Nata nel 2003, TechnoAware progetta e sviluppa moduli software di Video Analisi potenziati da Intelligenza Artificiale, per soluzioni avanzate di sorveglianza in tempo reale e forense.

Il team di TechnoAware nasce da un gruppo di ricerca accademico con oltre 40 anni di autorevolezza scientifica riconosciuta a livello internazionale nell’elaborazione video, il che posiziona l’azienda come uno dei principali esperti mondiali nel campo dell’analisi video e dell’intelligenza artificiale.

TechnoAware offre al mercato globale un portafoglio completo di prodotti software avanzati di analisi video, insieme a soluzioni su misura progettate internamente per affrontare specifiche sfide operative in diversi ambiti applicativi.

L’offerta principale di TechnoAware comprende i seguenti moduli software di punta:

• VTrack: videosorveglianza automatizzata in tempo reale e forense
• TPlate: riconoscimento automatico in tempo reale e forense delle targhe dei veicoli
• TFace: riconoscimento e identificazione facciale automatizzati in tempo reale e forense

Dal rilevamento delle minacce in tempo reale e dalle indagini forensi all’automazione, alla mobilità e alla business intelligence, le soluzioni di TechnoAware sono progettate per migliorare la consapevolezza situazionale, ottimizzare l’allocazione delle risorse e accelerare i processi decisionali.

Come troppo spesso succede nel mondo hi-tech, il settore della Video Analisi applicato alla sorveglianza automatica è sempre stato accompagnato da aspettative di mercato e promesse non mantenute. Anni fa, si spacciava per Video Analisi miracolosa anche banale rilevazione di movimento basata su differenze di immagini consecutive. Quando invece la vera Video Analisi già comprendeva algoritmi ben più complessi e performanti.

Oggi una dinamica simile riguarda la cosiddetta Intelligenza Artificiale, troppo frequentemente proposta in modo approssimativo, poco professionale e fuorviante, alimentando nuovamente aspettative confuse, gonfiate e ben lontane dalle situazioni reali.

Al di là delle narrazioni di marketing, diventa quindi essenziale comprendere in maniera chiara e oggettiva cosa sia realmente questa “cosiddetta IA”; e soprattutto cosa non sia.
Quando oggi si parla di Intelligenza Artificiale, ci si riferisce in particolare – erroneamente – solo a modelli basati su Deep Learning; ovvero, reti neurali di dimensioni e complessità maggiori di diversi ordini di grandezza rispetto a quelle applicabili in passato.
Benché già in passato, quando applicata con completezza, realismo e competenza tecnica, la Video Analisi fosse una tecnologia di enorme valore, non c’è dubbio che oggi l’avvento della disponibilità di modelli basati su Deep Learning ha oggettivamente reso possibile un salto evolutivo straordinario nella videosorveglianza automatizzata, aprendo scenari applicativi e livelli prestazionali fino a poco tempo fa impensabili.

È tuttavia fondamentale chiarire alcuni punti chiave:

• Innanzi tutto, qualsiasi processo non umano che prenda decisioni basate sull’analisi di dati può essere definito “Intelligenza Artificiale” — inclusi ad esempio i vecchi software di scacchi con cui già giocavamo da bambini.
• Il Deep Learning non è una tecnologia nuova: le sue origini risalgono alla fine degli anni ’50. Ma per decenni è rimasto prevalentemente teorico, poiché eccessivamente oneroso a livello computazionale. However, for decades it remained largely theoretical, primarily because it was far too resource-intensive to be applied in practice.
• La sua recente diffusione è stata resa possibile grazie alla straordinaria crescita della disponibilità di potenza computazionale a basso costo, che permette oggi di applicare efficacemente questa tecnologia anche all’analisi di flussi video in tempo reale – cosa prima impensabile – nonché alla disponbilità di enormi quantità di immagini da usare come dataset per addestrarne i modelli di riconoscimento.
• Non vi è nulla di etimologicamente “intelligente” nel Deep Learning; al contrario, si tratta di scatole chiuse in grado di riconoscere esclusivamente le classi di oggetti o di eventi per cui sono state specificamente addestrate e solo nelle relative condizioni ambientali e prospettiche considerate. Un modello in grado di riconoscere una persona in piedi a mochi metri dalla telecamera, non riconoscerà per esempio una persona sdraiata a terra o inquadrata dall’alto se il suo addestramento non ha incluso queste condizioni.
  Per ogni nuova classe o condizione che si intenda aggiungere (ad esempio appunto una persona in una data postura, o uno specifico oggetto, accessorio, veicolo, …), un modulo di Deep Learning deve necessariamente essere ri‑addestrato o ri-creato. Questo avviene raccogliendo un set corposo e ben bilanciato di immagini, annotandole con precisione e applicando complesse e per lo più ancora empiriche tecniche di fine‑tuning che aggiornino i pesi della rete per riconoscere il nuovo pattern. Il tutto senza però compromettere le prestazioni sulle classi già apprese.
• Il Deep Learning non è quindi una scatola magica in grado di apprendere e riconoscere a priori qualsiasi cosa in modo autonomo. Al di fuori di contesti molto semplici e controllati, dove anche i modelli prefabbricati disponibili sul mercato possono ben funzionare, nella maggior parte dei casi reali per ottenere prestazioni adeguate sono necessari processi di addestramento accurati, competenze tecnico-scientifiche altamente specializzate e una profonda comprensione del contesto operativo. Il Deep Learning, per quanto potente, rimane comunque solo uno dei molteplici ingredienti necessari per realizzare soluzioni di Video Analisi professionale. Parlare di Video Analisi basata solo su Deep Learning non è quindi oggi troppo diverso rispetto a quando in passato si spacciava la rilevazione di movimento per Video Analisi miracolosa.

Quindi, certamente sì: il potenziale è enorme e realmente rivoluzionario; ma solo se applicato con il livello di competenza e professionalità adeguato.

Per questo motivo TechnoAware, oltre a fornire tecnologie di video analisi allo stato dell’arte, mette sempre al centro la propria esperienza pluridecennale nella progettazione, nell’addestramento e nell’ottimizzazione di moduli e modelli sviluppati e contestualizzati su misura per scenari reali e per le esigenze operative specifiche di ciascun progetto.