Szingapúr nem bánik kesztyűs kézzel polgáraival, ha közérdekről van szó. Így került a pandémia alatt mindenki zsebébe kontaktkövető fityegő, és így vetik be a városszerte telepített kamerákat és a gépi képfelismerés technológiáját azért, hogy minél több tilosban dohányzót tudjanak azonosítani (és persze súlyosan megbüntetni).

Szingapúrban tilos rágyújtani többek között a legtöbb beltéri helyiségben, parkokban, oktatási intézményekben, uszodákban, sőt a gyalogos felüljárókon is. A kihágáson ért pöfékelőket a helyszínen 200 szingapúri dollárra (kb. 55 ezer forintra) bírságolják, de egy ilyen esetből tett feljelentés végül akár 1000 dolláros büntetéssel is járhat.

A mesterséges intelligenciára támaszkodó Balefire elnevezésű riasztási rendszer immár a 3.0-s verziójánál jár, amelynek működéséről, fejlesztési nehézségeiről az egyik projekten dolgozó mérnők számolt be nemrégiben a Medium felületén. Pye Sone Kyaw a digitális átalakulással foglalkozó GovTech kormányzati ügynökség munkatársa, szakterülete pedig az MI-fejlesztés.

Kibővített kísérleti projekt

Ugyan a Balefire már a harmadik generációnál jár, de még ezt is csak "kibővített kísérleti projektként" jellemzi az alkotója, ami jelenleg 20 helyszínen működik. A feladat ugyanis nehezebbnek bizonyult a vártnál. A cigaretták kiszúrása az előző két generációnak sok nehézséget okozott, mivel azok túl kicsik, és könnyen összetéveszthetők más tárgyakkal, testrészekkel. Ilyen zavaró elemek voltak a szívószálak, a telefonok megcsillanó oldala, a bizonyos módon tartott ujjak, valamint egyes ételféleségek.

A probémát azzal próbálták orvosolni, hogy a füstre és a cigaretta izzó hegyére koncentrálva igyekeztek azonosítani a dohányzókat. Ám gyorsan kiderült, hogy sem ezek, sem a teljes alak által felvett pózból történő becslés nem bizonyul hatékonyabb megoldásnak. 

Kyaw végül egy speciális feldolgozási eljárást dolgozott ki, amely a felvételeken szereplő fejek azonosításával, kategorizálásával és követésével pontosabban képes jelezni a tiltott tevékenységet. A 3.0 eredményeit javítja a korábbi modellekből származó tapasztalatok beépítése, valamit az ezekben tévesen megjelölt szituációk korrekciója. 

Mindezek a remények szerint egy olyan rendszert eredményeznek amely egyrészt sokkal több dohányost képes lefülelni, másrészt viszont nem terheli le a hatóságokat feleslegesen téves pozitív találtokkal.