Как искусственный интеллект обеспечивает безопасность граждан - IT Speaker, новости информационных технологий

Главная

Аналитика

Как искусственный интеллект обеспечивает безопасность граждан

Альфия Латыпова

Старший инженер по работе с данными в «Лаборатории Касперского»,

руководитель проекта «Спаси вперед»

Современный мир стал свидетелем быстрого развития технологий, которые помогают правоохранительным органам бороться с преступностью. В последние годы искусственный интеллект и машинное обучение получили огромное применение в этой области, помогая в розыске преступников. С помощью специальных алгоритмов распознавания лиц, анализа движения людей на видео и выявление паттернов поведения, которые могут свидетельствовать о преступной деятельности система помогает обнаружить связи между различными группировками, идентифицировать преступников и предотвратить ряд преступлений.

Международный опыт применения ИИ для борьбы с преступностью

Существует несколько примеров использования искусственного интеллекта и машинного обучения в работе правоохранительных органов по всему миру. Система Face Recognition Technology (FRT) используется для идентификации подозреваемых. В 2018 году было проведено исследование, в котором FRT использовалась для поиска преступников на территории Китая. Система проанализировала более 35 миллионов фотографий, сделанных в аэропортах, на железнодорожных и автобусных станциях и других общественных местах, и смогла распознать более 2 тысяч преступников, которые находились в розыске. В 2019 году компания NEC Corporation, которая разрабатывает FRT, провела еще одно исследование, которое показало, что точность обнаружения преступников составляет более 99%. Исследование проводилось на основе анализа данных, полученных из видеонаблюдения на железнодорожных станциях в Японии.

В 2018 году голландская полиция рассказала, что начала использовать ИИ для расследования нераскрытых дел, выявления серийных преступлений и причастных к ним лиц. После оцифровки архива, который содержит 30 млн страниц материалов нераскрытых дел, алгоритм машинного обучения просматривал записи и выносил решения о том, какие из нераскрытых дел содержат достаточные доказательства, чтобы завершить расследование. Время обработки дел сократилось с нескольких недель до одного дня.

В США система Palantir, использующая машинное обучение и анализ данных, помогла правоохранительным органам в борьбе с организованной преступностью. Система обнаружила связи между различными преступными группами и идентифицировала преступников — это позволило предотвратить ряд преступлений. К сожалению, компания Palantir не раскрывает статистику, поэтому говорить об эффективности системы можно только на основании выпущенных пресс-релизов.

Так, в 2016 году Palantir работала с Министерством внутренних дел США для создания решения для поиска детей-беженцев. В рамках проекта система Palantir обработала большой объем данных, которые привели к обнаружению более 6 тыс. детей-беженцев. Компания также сотрудничала с Федеральным бюро расследований (ФБР) при расследовании теракта на Бостонском марафоне в 2013 году.

Помимо детектирования и поиска преступников существуют системы, способные прогнозировать преступления. К примеру, в Калифорнии введена система PredPol. Система, в основе которой лежат анализ данных и использование алгоритмов машинного обучения, разработана для определения вероятных мест и времени совершения преступлений. Точной статистики по системе PredPol нет в открытом доступе, но есть данные, которые можно рассмотреть. Одним из первых городов, где была внедрена система PredPol, стал Лос-Анджелес. В период с 2012 по 2015 годы, когда система использовалась в городе, число зарегистрированных случаев ограблений сократилось на 19%, случаев нападений на улицах — на 26%, а общее число преступлений в городе снизилось на 12%.

Более того, по данным PredPol, использование системы привело к сокращению числа вызовов патрульных на 7-10%. Впоследствии система PredPol успешно использовалась в других городах США — Сиэтле, Сан-Франциско и Сакраменто — преимущественно в области борьбы с наркоторговлей и грабежами.

Российский опыт применения ИИ для борьбы с преступностью

В России существует система «Лица России», внедренная в 2018 году. В настоящее время она работает в Москве, Санкт-Петербурге и Краснодаре. Система собирает данные из различных источников, включая камеры видеонаблюдения в общественных местах, базы данных правоохранительных органов, социальные сети и, используя искусственный интеллект и алгоритмы машинного обучения, распознает лица и ищет подозреваемых. Точной статистики по этой системе в открытом доступе нет, но приведу данные, которые позволять увидеть общую картину.

По словам разработчиков, система «Лица России» уже смогла помочь правоохранительным органам в расследовании нескольких серьезных преступлений. Например, в 2020 году система способствовала поимке преступника, который напал на кассира банка и похитил большую сумму денег.

Кроме поиска опасных преступников, система используется для автоматического поиска пропавших людей и обеспечения безопасности на массовых мероприятиях.

В октябре 2021 года Следственный комитет сообщил, что начал использовать программу на основе ИИ, которая позволяет составить портрет серийного преступника. Точность доходит до 96%.

Потенциал ИИ-систем для борьбы с преступностью

Использование машинного обучения в системах видеонаблюдения имеет большой потенциал для обеспечения безопасности общественных мест. Это позволяет ускорить реакцию на угрозы и предотвращать преступления, обеспечивая более высокий уровень безопасности. Важным преимуществом использования машинного обучения в системах видеонаблюдения является возможность быстро и точно анализировать большие объемы данных, автоматически извлекать важную информацию из видеозаписей, такую как номера автомобилей, лица и другие детали, что облегчает работу правоохранительных органов.

Согласно исследованию Deloitte, использование ИИ снизит уровень преступности на 30-40 %, а также сократит время приезда экстренных служб на 20-35 %.

Однако, использование машинного обучения в системах видеонаблюдения имеет свои ограничения. Например, системы машинного обучения могут допускать ошибки при идентификации объектов или действий, особенно в сложных ситуациях. Кроме того, существует риск злоупотребления технологией машинного обучения для незаконного мониторинга гражданских действий и нарушения прав личной жизни.

Эти проблемы могут быть решены путем тщательной настройки алгоритмов машинного обучения, а также применения соответствующих правовых норм и нормативных актов для защиты прав личной жизни и предотвращения злоупотреблений. Важно также обеспечивать прозрачность в использовании таких систем и уведомлять общественность о том, какие данные собираются, как они используются и как они хранятся.

Точной статистики по результатам использования машинного обучения и искусственного интеллекта в России и мире для раскрытия и предотвращения преступлений в открытом доступе нет. Но можно сказать, что использование машинного обучения в системах видеонаблюдения является одним из наиболее эффективных способов борьбы с преступностью в современном обществе. При правильном использовании технологий можно добиться значительных успехов в обеспечении безопасности граждан и предотвращении преступлений.

Читайте также:

Поделиться новостью

ПОСЛЕДНИЕ НОВОСТИ