Hvordan kan lovenheder spore personer af interesse uden at afhænge af ansigtsgenkendelse

Den enorme mængde af videobevis, der er tilgængelig for efterforskningshold, har nået uhørte niveauer. Ifølge Bureau of Justice Assistance, involverer cirka 80% af forbrydelserne en form for videobevis, og denne trend viser ingen tegn på at afslå.

Flere kilder bidrager til denne tilførsel af videobevis, der spænder fra sikkerhedskameraer og trafikoptagelser til body-kameraer, dashcam og håndholdte enheder. Med 97% af amerikanerne, der ejer en mobil enhed, er tilgængeligheden af sådant bevis blevet almindelig i både offentlige og private sektorer. Desuden bidrager den omfattende udrulning af body-worn kameraer af lokale politiafdelinger og sheriffs kontorer yderligere til udbredelsen af videobevis: over 47% af almindelige formål lovenheder og 80% af store politiafdelinger bruger body-worn kameraer.

Brug af AI i videobevisgennemgang

Traditionelt krævede analyse af videooptagelser arbejdskrævende manuelle gennemgangsprocesser, men fremskridt i AI-teknologi har muliggjort automatisering og accelereret analyse af videobevis.

For eksempel kan en 10-minutters video nu analyseres på få minutter i stedet for timer, der bruges på manuel gennemgang. Ligeledes kan AI-algoritmer spore personer af interesse over flere videofiler og formater, og identificere potentielle match på baggrund af bestemte karakteristika hos individer.

En afgørende fordel ved AI i offentlig sikkerhed ligger i dets evne til hurtigt at analysere omfattende datasæt i realtid. Gennem brug af maskinel læring kan AI-platforme effektivt opdage mønstre, spotte anomalier og forudsige potentielle trusler med forhøjet præcision.

Dette giver lovenheder (LEA) – blandt andet første respondenter og andre offentlige sikkerhedsaktører – mulighed for at effektivt tackle sikkerhedsproblemer og optimere ressourceallokering proaktivt og effektivt, samtidig med at mennesker er involveret i automatiseringsprocessen og giver disse teammedlemmer mulighed for at arbejde med bedre data i en hurtigere tidsramme.

Ved at udnytte bestemte AI-løsninger kan LEA’er strømline videobevisanalysen ved at sammenkæde billeder over forskellige filer for at konstruere en omfattende fortælling om individer, begivenheder og tidsrammer. Dette forbedrer betydeligt effektiviteten og effekten af efterforskninger, både inden for og uden for det juridiske område.

Likevel har brugen af AI i efterforskninger været forbundet med bekymringer omkring privatlivslove og beskyttelse af personligt identificerbare oplysninger (PII), med særlig fokus på, hvordan ansigtsgenkendelsesteknologi kan anvendes uden at krænke disse rettigheder.

Heldigvis er der med opkomsten af avancerede AI-teknologier nu en alternativ tilgang til at spore personer af interesse over videofiler, som ikke afhænger af ansigtsgenkendelse.

AI, der beskytter PII

Der er alternative AI-modeller, der prioriterer integriteten af PII, hvilket giver efterforskere mulighed for at identificere relevante oplysninger uden at afhænge af ansigtsgenkendelse eller andre biometriske markører, der kunne krænke personligt privatliv. Denne tilgang accelererer ikke kun analysen, men reducerer også privatlivsrisici forbundet med videoovervågning.

Prioritering af privatliv uden at ofre hastighed

Tidens betydning kan ikke overvurderes. I sager, der involverer forsvundne personer, er de første 48 timer afgørende, da beviser er friske, og sandsynligheden for at finde den forsvundne person er højere. Ved at udnytte AI til at accelerere videobevisanalysen kan LEA’er øge sandsynligheden for at finde forsvundne personer og identificere personer af interesse.

I situationer, hvor ansigtsgenkendelse ikke er praktisk eller etisk, bliver human-lignende objekt (HLO) detektionsteknologi uundværlig. Med HLO-detektion identificerer en AI-motor individer på baggrund af bestemte karakteristika, det er blevet trænet til at genkende, såsom tøj, piercinger eller fodtøj. Ved at pege på tilfælde, hvor disse karakteristika optræder, strømliner AI-processen for gennemgang af omfattende videooptagelser, og forbedrer dermed tids-effektiviteten.

Anvendelsesområder for HLO-detektion omfatter offeridentifikation, mistænktidentifikation og anholdelse, vidneidentifikation og mere.

Andre måder, hvorpå AI hjælper lovenheder med at spore individer i videooptagelser

Ud over at identificere individer uden brug af ansigtsgenkendelse tilbyder AI andre metoder, der kan hjælpe menneskelige analytikere og efterforskere med at spore personer, etablere vigtige tidsrammer og indsamle vigtige oplysninger – og frigør dem fra kedelige opgaver, så de kan dedikere mere tid til deres samfund.

Big data og prædiktiv analyse

I området for søgefunktioner revolutionerer AI big data og prædiktiv analyse, og tilbyder afgørende fremskridt:

• Omfattende datasæt, der omfatter sociale medieindhold og offentlige optegnelser, anvendes til at forudsige en persons potentielle placeringer og adfærdsmønstre.
• Prædiktivt modellering giver efterforskere mulighed for at finjustere søgeparametre, og retter ressourcerne mod områder, hvor de er mest sandsynligt at have den største effekt.
• Naturlig sprogbehandling (NLP) anvendes til at gennemgå sociale medieindlæg, og udtrække værdifulde indsigt, der forbedrer bestræbelserne på at spore personer af interesse.

Geografisk analyse

Med brug af geografiske informationsystemer (GIS) spiller terrænkortlægning og -analyse en afgørende rolle i at hjælpe med eftersøgnings- og redningsoperationer. Med AI-integration bliver disse processer automatiseret, og forbedrer præcisionen af geografiske dataanalyser. Denne automatisering giver efterforskere mulighed for at hurtigt gennemgå omfattende datasæt, og pege på mønstre, der kunne være overset ved brug af konventionelle metoder.

Køretøjsregistrering

At spore individer over videooptagelser fungerer kun, hvis de er synlige for kameraet, hvilket kan blive et problem, hvis de kommer ind i et køretøj. For at imødegå dette findes der AI-sporsningsløsninger, der kan gå fra at spore personer til at spore køretøjer. På denne måde kan politiet stadig spore personer og opretholde integriteten af sagens tidsramme.

Fremtidige trends og anvendelser af AI i efterforskninger af forsvundne personer

Udviklingen af AI i offentlig sikkerhed er på vej mod samarbejde mellem lovenheder og teknologivirksomheder. Gennem denne type partnerskab er det muligt at udvikle mere kraftfulde og effektive AI-drevne værktøjer, og forbedre effekten af eftersøgnings- og redningsindsats og udvide til andre relevante anvendelser. En sådan mulighed omfatter brug af AI til tidlig identifikation og interventionsstrategier til at forhindre forsvindinger gennem robust overvågning og analyse.

Som teknologiske fremskridt fortsætter, kan vi forvente opkomsten af nye AI-drevne værktøjer og metoder, der kan omfatte forbedret biometrisk genkendelseskvalitet og raffineret prædiktiv modelleringsteknik.

For offentlige sikkerhedsorganer er adgangen til de rette værktøjer afgørende for at navigere i udviklingen af efterforskninger – og at adoptere AI, der kan gøre lovenheder mere effektive, præcise og mere tilgængelige for at tjene, er et stort skridt fremad.

Endelige tanker: AI hjælper med at opretholde en balance mellem privatliv og offentlig sikkerhed

Med den øgede integration af AI i lovenheder opstår det som en afgørende bekymring at opretholde en balance mellem beskyttelse af privatliv og offentlig sikkerhed. Mens AI har potentialet til at styrke offentlige sikkerhedsforanstaltninger, bærer det også risikoen for privatlivskrænkelser og misbrug af myndighed. Med de rette sikkerhedsforanstaltninger og procedurer kan AI anvendes til at tjene og støtte det større gode.

Det vil være afgørende for organisationer at etablere etiske og juridiske rammer for at regulere brugen af AI og beskytte privatlivsrettigheder. Dette kræver udviklingen af lovgivningsinitiativer og retningslinjer, der sigter mod at fremme gennemsigtighed, ansvarlighed og tilsyn over AI-drevne systemer.

Det vil også være vigtigt at implementere bedste praksis, såsom dataanonymisering og stramme sikkerhedsprotokoller, der kan hjælpe med at mindske de indbyggede risici forbundet med AI-teknologier. I sidste ende vil prioritering af privatliv fortsætte med at stå som en grundlæggende pille i offentlige sikkerhedsinitiativer, og fremme tillid til lovenhederne.