Conntour、AIを活用した防犯映像検索技術でGeneral CatalystとYCから700万ドルの資金調達に成功

監視技術業界は現在、必ずしも好ましい理由ではないにせよ、厳しい視線にさらされている。 米国移民関税執行局（ICE）が監視目的でFlockのカメラネットワークにアクセスしたと報じられたことや、家庭用カメラメーカーのRingが、法執行機関が住宅所有者に近隣の映像提供を要請できる機能を開発したことで批判にさらされたことなど、論争が巻き起こっている。こうした動きは、安全、プライバシー、そして監視の倫理をめぐる広範な議論を引き起こしている。

しかし、こうした論争があっても市場の需要は衰えていない。視覚言語モデルの継続的な進歩が、企業が自社施設をより効果的に監視できるよう支援する企業の成長を後押ししている。

映像監視スタートアップ「Conntour」の共同創業者兼CEOであるマタン・ゴールドナー氏は、倫理的な考慮事項が極めて重要であるため、同社は顧客選定に非常に慎重であると認めている。 創業からわずか2年足らずのスタートアップにとっては直感に反するように思えるかもしれないが、ゴールドナー氏は、Conntourにはすでにシンガポールの中央麻薬局を含む複数の大規模な政府機関や上場企業を顧客に抱えているため、選り好みをする余裕があると語る。

「これほど大きな顧客を抱えているからこそ、顧客を選別し、主導権を握り続けることができるのです。誰が利用するのか、どのような用途で利用されるのか、私たちは完全に管理しています。そして、道徳的であり、もちろん合法であると私たちが考える案件を選別できるのです」 我々はあらゆる判断力を働かせ、その企業がどのように製品を使用するかを把握しているからこそ、協力しても問題ないと判断した特定の顧客に基づいて決定を下しています」と、ゴールドナー氏はTechCrunchとの独占インタビューで語った。

こうした実績は、Conntourが顧客を選別できるという以上の効果をもたらした。投資家たちの注目も集め、同社は最近、General Catalyst、Y Combinator、SV Angel、Liquid 2 Venturesから700万ドルのシードラウンドを調達した。

ゴールドナー氏によると、このラウンドは72時間以内に完了した。「8日間で90件ほどのミーティングをスケジュールしたと思うが、わずか3日で決まった。月曜日に開始し、水曜日の午後には完了していた」と彼は語った。

Conntourの選り好みは、特にこの分野における現代のAIツールの威力を考えれば、十分に正当化されるだろう。 同社のビデオプラットフォームはAIモデルを活用し、警備担当者が自然言語でカメラ映像を検索できるようにすることで、あらゆる物体、人物、状況をリアルタイムで特定できる。これは本質的に、防犯映像に特化したGoogleのような検索エンジンだ。また、あらかじめ設定されたルールに基づいて自律的に脅威を監視し、自動アラートを発信することも可能だ。

特定の物体、動きのパターン、行動を検知するために厳格な定義やパラメータに依存する従来のシステムとは異なり、Conntour社によれば、同社のシステムは自然言語およびビジョン・言語モデルを採用しており、高い柔軟性と使いやすさを提供している。 ユーザーが「ロビーでスニーカーを履いた人物がバッグを渡している場面を探して」と尋ねると、Conntourのシステムは録画映像やライブ映像をすべて素早くスキャンし、関連する結果を返します。

Conntourプラットフォームの稼働画面のスクリーンショット。画像提供：Conntour

このプラットフォームはAIモデルを統合しているため、ユーザーは映像に関する質問をするだけで、関連する動画クリップ付きのテキスト形式の回答を受け取ったり、インシデントレポートを生成したりすることができます。

しかし、同社の最大の強みはスケーラビリティにあります。 ゴールドナー氏は、このプラットフォームが他のAI動画検索サービスと異なる点は、数千台のカメラ映像を扱うシステムへも効率的に拡張できるよう設計されている点だと説明しました。実際、Conntourのシステムは、NvidiaのRTX 4090のような単一のコンシューマー向けGPUで最大50台のカメラ映像を監視できると彼は述べています。

同社は、複数のモデルとロジックシステムを採用し、各ユーザーのクエリに対して最適な結果を生み出すのに必要な計算リソースが最も少ない組み合わせを決定することで、これを実現している。

Conntourは、同社のシステムをオンプレミス、フルクラウド、あるいはその両方の組み合わせで完全に展開できると主張している。また、既存のほとんどのセキュリティシステムと統合できるほか、スタンドアロンの完全な監視プラットフォームとしても機能する。

とはいえ、ビデオ監視業界は長年にわたり、ある根深い課題に直面してきた。それは、監視の品質は撮影された映像の質に左右されるという点だ。例えば、レンズが汚れた低解像度カメラで撮影された、照明の悪い駐車場の映像からは、細部を判別するのは困難である。

ゴールドナー氏によると、Conntourはこの課題に対処するため、検索結果と共に信頼度スコアを表示している。ソースとなるカメラ映像の品質が不十分な場合、システムは信頼度の低い結果を返す。

今後の展望について、ゴールドナー氏は、効率性を維持しつつ大規模言語モデルの全機能をシステムに組み込むことが最大の技術的課題だと述べています。

「私たちは、互いに矛盾する2つのことを同時に実現したいと考えています。一方で、LLM（大規模言語モデル）スタイルの完全な自然言語の柔軟性を提供し、何でも質問できるようにしたいのです。 一方で、効率性の問題があります。何千もの映像を処理するのは非現実的ですから、リソースを極力抑えたいのです。この矛盾こそが、私たちの分野における最大の技術的障壁であり課題であり、私たちが懸命に解決に取り組んでいる点です。」