Naukowcy z Uniwersytetu Leicester współpracują z przedsiębiorstwem Synoptix w programie transferu technologii prowadzonym przez brytyjską agencję Innovate UK wspierającą rozwój innowacji. W ramach współpracy, eksperci zainstalowali prototypowe urządzenie o nazwie OPTIMUS na przejeździe kolejowym nieopodal miasta Cheltenham w hrabstwie Gloucestershire. Przejazd jest położony na linii kolejowej Cross Country Route, łączącej południowy zachód kraju z północnym wschodem i codziennie kursuje tam około 130 pociągów. Zamontowany sprzęt wykorzystuje uczenie maszynowe i system wykrywania obiektów oparty na algorytmach AI, przez co wykrywa i ocenia ilościowo ruch pieszych, rowerzystów czy samochodów zarówno na przejeździe, jak i w jego pobliżu. Dane są przetwarzane lokalnie, z kolei raporty przygotowywane przez oprogramowanie mogą być w czasie rzeczywistym przesyłane do osób kontrolujących ruch, co ułatwi m.in. dostosowanie procedur bezpieczeństwa.
Szwajcarskie wdrożenie
Podobny projekt w szwajcarskim mieście Münchenstein, prowadzą firmy Nokia, Schweizer Electronics oraz operator transportu publicznego Baselland Transport. Oprogramowanie fińskiego producenta pn. Sense Analytics wykorzystuje wizję komputerową i machine learning do monitorowania i analizy w czasie rzeczywistym. Algorytmy uczą się wykrywania anomalii na bazie danych z kamer przemysłowych. System przesyła służbom ochrony kolei powiadomienia o nieprawidłowościach, razem z informacją o rodzaju obiektu. Dzięki temu, poza poprawą bezpieczeństwa i czasu reakcji, spodziewanym efektem wdrożenia jest zwiększenie wydajności z powodu redukcji przestojów i opóźnień. Rozwiązanie może współpracować ze standardowymi kamerami CCTV.
Bezpieczeństwo miejsca pracy
Europejska Agencja Bezpieczeństwa i Zdrowia w Pracy podkreśla, że algorytmy sztucznej inteligencji stosowane m.in. w cobotach, chatbotach, urządzeniach ubieralnych czy tabletach na liniach montażowych, mogą przyczyniać się do poprawy nadzoru w zakresie BHP, mniejszego narażenia na czynniki ryzyka, a także pomagać we wczesnym wykrywaniu stresu, problemów zdrowotnych i zmęczenia. Z drugiej strony, stosowanie SI wiąże się z nowymi wyzwaniami, np. duża autonomia decyzyjna robotów, wynikająca z mechanizmów uczenia się, może sprawić, że działania urządzeń nie będą przewidywalne dla osób pracujących w pobliżu, a ryzyko kolizji się zwiększy. Wśród zagrożeń, eksperci wymieniają również niebezpieczeństwo pracy pod presją związane z chęcią dorównania maszynom, jeśli chodzi o tempo.