洛杉矶大火一年后,亚马逊Ring安防服务宣布推出名为Fire Watch的新功能,旨在减轻未来野火风险。
Fire Watch与CES 2026同期发布,是Ring应用程序Neighbors社区安全更新板块的新功能,计划今年春季在全国范围内推出。
Fire Watch依托Watch Duty这一专注于公共安全信息传播的非营利组织提供的野火警报和报告。该功能旨在尽早发现和报告火情活动迹象,为急救人员和受影响地区民众争取更多应对时间。
当Watch Duty识别出野火时,服务会向附近Ring用户发送通知。符合条件的户外摄像头随后开始使用基于AI的图像识别技术监测火情迹象。
如果AI检测到烟雾或火焰,摄像头用户会收到警报,不过Ring也提醒:"你的摄像头可能会出错,可能产生误报(在没有火情时检测到火灾)或漏报(错过真实火情)。"
Ring首席发明家Jamie Siminoff在声明中表示:"Ring始于我在车库里制造的一个门铃——可惜去年在帕利塞德火灾中损失了。虽然这种损失与家庭遭受的破坏和生命损失相比微不足道,但这让我更加深刻地认识到这项工作的重要意义。"
洛杉矶大火一周年之际,加利福尼亚州也在起草新法规,要求清理房屋周围植被以降低野火风险。
作为产品发布的一部分,Ring表示已向Watch Duty捐赠100万美元,帮助这家非营利组织扩展到美国所有50个州,并改进该组织的实时火情报告能力。
Ring还在部署其他AI功能来警告用户危险。
AI异常事件警报功能旨在当Ring摄像头捕捉到异常情况时触发。系统通过分析Ring视频描述(视频预览警报和事件历史条目的文本摘要)来计算正常情况基线,然后在判断发生异常时发出警报,不过文档中包含"AI视频描述偶尔可能不准确"的提醒。
主动警告功能结合AI生成的视频描述和基于上下文的音频警告来阻止威胁。其理念是当摄像头发现人员时,可以根据人员位置和行为发出实时警告。
AI异常事件警报和主动警告功能预计本月晚些时候面向拥有兼容订阅计划并启用视频描述功能的客户推出,伊利诺伊州除外。
隐私问题如何处理
由于伊利诺伊州隐私法规,Ring AI视频描述、AI单一事件警报和AI异常事件警报功能在该州不可用。
公司上月推出的熟悉面孔功能将面部识别技术应用于Ring摄像头捕获的人员,但被更广泛地禁用——在德克萨斯州、伊利诺伊州、俄勒冈州波特兰市和魁北克省都不可用。
美国仍没有全面的联邦隐私法,当前政府似乎对推进此类立法缺乏兴趣。这让公民自由倡导组织和关注隐私的政治家必须对抗Ring,美国公民自由联盟和电子前沿基金会将其定性为技术威权主义推动者。
上月,美国参议员Edward J. Markey在试图让亚马逊放弃Ring熟悉面孔功能失败后,发布了对亚马逊Ring调查的结果。他的主要反对意见是,那些被Ring门铃摄像头扫描面部的人没有同意被捕获和分析面部信息。
Markey参议员在声明中表示:"尽管我发出警告,亚马逊仍在没有任何有意义隐私保护的情况下发布Ring门铃面部识别功能,给美国人民带来了新的隐私噩梦。这是向反乌托邦未来迈出的巨大一步,美国人无法在不被跟踪和监视的情况下离开家门。"
亚马逊在回应Markey的询问时表示,公司告知启用熟悉面孔功能的客户"他们应该遵守可能要求获得同意的适用法律"。
Q&A
Q1:Fire Watch功能是什么?它是如何工作的?
A:Fire Watch是Ring推出的野火监测功能,依托Watch Duty非营利组织的野火警报,当识别出野火时会通知附近Ring用户,符合条件的户外摄像头会使用AI图像识别技术监测烟雾或火焰迹象,并在检测到火情时向用户发送警报。
Q2:Ring的AI功能在哪些地区受到限制?
A:由于隐私法规限制,Ring的AI视频描述、AI异常事件警报等功能在伊利诺伊州不可用。熟悉面孔功能的限制更广泛,在德克萨斯州、伊利诺伊州、俄勒冈州波特兰市和魁北克省都被禁用。
Q3:为什么政治家和民权组织反对Ring的面部识别功能?
A:主要反对意见是被Ring门铃摄像头扫描面部的人没有同意被捕获和分析面部信息。参议员Markey认为这是"隐私噩梦",会让美国人无法在不被跟踪监视的情况下离开家门。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。