Η Τεχνητή Νοημοσύνη –Artificial Intelligence (ΑΙ)- βρίσκεται σήμερα στην κορυφή της ατζέντας των συζητήσεων παγκοσμίως ως μια τεχνολογική επανάσταση που επηρεάζει καθοριστικά τις εξελίξεις σε επιστημονικό, επαγγελματικό, οικονομικό και κοινωνικό επίπεδο. Αξίζει λοιπόν μια ιδιαίτερη ανάλυση προκειμένου αποτυπώσουμε πώς το AI επιδρά ευρύτερα στο τομέα της φυσικής ασφάλειας και ειδικότερα στις υποδομές βιντεο-επιτήρησης.
Βλάσης Αμανατίδης
Αρχισυντάκτης Security Manager
Τεχνητή Νοημοσύνη – AI – Artificial Intelligence. Δυο λέξεις, μια συντομογραφία που σίγουρα συναντάμε όλο και πιο συχνά θα λέγαμε σε κάθε πτυχή της ζωής. Στην ειδησεογραφία, σε επαγγελματικές αναφορές, σε επιστημονικές αναλύσεις, σε συνέδρια, σε εμπορικές προβολές, αλλά θα λέγαμε και στη καθημερινότητα μας. Άλλες φορές τρομάζει, ενώ άλλες προκαλεί ενθουσιασμό! Υπάρχουν οι ένθερμοι υποστηρικτές, αλλά και οι σκεπτικιστές σε ότι αφορά την ευρεία υιοθέτηση της Τεχνητής Νοημοσύνης.
Το σίγουρο είναι ότι το AI δεν αποτελεί σήμερα, απλά και μόνο ένα “buzzword” ή ένας marketing όρος χωρίς πρακτικό αντίκρισμα – όπως μπορεί να συνέβαινε τα παλαιότερα χρόνια – αλλά αποτελεί, μια κυρίαρχη τεχνολογική τάση που μετουσιώνεται σε πρακτικές εφαρμογές, μέσα από ένα πλήθος συστημάτων προϊόντων και ολοκληρωμένων λύσεων σε πολλές κάθετες αγορές και βιομηχανίες. Σε όλο αυτό το περιβάλλον όπως διαμορφώνεται σταδιακά με την καθολική επίδραση του ΑΙ, ο τομέας της ασφάλεια στην ευρύτερη διάσταση του δεν θα μπορούσε να μείνει ανεπηρέαστος.
Και στους δυο κόσμους της ασφάλειας λοιπόν, τον φυσικό και τον ψηφιακό κόσμο, διαπιστώνουμε ενσωμάτωση της τεχνητής νοημοσύνης σε πολλές λειτουργίες των συστημάτων που αναπτύσσονται και σε πολλές πτυχές των έργων και των εφαρμογών που υλοποιούνται. Θα μπορούσαμε να ισχυριστούμε ότι για το AI υπάρχει ακόμα πεδίο δόξης λαμπρό στον ευρύτερο χώρο της ασφάλειας και όχι μόνο για την κάλυψη υψηλών απαιτήσεων σε κρίσιμης σημασίας έργα, αλλά και για πιο καταναλωτικές εφαρμογές.
Η τεχνητή νοημοσύνη μπορεί να μετατοπίσει το σύγχρονο τοπίο της ασφάλειας να έχει καταλυτικό ρόλο στο τομέα της επιτήρησης και γενικότερα να αλλάξει δραματικά τον τρόπο με τον οποίο οι χρήστες αλληλεπιδρούν με τα συστήματα ασφαλείας.
Σε κάθε περίπτωση όμως απαιτείται μια σύνεση και μια ρεαλιστική προσέγγιση μέσα από μια ορθολογιστική αξιολόγηση της κάθε προτεινόμενης λύσης με Τεχνητή Νοημοσύνη και των αναγκών που καλύπτει. Θα πρέπει να είμαστε σίγουροι για το πότε χρησιμοποιείται, από ποιους και για ποιο λόγο. Επίσης απαιτείται και καλύτερη κατανόηση των όρων που συνοδεύουν το AI όπως είναι το Deep Learning (βαθιά εκμάθηση) και Machine Learning (μηχανική εκμάθηση).
Όλες αυτές τις πτυχές του AI που εξακολουθεί να είναι μια αναδυόμενη τεχνολογία με πολλά περιθώρια εξέλιξης, θα επιχειρήσουμε να αναδείξουμε μέσα από το συγκεκριμένο άρθρο.
Τι προσφέρει η τεχνητή νοημοσύνη;
Η ανίχνευση σεναρίων υψηλού κινδύνου πριν κλιμακωθούν είναι ένα από τα βασικά κίνητρα πίσω από την ανάπτυξη της τεχνητής νοημοσύνης (AI) για εφαρμογές ασφαλείας. Με την τεχνητή νοημοσύνη στη φαρέτρα τους, οι διαχειριστές συστημάτων επιτήρησης μπορούν πέρα από μια απλή παρακολούθηση να αξιοποιούν κάθε καρέ βίντεο και σύνολο δεδομένων που είναι διαθέσιμα για τον εντοπισμό απειλών και την αντιμετώπιση καταστάσεων έκτακτης ανάγκης.
Η τεχνητή νοημοσύνη, μεταξύ άλλων, θα λέγαμε ότι συνιστά μια ισχυρή μέθοδο συλλογής, αξιολόγησης, επεξεργασίας και ανάλυσης δεδομένων κάθε μορφής, με κύριο στόχο την εξαγωγή ουσιαστικών συμπερασμάτων, που θα μπορούν να βοηθήσουν να καταλήξουμε σε αποφάσεις πιο γρήγορα, αλλά και πιο σωστά, ή ακόμα και να αυτοματοποιήσουμε διαδικασίες στο μέγιστο βαθμό. Το AI ως ορισμός, είναι μεταγενέστερος του Machine Learning (μηχανική εκμάθηση) ή του machine processing, ενώ το Deep Learning “βαθιά εκμάθηση” θα λέγαμε πως είναι μια εξέλιξη του AI.
Ειδικότερα τώρα σε ότι αφορά την εφαρμογή του όρου του AI στη βιομηχανία της ασφάλειας και πιο συγκεκριμένα στον τομέα της βιντεο-επιτήρησης, θα λέγαμε ότι συνιστά αρχικά τη δυνατότητα των συστημάτων αυτών να λαμβάνουν και να επεξεργάζονται σημαντικές πληροφορίες και δεδομένα από τις κάμερες ασφάλειας και άλλους διασυνδεμένους αισθητήρες σε ταχύτατους χρόνους, που πριν μερικά χρόνια δεν θα μπορούσαμε καν να φανταστούμε, όχι μόνο στους “αναλογικούς καιρούς” αλλά και κατά τον πρώτο ψηφιακό μετασχηματισμό των συστημάτων ασφάλειας.
Στη συνέχεια η κυριότερη εφαρμογή του ΑΙ είναι στα λογισμικά συστήματα διαχείρισης βίντεο, τα γνωστά σε όλους μας VMS: Video Management Software. Εδώ θα πρέπει να επισημάνουμε ότι λειτουργίες που συναντάμε στα VMS όπως: αναζήτηση αντικειμένου, αφαίρεση αντικειμένου, ανίχνευση κίνησης, παραβίαση χώρου και γραμμής και άλλα εργαλεία που γνωρίζουμε από τα video analytics δεν πρέπει να συγχέονται άμεσα με το ΑΙ. Όλες αυτές οι λειτουργίες που προϋπήρχαν της ενσωμάτωσης της Τεχνητής Νοημοσύνης, είναι analytics τα οποία τώρα δουν υποστηρικτικά προς το AI, αλλά δεν είναι από μόνα τους ΑΙ.
Η τεχνητή νοημοσύνη σίγουρα έχει καταφέρει να βελτιστοποιήσει την αξιοπιστία των μοντέλων και των παραπάνω σεναρίων σε απόλυτο βαθμό, αλλά κάνει και περισσότερα πράγματα με κυριότερο να μαθαίνει από το περιβάλλον.
Αλληλεπίδραση με τους χρήστες
Είναι γεγονός ότι ο ανθρώπινος εγκέφαλος έχει πεπερασμένα όρια στην ικανότητα συλλογής και επεξεργασίας δεδομένων σε συγκεκριμένη χρονική περίοδο. Αυτοί οι περιορισμοί ισχύουν φυσικά και για τους επαγγελματίες χειριστές καμερών ασφάλειας σε ένα κεντρικό σταθμό, που εποπτεύουν ζωντανά αλλά και διαχειρίζονται σε πραγματικό χρόνο μια πληθώρα καμερών από πολλαπλά σημεία εγκαταστάσεων.
Το AI όμως θα λέγαμε ότι είναι μια τεχνολογία που δεν έχει όρια, δεν κουράζεται, δεν εφησυχάζει και μπορεί ταυτόχρονα να αναλύσει τεράστιο όγκο δεδομένων, υπερκαλύπτοντας τις όποιες ανθρώπινες αδυναμίες.
Θα πρέπει εδώ να επισημάνουμε όμως, ότι η τεχνολογία ΑΙ για εφαρμογές ασφάλειας δεν έχει σχεδιαστεί με στόχο να αντικαταστήσει τον ανθρώπινο παράγοντα, αλλά κυρίως για να ενισχύσει την αντίληψη και διορατικότητα του και να τον βοηθήσει να εντοπίσει γρήγορα ένα πιθανό συμβάν, να το αξιολογήσει και να πάρει τις σωστές αποφάσεις στο σωστό χρόνο.
Η βασική ιδέα του AI στο τομέα της βιντεο-επιτήρησης είναι να στρέψει την προσοχή των ανθρώπων που έχουν την ευθύνη διαχείρισης των συστημάτων ασφάλειας στα σημεία που χρίζουν άμεσης ανταπόκρισης, να επικεντρωθούν δηλαδή στα πιθανά συμβάντα απειλής της ασφάλειας έγκαιρα και αποτελεσματικά, με αξιοπιστία και ακρίβεια.
Προκειμένου να επιτευχθεί αυτό, οι μηχανισμοί που συνιστούν το AI σε ένα σύστημα ασφάλειας, τροφοδοτούνται συνεχώς από πληροφορίες που περιέχουν χρήσιμα δεδομένα από το περιβάλλον και συμπεριφορές μεμονωμένων ατόμων αλλά και ενός πλήθους. Αναλύοντας αυτές τις πληροφορίες, μπορούν να εξαχθούν αξιόπιστα συμπεράσματα για πιθανές κακόβουλες ενέργειες πριν αυτές εκδηλωθούν, έτσι ώστε έπειτα από την κατάλληλη ενημέρωση το προσωπικό ασφάλειας -ιδιωτικής αλλά και δημόσιας δύναμης- να αναλάβει δράση επιχειρώντας στο πεδίο δράσης για το έλεγχο και την αποτροπή αυτών των ενεργειών.
Με την τεχνητή νοημοσύνη οι κάμερες επιτήρησης δεν έχουν απλά ένα παθητικό ρόλο ως μέσο παρακολούθησης εικόνων, αλλά παράλληλα αποκτούν λειτουργίες ενός αισθητήρα συλλογής σημαντικών δεδομένων αναγνώρισης και ανίχνευσης προσώπων, συμπεριφορών και άλλων χρήσιμων στοιχείων με αυτοματοποιημένες διαδικασίες σε πραγματικό χρόνο που επιτρέπουν στο επιχειρησιακό προσωπικό ασφάλειας, αλλά και τους υπεύθυνους διαχειριστές και διοικητές έργων, να λάβουν τις σωστές αποφάσεις.
Η ανάλυση συμπεριφοράς μπορεί επίσης να χρησιμοποιηθεί για τη διασφάλιση της ασφάλειας στο χώρο εργασίας.
Ειδικά σε ό.τι αφορά στην ανίχνευση και ανάλυση ανθρώπινης συμπεριφοράς και ειδικότερα την αναγνώριση προσώπων ως μέρος του AI σε συνδυασμό με τη δημιουργία βάσεων δεδομένων, γίνεται μεγάλη συζήτηση παγκοσμίως, ως ένα εργαλείο που μπορεί πραγματικά να δώσει θετικά αποτελέσματα στην πρόληψη και αποτροπή βαριάς εγκληματικότητας, όπως είναι οι τρομοκρατικές ενέργειες, ενώ από την άλλη πλευρά εγείρονται και αρκετές αντιδράσεις σχετικά με την προστασία προσωπικών δεδομένων σε δημόσιους χώρους.
Βαθιά Εκμάθηση – Deep Learning.
Το επόμενο επίπεδο του ΑΙ είναι το Deep Learning AI, που επιτρέπει μέσα σε ένα διασυνδεμένο οικοσύστημα βίντεο επιτήρησης και άλλων αισθητήρων, μια συγκριτική ανάλυση μεγάλου όγκου δεδομένων σε βάθος με πληροφορίες που έχουν συλλεχθεί από πολλαπλές πηγές ίσως και σε διαφορετικά σημεία. Μια ανάλυση με βάση νευρωνικά δίκτυα που προσδίδει στο σύστημα ασφάλειας τη δυνατότητα να εκπαιδεύεται και να προσαρμόζεται συνεχώς σε νέα δεδομένα, να αναγνωρίζει μοτίβα και να εντοπίζει πιθανές απειλές.
Με μια ευρύτερη διάσταση λοιπόν, η τεχνητή νοημοσύνη σε μια πλατφόρμα ασφάλειας, θεωρείται ως η βάση για την αξιοποίηση ενός συστήματος μηχανών με στόχο τη συλλογή, επεξεργασία, ανάλυση και παραγωγή πληροφοριών, που λαμβάνονται από τη λήψη βίντεο ή τις προηγμένες δυνατότητες των video analytics.
Το τι μαθαίνουν οι μηχανές αυτές, εξαρτάται από το τι τους ζητείται. Η αλήθεια είναι, πως ο μόνος τρόπος προκειμένου η Τεχνητή Νοημοσύνη να παράγει τα επιθυμητά αποτελέσματα, είναι να υπάρχουν πολλές και επαρκείς πληροφορίες που θα βοηθήσουν το εκάστοτε σύστημα να μάθει αυτά που χρειάζεται.
Αν δεν υπάρχουν αρκετές πληροφορίες, τότε πρέπει θα πρέπει να εμβαθύνουμε ακόμα περισσότερο σε κάποιες από αυτές ή να μάθουμε στο σύστημα περισσότερα πράγματα κάτι που αποτυπώνει ο όρος Deep Learning “βαθιά εκμάθηση” AI. Πρακτικά, αυτό σημαίνει ότι πρέπει να μάθουμε περισσότερα και σε βαθύτερο επίπεδο, προκειμένου να λάβουμε τις συνδυασμένες πληροφορίες που είναι απαραίτητες για την επίτευξη του επιθυμητού αποτελέσματος.
Η “βαθιά εκμάθηση” μπορεί να μας δώσει τη δυνατότητα να κατανοήσουμε περισσότερα για τα χαρακτηριστικά και τις συμπεριφορές των προσώπων. Η εφαρμογή αυτών των πληροφοριών μπορεί στη συνέχεια να εφαρμοστεί περαιτέρω για να κατανοήσουμε τον τρόπο ερμηνείας των προτύπων συμπεριφοράς με τελικό στόχο την πρόβλεψη συμπεριφοράς. Αυτή η πρόβλεψη απαιτεί κάποιο βαθμό ανθρώπινης ερμηνείας, έτσι ώστε να είμαστε σε θέση να ερμηνεύσουμε πρότυπα ύποπτης συμπεριφοράς ή απλά να αναζητήσουμε άτομα ενδιαφέροντος με βάση αυτά τα πρότυπα.
Αυτά τα ίδια πρότυπα εξελίσσονται σε τεχνητή νοημοσύνη η οποία με την πάροδο του χρόνου αυξάνει την ικανότητα της μηχανής να προβλέπει με μεγαλύτερη ακρίβεια συμπεριφορές που οδηγούν στη λήψη αποφάσεων για την προστασία προσώπων και την ασφάλεια εγκαταστάσεων.
Αυτή η τεχνολογία συνιστά μια ολιστική αξιοποίηση των δεδομένων, συνδέοντας μεμονωμένα σημεία συλλογής για να εντοπίσει τι ακριβώς συμβαίνει, προκειμένου να εντοπίσει γρήγορα καταστάσεις υψηλού κινδύνου πριν κλιμακωθούν.
Στον τομέα της παρακολούθησης βίντεο, ξεχωρίζουν πολλές εφαρμογές που μπορούν να επωφεληθούν από τη βαθιά εκμάθηση.
Αναγνώριση προσώπου
Η τεχνολογία βαθιάς εκμάθησης έχει βελτιώσει σημαντικά το ποσοστό ακρίβειας της αναγνώρισης προσώπου. Το Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST) των ΗΠΑ διενήργησε δοκιμές για την αναγνώριση προσώπου (Face Recognition Vendor Test (FRVT) FRVT) κατά την τελευταία δεκαετία. Οι βελτιώσεις τα τελευταία χρόνια είναι πολύ σημαντικές και τα ποσοστά σφάλματος αναγνώρισης προσώπων έχουν μειωθεί σε πολύ μεγάλο βαθμό. Τα περισσότερα από τα σημερινά εμπορικά προϊόντα αναγνώρισης προσώπου που παρουσιάζουν κορυφαία απόδοση βασίζονται στη βαθιά εκμάθηση. Η ακρίβεια έχει φτάσει το 99,9% για ελεγχόμενα περιβάλλοντα όπως εφαρμογές αναγνώρισης προσώπων σε διαδικασίες ελέγχου αεροδρομίου, σύμφωνα με έρευνα του Πανεπιστημίου του Τελ Αβίβ.
Ταχύτερη αναζήτηση
Αξίζει επίσης να σταθούμε στη λειτουργία αναζήτησης, η οποία επιτυγχάνεται με πολύ ταχύτερο και αποτελεσματικό τρόπο μέσα από τους μηχανισμούς που προσφέρει το ΑΙ.
Οι διαχειριστές των συστημάτων έχουν πλέον στα χέρια τους εργαλεία με τεχνητή νοημοσύνη, που έχουν σχεδιαστεί για να κάνουν την αναζήτηση αρχείων βίντεο με ιδιαίτερο ενδιαφέρον τόσο εύκολη, όσο η αναζήτηση σε μια μηχανή στο διαδίκτυο. Πρόκειται για εργαλεία με εξελιγμένη βαθιά εκμάθηση AI, που καθιστούν εφικτή μια μηχανή αναζήτησης βίντεο που επιτρέπει πολύ γρήγορα τον εντοπισμό συγκεκριμένων προσώπων ή οχημάτων από όλες τις κάμερες σε μια περιοχή με την εισαγωγή εύκολων κριτηρίων και χαρακτηριστικών.
Όταν ο διαχειριστής ασφαλείας διαθέτει για παράδειγμα περιγραφές φυσικών χαρακτηριστικών ενός ατόμου που πιθανώς να εμπλέκεται σε ένα συμβάν, η τεχνολογία ΑΙ του επιτρέπει να ξεκινήσει μια αναζήτηση επιλέγοντας απλώς ορισμένα στοιχεία, όπως το φύλο, την ηλικία, το ύψος ή το χρώμα του ρουχισμού. Κατά τη διάρκεια κρίσιμων ερευνών, όπως στην περίπτωση ενός αγνοούμενου ή ύποπτου για μια εγκληματική ενέργεια σε ένα προκαθορισμένο πεδίο θέασης ή ένα πολυσύχναστο δημόσιο χώρο, αυτή η δυνατότητα είναι ιδιαίτερα πολύτιμη, καθώς με βάση απλές περιγραφές καθίσταται εφικτή η εξαγωγή συμπερασμάτων σε πολύ σύντομα χρονικό διάστημα.
Εστιασμένη προσοχή
Η δυνατότητα της τεχνητής νοημοσύνης να επιτυγχάνει σημαντική μείωση του χρόνου της απόλυτης προσοχής που πρέπει να επιδεικνύουν οι ελεγκτές στην επιτήρηση εικόνων από κάμερες ασφάλειας, είναι πολύ σημαντική και χρήσιμη, αν αναλογιστούμε ότι κατά το χρόνο αυτής της εργασίας, υπάρχει όπως προαναφέρθηκε σταδιακή μείωση της ικανότητας και της προσοχής των χειριστών στη κάθε λεπτομέρεια και πληροφορία ως απόρροια των φυσικών ανθρώπινων χαρακτηριστικών.
Ο κάθε ελεγκτής σε ένα κέντρο ελέγχου καμερών από ένα σημείο και μετά μπορεί να εστιάζει μόνο σε πληροφορίες ή γεγονότα που του προκαλούν ενδιαφέρον ή είναι ασυνήθιστα. Το εύρος της προσοχής του μειώνεται σημαντικά έπειτα από κάποιο χρονικό διάστημα και η πιθανότητα να του ξεφύγει κάτι που μπορεί να αποτελέσει γενεσιουργό αιτία μιας ενδεχόμενης απειλής δεν είναι μικρή. Εδώ έρχεται και πάλι το ΑΙ να βοηθήσει τους ελεγκτές να εστιάζουν σε συμβάντα που χρήζουν περαιτέρω διερεύνησης. Μια αλλαγή ή μια ασυνήθιστη διεργασία σε μια τυπική δραστηριότητα σε μια περιοχή ανιχνεύεται άμεσα και με αυτοματοποιημένο τρόπο ενημερώνεται ο χειριστής προκειμένου άμεσα να εστιάσει τη προσοχή του εκεί. Στην ουσία μιλάμε για ένα αυτοματοποιημένο επίπεδο ανίχνευσης συμβάντων στην επιτήρηση, που βασίζεται όχι μόνο σε προκαθορισμένα σενάρια όπως γίνεται στα συμβατικά video analytics, αλλά και στην ανίχνευση δραστηριότητας που το ίδιο το σύστημα εντοπίζει και προέρχονται από αλλαγές στο περιβάλλον από το οποίο συλλέγει και επεξεργάζεται συνεχώς δεδομένα.
Μιλάμε για ένα δυναμικό περιβάλλον που εξελίσσεται διαρκώς και συμβάλει στην ενίσχυση της απόδοσης της προσοχής των χειριστών και στην βελτιστοποίηση των αποφάσεων που λαμβάνει. Δεν καταργείται φυσικά η ανάγκη συνεχούς παρακολούθησης των καμερών από τους χειριστές αλλά τους βοηθάει να εστιάζουν σε σημεία ενδιαφέροντος καθώς και να επαληθεύουν αξιόπιστα κάποια γεγονότα έτσι ώστε η ανάληψη της όποια δράσης να είναι προς τη σωστή κατεύθυνση και στο σωστό χρόνο.
Εφαρμογές πέρα από την ασφάλεια
Η τεχνητή νοημοσύνη ως μέρος ενός συστήματος ασφάλειας και ειδικότερα της βιντεοεπιτήρησης, θα μπορούσε να προσφέρει σημαντικά οφέλη στους οργανισμούς όχι μόνο στις εφαρμογές που είναι αποκλειστικά για την ασφάλεια, αλλά και σε άλλους τομείς όπως για παράδειγμα στην καλύτερη διαχείριση του πλήθους σε μεγάλους εμπορικούς χώρους για τη συλλογή δεδομένων που σχετίζονται με τη συμπεριφορά των πελατών ή ακόμα και σε άλλους χώρους μαζικής παρουσίας, όπως μια έκθεση ή μια εκδήλωση για την ανάλυση της κίνησης των επισκεπτών.
Αυτό εμφανίζεται συνήθως με τη μορφή χαρτογράφησης θερμότητας του πλήθους των ατόμων σε αυτούς τους χώρους και η ανάλυση όλων αυτών των στοιχείων μπορούν να οδηγήσουν σε χρήσιμα συμπεράσματα και αποφάσεις όπως οι αλλαγές των σημάνσεων της χωροθέτηση προϊόντων με απώτερο σκοπό την βελτίωση της εμπειρίας των πελατών και των επισκεπτών αλλά και την αύξηση των πωλήσεων και των εσόδων.
Επίσης οι έξυπνες πόλεις έχουν τη δυνατότητα να αξιοποιούν δίκτυα έξυπνων αισθητήρων για τη λήψη δεδομένων και με τη βοήθεια της τεχνητής νοημοσύνης σε πλατφόρμες βίντεο-επιτήρησης να βελτιστοποιούμε διαδικασίες όπως η ροή της κυκλοφορίας.
Ειδικότερα την εποχή των μέτρων για την αντιμετώπιση της διασποράς του covid-19 τα εργαλεία τεχνητής νοημοσύνης θα αποδειχτούν ιδιαίτερα χρήσιμα στις προσπάθειες για τη διαχείριση πλήθους και τον περιορισμό σημείων συνωστισμού.
To AI έχει έρθει για να μείνει και είναι σίγουρο ότι τα επόμενα χρόνια θα έχει καταλυτικό ρόλο στη βιομηχανία των συστημάτων ασφάλειας και ακόμα μεγαλύτερη επιρροή στην υλοποίηση των έργων, μιας και τα πλεονεκτήματα είναι ιδιαίτερα σημαντικά.
Source: securitymanager.gr