全球
传统人工智能可以通过对监督学习的依赖来定义，其中人工智能模型是根据标记信息或数据进行训练的。当今的生成式人工智能模型能够利用监督学习和无监督学习；然而，它们擅长无监督学习——这意味着该模型擅长识别数据中的模式和结构，而不需要标记信息。
这种理解未标记信息的能力代表了一个关键的转折点 - 我们正在从需要训练视频分析引擎来识别特定实例、操作或对象转向更加灵活的基于查询的解决方案。
在联系日益紧密的世界中，我们的挑战不在于在不同部门和环境中部署新传感器，而在于如何在不同领域和环境中部署新传感器。相反，它源于理解我们容易获得的大量信息并采取行动的能力。
当代视频分析引擎在提醒我们预定义场景方面做得很好，我们预计这将继续成为监控的重要基础方面。AGIL 愿景代表了一种强大的补充解决方案，能够满足当今的需求在意外情况下部署搜索。
举例来说，我们的传统系统可以快速识别已知的感兴趣的人来自监视列表；但当面临在拥挤的购物中心寻找走失的孩子的挑战时，人为干预就变得必要了。
AGIL Vision 使安保人员能够使用简单的自然语言查询来搜索儿童，不是通过面部识别，而是通过服装颜色、品牌服装、头发长度或这些排列的任意组合等通用字段。
这些的力量灵活的搜索查询可以扩展到物体（在寻找无人看管的行李、失物招领的物品，甚至武器的情况下）甚至动作（例如跌倒、打斗、奔跑或攀爬的行为），从而创建一个能够实现更快速调查的强大工具。
虽然此功能可以很好地应用于大型指挥中心类型的环境，但我们已将 AGIL Vision 产品化为小型但功能强大的外形尺寸，这将有助于将此功能部署到各种要求大大小小的部门和场景。
我们希望我们的解决方案成为一种革命性的工具，可以跨用例进行部署，包括安全和监控管理、工作场所安全执行、医疗保健和患者管理、仓储和物流等等。