنها باعث ایجاد نظارت گسترده («پاناپتیکون» - panopticon) نخواهد شد، ادعایی جسورانه در زمانی که شرکتهای دیگر مانند Flock به دلیل استفاده از دوربینهای پلاکخوانشان به عنوان ابزاری در یک دولت نظارتی بیش از حد مورد انتقاد قرار گرفتهاند.
بنیانگذاران Obvio، علی ریحان (Ali Rehan) و دروو ماهشواری (Dhruv Maheshwari)، معتقدند که میتوانند بدون تن دادن به این تمایلات بد، یک کسبوکار بزرگ بسازند. آنها محصول را با محدودیتهایی در زمینه نظارت و اشتراکگذاری داده طراحی کردهاند تا اطمینان حاصل کنند که میتوانند به ادعای خود عمل کنند.
آنها سرمایهگذارانی با سرمایههای قابل توجه پیدا کردهاند که حاضر به باور آنها هستند. این شرکت به تازگی یک دور سرمایهگذاری سری A (Series A funding) به مبلغ ۲۲ میلیون دلار را به رهبری Bain Capital Ventures تکمیل کرده است. Obvio قصد دارد از این سرمایه برای گسترش فعالیتهای خود فراتر از پنج شهر اول در مریلند که در حال حاضر در آنها فعال است، استفاده کند.
ریحان و ماهشواری در حین کار در Motive، شرکتی که دوربینهای داشبورد برای صنعت حمل و نقل با کامیون میسازد، با یکدیگر آشنا شدند. ماهشواری به TechCrunch گفته است که در آنجا این دو متوجه شدند که «بسیاری از خودروهای سواری معمولی، رانندگان وحشتناکی هستند».
بنیانگذاران گفتند هرچه بیشتر در مورد ایمنی جادهها تحقیق میکردند، شگفتزده میشدند. نه تنها خیابانها و خطوط عابر پیاده برای عابران خطرناکتر میشدند، بلکه به نظر آنها، آمریکا در زمینه اجرای قوانین عقب مانده بود. ماهشواری گفت: «بسیاری از کشورهای دیگر در واقع در این زمینه بسیار خوب عمل میکنند. آنها فناوری دوربین کنترل سرعت دارند. آنها فرهنگ خوبی در زمینه ایمنی رانندگی دارند. آمریکا در واقع یکی از بدترین کشورها در میان تمامی کشورهای مدرن است.»
ماهشواری و ریحان با خواندن کتاب و شرکت در کنفرانسها شروع به مطالعه در مورد ایمنی جادهها کردند. آنها دریافتند که متخصصان این صنعت به سه راهحل کلی گرایش دارند: آموزش، مهندسی، و اجرای قوانین. به نظر آنها، این رویکردها اغلب بیش از حد از یکدیگر جدا بودند. اندازهگیری تأثیر تلاشهای آموزشی دشوار است. مقامات محلی ممکن است سعی کنند یک تقاطع مشکلساز را با نصب یک میدان بهبود بخشند، اما این کار میتواند سالها طول بکشد و میلیونها دلار هزینه داشته باشد. و نیروهای انتظامی نمیتوانند در کنار هر علامت توقف حضور دائمی داشته باشند.
ریحان و ماهشواری در ترکیب این رویکردها پتانسیل دیدند. نتیجه، یک تیرک («پایلون» - pylon) است (اغلب با رنگ روشن) که در بالای آن یک دوربین با انرژی خورشیدی قرار دارد و میتوان آن را در نزدیکی تقریباً هر تقاطعی نصب کرد. این تیرک به گونهای طراحی شده که پنهان نباشد - بخشی از جنبه آموزش و آگاهیبخشی - و همچنین به دقت مهندسی شده تا نصب آن ارزان و آسان باشد.
هوش مصنوعی تعبیهشده («آن-دیوایس اِیآی» - on-device AI) برای شناسایی بدترین انواع تخلفات در علائم توقف یا سایر تخلفات آموزش دیده است. (این شرکت همچنین در وبسایت خود ادعا میکند که میتواند سرعت غیرمجاز، تخلفات عابر پیاده، گردشهای غیرقانونی، تغییر مسیرهای ناایمن و حتی رانندگی با حواسپرتی را نیز ثبت کند.) هنگامی که یکی از این موارد رخ میدهد، سیستم پلاک خودرو را با پایگاه داده DMV (Department of Motor Vehicles) ایالت مطابقت میدهد.
تمام این اطلاعات – دقت تخلف، پلاک – قبل از ارسال به نیروهای انتظامی، توسط کارکنان Obvio یا پیمانکاران تأیید میشود. سپس نیروهای انتظامی باید تخلفات را بررسی کرده و قبل از صدور جریمه، آنها را تأیید کنند.
Obvio این فناوری را به صورت رایگان در اختیار شهرداریها قرار میدهد و درآمد خود را از جریمهها کسب میکند. نحوه تقسیم درآمد حاصل از جریمه بین Obvio و دولتها از مکانی به مکان دیگر متفاوت خواهد بود، زیرا به گفته ماهشواری، مقررات مربوط به چنین توافقاتی در ایالتهای مختلف متفاوت است.
این وضعیت به وضوح انگیزهای برای افزایش تعداد جریمهها ایجاد میکند. اما ریحان و ماهشواری گفتند که میتوانند کسبوکاری بر پایه توقف بدترین تخلفات در بخش گستردهای از شهرهای آمریکا بسازند. آنها همچنین گفتند که میخواهند Obvio در جوامعی که از فناوری آنها استفاده میکنند، حضور فعال داشته و پاسخگو باشد.
ماهشواری گفت: «اجرای خودکار قوانین («آتومیتد اِنفورسمنت» - automated enforcement) باید در کنار حمایت جامعه («کامیونیتی ادوکِسی» - community advocacy) و پشتیبانی جامعه استفاده شود؛ این نباید فقط دوربینی باشد که برای کسب درآمد و گرفتن مچ افراد نصب میکنید.» هدف این است که «شروع به استفاده از این دوربینها به گونهای کنیم که به رانندگان متخلف هشدار داده و از آنها بازدارندگی ایجاد کنیم تا بتوانید واقعاً حمایت گسترده جامعه و تغییر رفتار را ایجاد کنید.»
ماهشواری گفت که شهرها و شهروندان آنها «باید به ما اعتماد کنند».
توضیح فنی نیز وجود دارد مبنی بر اینکه چرا دوربینهای Obvio ممکن است به یک ابزار نظارتی قدرتمند برای نیروهای انتظامی فراتر از استفاده مورد نظرشان تبدیل نشوند. پایلون دوربین Obvio تصاویر را به صورت محلی ضبط و پردازش میکند. تنها زمانی که یک تخلف شناسایی میشود، تصاویر از دستگاه خارج میشوند. در غیر این صورت، تمام تصاویر دیگر از وسایل نقلیه و عابران پیاده که از تقاطع عبور میکنند، حدود ۱۲ ساعت روی دستگاه باقی میمانند و سپس حذف میشوند. (مالکیت فنی تصاویر نیز بر عهده شهرداریها است که دسترسی از راه دور دارند.) این امر احتمال استفاده نیروهای انتظامی از تصاویر برای نظارت بر شهروندان به روشهای دیگر را از بین نمیبرد، اما این احتمال را کاهش میدهد.
همین تمرکز بود که شریک Bain Capital Ventures، آجای آگاروال (Ajay Agarwal)، را ترغیب به سرمایهگذاری در Obvio کرد. او به TechCrunch گفت: «بله، در کوتاهمدت میتوانید سود را به حداکثر برسانید و آن ارزشها را از بین ببرید، اما فکر میکنم در طول زمان، این کار توانایی این شرکت را برای فراگیر شدن محدود خواهد کرد. دشمنانی ایجاد خواهد کرد یا افرادی ایجاد خواهد کرد که این [فناوری] را نمیخواهند.» او افزود: «بنیانگذاران بزرگ، صادقانه بگویم، حاضرند خطوط کاملی از کسبوکار و درآمدهای زیادی را در پی رسیدن به هدف نهایی قربانی کنند.»
منبع: تککرانچ