想象一下这样的场景：一个男人走近一个家的前门，蹲下并检查钥匙孔。这是丢失房屋钥匙的居民还是客人？还是寻找入口点的窃贼？“Actlyzer”是一种新的人工智能安全系统，旨在区分这种情况。富士通实验室和研发中心的行为分析技术通过分析人类行为和动作的复杂组合来识别可疑活动，并且只需最少的培训数据即可做到这一点。

指导深度学习技术来识别个人行为通常需要大量的视频数据用于训练系统。此外，视频数据需要从头开始收集，这样每一种新的行为都可以被隔离和识别。以这种方式训练一个功能性人工智能可能需要几个月的时间。然而，富士通的研究人员通过识别基本的行为信号构建块找到了一条捷径。就像简单的乐高积木可以一起构建复杂的实体一样，基本的身体动作和动作也可以结合起来代表复杂的人类行为。

富士通训练Actlyzer识别大约100个基本动作，如走路、点头、伸手等。通过将这些拼接在一起，该模型发展了识别更复杂的人类行为的能力。

在第一步中，研究人员将该系统训练到识别100个基本动作的平均准确率为90%。“数据越多，准确度越高”的规则适用于此，因为训练中使用的基本动作数据不仅包括常见动作的许多变化，还包括一些特定选择的微妙和狡猾的动作，例如快速将头部转向两侧以检查目击者。

通过指定基本动作及其顺序、发生地点和目标的组合，Actlyzer学会了仅通过简单的设置识别不同的行为。富士通的研究人员告诉Synced，使用传统技术训练的识别引擎不能那么容易地定制，因此有必要在大量图像上训练这样的系统。“我们开发的技术解决了这些问题。

它识别可疑行为的能力和方便的可定制性使Actlyzer能够进入安全应用等市场和行业。富士通指出，该技术适用于实时视频分析，还可用于检查顾客的购买行为和店员的反应行为，确定制造现场的工作时间，或检查各种环境中的工作流程。

如今，人们对计算机视觉和其他公共监控技术及其对隐私的潜在威胁越来越关注。Synced询问富士通打算如何保护这项技术免受恶意使用，研究人员回答说：“一般来说，公众舆论认识到犯罪调查和预防犯罪的必要性。但是，如果在工厂等公司内使用Actlyzer，则在工作场所部署该技术之前，有必要获得员工的同意。对于像普通人和顾客的商店这样的地方，应该清楚地表明正在使用该技术。最终，如何负责任地保护个人信息和防止滥用的具体措施将取决于客户的判断。

随着东京今年夏天举办2020年夏季奥运会，日本政府一直在与富士通等科技公司合作，制定一项强有力的人工智能开发政策，旨在最大限度地提高安全性，同时最大限度地减少奥运会上的不便和人流问题。一项相关的技术是日本安全公司ALSOK的情感可视化系统，该系统将通过安装在自主漫游机器人小队上的摄像头监控人群。人工智能驱动的系统根据身体信号（如紧张）测量心理状态，然后相应地分配值，并在显示屏上对其环境中的人进行颜色编码，以指示可疑行为和可能的威胁。

由于深度学习是一项计算密集型技术，富士通研究人员建议，Actlyzer的未来工作应集中在如何使其更快、更轻便上。