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行业和环境中部署新传感器，而在于如何在不同的行业和环境中部署新的传感器。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。
当代视频分析引擎可以很好地提醒我们预定义的场景，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can extend to objects (in the case of searching for unattended bags, lost and found items, or even weapons) or even actions (such as the act of falling, fighting, running, or climbing), creating a robust tool that enables more rapid investigation.
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，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。