Cara Jones, Co-Founder & CEO of Marinus Analytic – Interview Series

Cara Jones er CEO og medstifter af Marinus Analytics, Cara er passioneret omkring højteknologiske implementeringer, der maksimerer effektiviteten og dermed også impacten af myndighederne. Hendes ønske om at tjene offentlig sikkerhed og menneskelige tjenester sektoren blev påvirket af hendes fars karriere som retsmedicinsk socialarbejder. Hun har ledet modningen og kommerciel udnyttelse af Marinus Analytics’s Traffic Jam software siden virksomhedens grundlæggelse. Hun har en dyb erfaring, der spænder fra udvikling af autonome robotter, integration af føderale enterprise IT-test og endda træning af ishockey, og leder Marinus’s udvidelse på tværs af politi, regering og erhvervssektorer.

Marinus Analytics er et kvinde-ejet AI-selskab, der er dedikeret til at fremme offentlig sikkerhed ved at bekæmpe menneskehandel, børnemisbrug og cyberbedrageri. Dets kraftfulde AI-værktøjer, som Traffic Jam og Cyber Fraud (udviklet med IBM Watson), hjælper politiet med at identificere kriminelle netværk og spare tusinder af efterforsknings timer. Ved at analysere offentlige data fra udnyttelses-hotspots giver Marinus myndighederne handlebare indsigt – uden at kompromittere med privatlivet.

Kan du fortælle os mere om grundlæggelsen af Marinus Analytics og hvad der inspirerede dig og din medstifter til at skabe AI-løsninger til offentlig sikkerhed?

Det, der inspirerede os dengang, og fortsat inspirerer os hver dag, er at være i tjeneste for frontlinjens offentlige sikkerheds-champions af offer-centreret traume-informeret politiarbejde. Jeg husker tydeligt den første gang, jeg talte med en føderal agent, der ledte efter et savnet og handlet barn, jeg vidste, det ville være en glæde at dedikere min karriere til at hjælpe professionelle, der specialiserer sig i dette felt. Vi finder motivationen til at støtte disse agenter, detektiver og analytikere gennem vores formål-byggede teknologi. Til sidst er kreditten til disse unsung helte, der arbejder utrætteligt for at beskytte de sårbare mod digitalt aktiveret kommerciel udnyttelse.

Hvordan har din baggrund i robotteknologi og AI-forskning på Carnegie Mellon University påvirket visionen for Marinus Analytics?

Arbejdet på Auton Lab (forskningslaboratoriet, hvor Traffic Jam blev konceptualiseret) har fokuseret på social impact på tværs af forskellige områder af regeringen i over 30 år. Disse værdier er centrale for vores arbejde, da vi udviklede os uden for universitetet og blev en leverandør til offentlige sektorkunder.

Min forretningsperspektiv på lean innovation blev opnået under min tidlige karriere, hvor jeg arbejdede for en robotstart-up (der også kom fra Carnegie Mellon University). Deres omsætningsmodel, der var nyt dengang, for betal-per-brug-leasing af robotter motiverede os til at operere Traffic Jam som en Software-as-a-Service. Jeg er altid blevet tiltrukket af demokratiseringen af teknologi gennem denne model. Det reducerer den finansielle risiko for at blive en tidlig adopter af en ikke-hovedstrømsløsning. Takket være den generøse støtte fra National Science Foundation til at subsidiere forskning og udvikling og tillade os at give adgang gennem en rimelig abonnement.

Hvorfor Pittsburgh? Hvordan har byen støttet udviklingen af Marinus Analytics? Hvad ressourcer og fordele præsenteres ved at være der?

AI begyndte i Pittsburgh, med Carnegie Mellon University som en pioner siden 1950’erne. Pittsburghs økosystem inkluderer over 100 virksomheder fokuseret på robotteknologi og AI, med en arbejdsstyrke på 7.000+. Det fremmer førende fremgang i AI-løsninger til offentlig sikkerhed, transport, sundhedspleje og meget mere, hvilket positionerer sig som en leder i kunstig intelligens og automation.

Da jeg forlod til college, valgte jeg næsten nødvendigvis en hovedfag i computeringeniørvidenskab, hvilket betød, at jeg ikke ville vende tilbage for at arbejde her. Takket være de verdensklasse AI-programmer på Carnegie Mellon University og dens effekt på regionens økonomi og til Pittsburgh-programmerne til at støtte, finansiere og mentore sociale iværksættere, fik jeg mulighed for at bygge min drømmejob i min hjemby. Vi har rekrutteret talende ingeniører fra vores lokale colleges, vi byggede en bæredygtig forretningsmodel med råd fra Project Olympus campus inkubator, og vi fik adgang til finansiering gennem UpPrize, Idea Foundry og, mest nylig, Richard King Mellon Foundation. Vi har også værdifulde tilhængere på Pittsburgh Tech Council for innovation i Pittsburgh-regionen.

Hvordan har virksomhedens mission til at bekæmpe menneskehandel og udnyttelse udviklet sig siden grundlæggelsen?

Missionen har været konsekvent over årene. Vi vil fortsætte med at innovere og fremme offer-centreret traume-informeret politiarbejde. Det, der startede her i Pittsburgh, er nu i brug af offentlige sikkerhedsmyndigheder på tre kontinenter, og denne internationalisering udvides gennem vores London-kontor, der åbnede i 2023.

Vi støtter offentlige sikkerhedsmyndigheder i lande, hvor lovgivningen og kulturen omkring kommercielle voksen-tjenester varierer betydeligt, men fællesskabet er at proaktivt tackle udnyttelse inden for høj-risiko-markeder. Vi sigter mod at fortsætte med at sprede bedste praksis på tværs af den geografisk diverse professionelle fællesskab, vi betjener, der er forenet i dette fælles mål.

Hvad betyder den nylige $400.000 investering fra Richard King Mellon Foundation for Marinus Analytics, og hvordan planlægger du at bruge denne finansiering til at udvide jeres impact?

At modtage denne investering fra Richard King Mellon Foundation er en enestående ære. Denne finansiering vil give os mulighed for at udvide vores software til fordel for børnevelfærdsorganisationer og udvide vores positive impact på bekæmpelsen af menneskehandel og online skade. Vi er stolte af at samarbejde med RK Mellon Foundation i vores fælles mål om at proaktivt skala og beskytte vores mest sårbare befolkninger.

Jeres AI-løsning Traffic Jam har sparet en estimeret 70.000 efterforsknings timer. Kan du forklare, hvordan platformen hjælper politiet med at identificere ofre for menneskehandel mere effektivt?

Traffic Jam bruger AI og automation til at trække forbindelser mellem annoncering på voksne tjenestesider og savnede personers fotos, der gives til politiet, hvor udseendet ofte er drastisk ændret. I dette eksempel kan AI give øget nøjagtighed med større effektivitet end en menneskelig, der arbejder manuelt. Et offer kan blive reddet på få dage i stedet for måneder.

Tiden for vores frontlinje-champions er så meget bedre brugt ude i samfundet, hvor de kan betjene mennesker i behov, danne relationer og bruge deres erfaring til at proaktivt identificere problematiske situationer. Deres tid ville være spildt på at sidde ved computeren, mens automation kan gøre det effektivt og nøjagtigt, og frigøre en ressource til at gøre kvartererne sikrere. Det hjælper dem grundlæggende med at blive mere proaktive.

Hvad etiske overvejelser er i gang, når man udvikler AI-drevne værktøjer til offentlig sikkerhed, især med hensyn til privatliv og datasikkerhed?

Når vi taler om at efterforske kommerciel udnyttelse, begynder vi med at forstå, at det skal håndteres med følsomhed. De etiske overvejelser er, hvad der motiverer vores arbejde. Vi adresserer data privatliv og sikkerhedsforanstaltninger under udvikling og gennem vores kunde relationer for at sikre, at den service, vi giver til politiet, ikke kun er en etisk løsning, men det bedste værktøj til at afbryde kommerciel udnyttelse.

På hvilke måder har Marinus Analytics samarbejdet med politi-myndigheder og sociale tjenester for at direkte assistere ofre for menneskehandel?

Marinus Analytics samarbejder med offentlige sikkerhedsmyndigheder verden over, og vi er begejstret for at byde velkommen til en statlig børnevelfærdsorganisation som en tidlig bruger af vores teknologi i dette kritiske område. Med vores MPWatch (Savnede Personer Watch) teknologi tager de initiativ til at beskytte risikobørn og lokalisere savnede mindreårige. Ved at samarbejde med politi og børnevelfærds-hold hjælper vi med at sikre, at ofre bliver identificeret hurtigt, og ressourcer bliver brugt effektivt. Vores værktøjer giver frontlinje professionelle mulighed for at handle hurtigt og have en direkte impact i kampen for at beskytte sårbare individer – ligesom vi stræber efter at gøre med alle vores partnere.

Hvordan hjælper jeres AI offentlige sikkerheds professionelle med at identificere trends og mønstre, der ellers ville være gået ubemærket i menneskehandels efterforskninger?

En af udfordringerne i menneskehandels retsager er en overafhængighed af offeret til at give bevis mod trafikanten. Det er en reel byrde at placere på en person, der ofte er bange for sig selv og deres familiemedlemmer. Teknologien kan samle beviser og udnytte data til at fortælle sin egen historie om, hvordan udnyttelsen skete, og identificere netværk og trends, der måske peger på organiseret kriminalitet. Uden støtte fra formål-byggede teknologi ville identificering af disse netværk måske ikke være muligt gennem et offers beretning eller ville ellers tage mange flere timer, dollars og afdelings ressourcer. Vi håber, det er en game-changer for fremtidige sager.

Hvad nye fremskridt i AI ser du på horisonten, der kunne yderligere forbedre Marinus Analytics’ evne til at afbryde menneskehandel og organiseret kriminalitet?

Den hurtige udvikling af open-source multimodale AI-modeller repræsenterer en betydelig gennembrud i vores kamp mod menneskehandel. Disse avancerede modeller trænes på stadig større datasets, og åbner nye frontiers for at anvende vores efterforsknings kapaciteter. Ved at udnytte disse store, open-source modeller kan vi anvende viden-destillations-teknikker til at skabe specialiserede, mindre modeller tilpasset vores specifikke brugsområder, ved at bruge mindre træningsdata, end der ellers ville være nødvendigt. Denne tilgang er særligt værdifuld, given den følsomme natur af vores arbejde, hvor adgang til omfattende træningsdata kan være begrænset. Disse destillerede modeller beholder meget af kapaciteten fra deres større modeller, mens de er mere effektive og kan udvikles i ressource-begrænsede miljøer.

Desuden udvikler disse multimodale modeller vores evne til at generere mere effektive indlejring af både tekstuelle og visuelle data. Denne forbedring forbedrer vores informationshentings- og krydsreferencering-kapaciteter, og giver os mulighed for at identificere mønstre og forbindelser, der ellers ville være gået ubemærket. For eksempel kan vi mere nøjagtigt matche og krydsreferencere billeder og tekstbeskrivelser på tværs af forskellige datakilder, og potentielt afsløre kriminelle netværk og menneskehandels operationer mere effektivt. Da disse AI-modeller fortsætter med at udvikle sig, forventer vi endnu større fremskridt i vores evne til at behandle og analysere komplekse, multimodale datastrømme, og dermed forbedre vores kapacitet til at afbryde kriminelle aktiviteter og beskytte sårbare individer.

Tak for det gode interview, og endnu vigtigere for alt det vigtige arbejde, du gør. Læsere, der ønsker at lære mere, skal besøge Marinus Analytics.