Kuinka lainvalvontaviranomaiset voivat jäljittää kiinnostuneita henkilöitä ilman kasvojentunnistusta?

Tutkintaryhmien käytettävissä olevien videotodisteiden valtava määrä on saavuttanut ennennäkemättömän tason. Bureau of Justice Assistancein mukaan, noin 80 % rikoksista liittyy jonkinlaiseen videonäyttöön, eikä tämä suuntaus osoita merkkejä hidastumisesta.

Eri lähteet myötävaikuttavat tähän videotodisteiden tulvaan turvakameroista ja liikennevideoista kehon kameroihin, kojelautakameroihin ja kämmenlaitteisiin. 97 prosentilla amerikkalaisista on mobiililaitetällaisen materiaalin saatavuus on yleistynyt sekä julkisella että yksityisellä sektorilla. Lisäksi vartalokameroiden laajamittainen käyttöönotto paikallisilla poliisilaitoksilla ja sheriffin toimistoissa lisää entisestään videotodisteiden yleisyyttä: yli 47 % yleiskäyttöisistä lainvalvontaviranomaisista ja 80 % suurista poliisilaitoksista käyttää vartaloon kiinnitettäviä kameroita.

Tekoälyn käyttö videon todisteiden arvioinnissa

Perinteisesti videomateriaalin analysointi vaati työvoimavaltaisia ​​manuaalisia tarkasteluprosesseja, mutta tekoälytekniikan edistyminen on mahdollistanut automaation ja videoiden todisteiden nopean analysoinnin.

Esimerkiksi 10 minuutin video voidaan nyt analysoida muutamassa minuutissa manuaaliseen tarkasteluun käytettyjen tuntien sijaan. Samoin tekoälyalgoritmit voivat seurata kiinnostavia henkilöitä useissa videotiedostoissa ja -muodoissa ja tunnistaa mahdolliset osumat yksilöiden erityispiirteiden perusteella.

Tekoälyn keskeinen etu yleisen turvallisuuden kannalta on sen kyky analysoida nopeasti laajoja tietojoukkoja reaaliajassa. Koneoppimisalgoritmien avulla tekoälyalustat ovat erinomaisia ​​kuvioiden havaitsemisessa, poikkeavuuksien havaitsemisessa ja mahdollisten uhkien ennustamisessa entistä tarkemmalla tarkkuudella.

Tämä ominaisuus antaa lainvalvontaviranomaisille (LEA) – ensiaputoimien ja muiden yleisen turvallisuuden sidosryhmien joukossa – valtuudet puuttua tehokkaasti turvallisuusongelmiin ja optimoida resurssien kohdentaminen ennakoivasti ja tehokkaasti pitäen samalla ihmiset automaatioprosessin silmukassa ja valtuuttamalla nämä tiimin jäsenet työskentelemään. paremmilla tiedoilla nopeammalla aikavälillä.

Hyödyntämällä tiettyjä tekoälyratkaisuja, LEA:t voivat virtaviivaistaa videoiden todisteiden analysointia yhdistämällä kuvia eri tiedostoista luodakseen kattavan kertomuksen henkilöistä, tapahtumista ja aikajanasta. Tämä lisää merkittävästi tutkimusten tehokkuutta ja tehokkuutta sekä oikeusalan sisällä että sen ulkopuolella.

Tekoälyn käyttö tutkimuksissa on kuitenkin herättänyt huolta yksityisyyden suojaa koskevista laeista ja henkilökohtaisten tunnistetietojen (PII) suojaamisesta. Erityistä huomiota on kiinnitetty siihen, kuinka kasvojentunnistustekniikkaa voidaan käyttää näitä oikeuksia loukkaamatta.

Onneksi huippuluokan tekoälyteknologioiden myötä on nyt olemassa vaihtoehtoinen lähestymistapa kiinnostuksen kohteiden seuraamiseen videotiedostojen kautta, joka ei perustu kasvojentunnistukseen.

AI, joka suojaa henkilökohtaisia ​​tunnistetietoja

On olemassa vaihtoehtoisia tekoälymalleja, jotka asettavat etusijalle henkilökohtaisten tunnistetietojen eheyden, jolloin tutkijat voivat tunnistaa olennaiset tiedot ilman kasvojentunnistusta tai muita biometrisiä merkkejä, jotka voivat vaarantaa henkilökohtaisen yksityisyyden. Tämä lähestymistapa ei vain nopeuttaa analyysiprosessia, vaan myös vähentää videovalvontaan liittyviä yksityisyysriskejä.

Priorisoi yksityisyys nopeudesta tinkimättä

Ajan merkitystä ei voi yliarvioida. Kadonneita henkilöitä koskevissa tapauksissa ensimmäiset 48 tuntia ovat ratkaisevan tärkeitä, koska todisteet ovat edelleen tuoreita ja henkilön paikantamisen todennäköisyys on suurempi. Hyödyntämällä tekoälyä nopeuttamaan videotodisteiden tarkastelua, LEA:t voivat lisätä todennäköisyyttä löytää kadonneita henkilöitä ja tunnistaa kiinnostavia henkilöitä.

Tilanteissa, joissa kasvojentunnistus ei ole käytännöllistä tai eettistä, ihmismäisen objektin (HLO) tunnistusteknologiasta tulee välttämätön. HLO-tunnistuksen avulla tekoälymoottori tunnistaa henkilöt erityisten ominaisuuksien perusteella, jotka se on koulutettu tunnistamaan, kuten vaatteiden, lävistusten tai jalkineiden. Tunnistamalla tapaukset, joissa näitä ominaisuuksia esiintyy, tekoäly virtaviivaistaa laajan videomateriaalin tarkasteluprosessia, mikä parantaa ajankäyttöä.

HLO-tunnistuksen käyttötapauksia ovat uhrin tunnistaminen, epäillyn tunnistaminen ja kiinniottaminen, todistajien tunnistaminen ja paljon muuta.

Muita tapoja, joilla tekoäly auttaa lainvalvontaviranomaisia ​​paikantamaan henkilöitä videomateriaalissa

Sen lisäksi, että tekoäly tunnistaa henkilöitä ilman kasvojentunnistusta, se tarjoaa myös muita menetelmiä, jotka voivat auttaa ihmisanalyytikoita ja tutkijoita jäljittämään ihmisiä, määrittämään tärkeitä aikajanoja ja keräämään tärkeitä tietoja – vapauttaen heidät ikävistä tehtävistä, jotta he voivat omistaa enemmän ajastaan yhteisöjä.

Big data ja ennakoiva analytiikka

Hakuominaisuuksien alalla tekoäly mullistaa big datan ja ennakoivan analyysin tarjoamalla tärkeitä edistysaskeleita:

• Laajat tietojoukot, jotka koostuvat sosiaalisen median sisällöstä ja julkisista tietueista, hyödynnetään ennakoimaan jonkun mahdollisia paikkoja ja käyttäytymismalleja.
• Ennustava mallinnus antaa tutkijoille mahdollisuuden tarkentaa hakuparametreja ja ohjata resursseja alueille, joilla ne voivat tuottaa suurimman vaikutuksen.
• Luonnollisen kielen prosessointitekniikoita (NLP) hyödynnetään sosiaalisen median viestien seulomiseen, jolloin saadaan arvokkaita oivalluksia, jotka tehostavat pyrkimyksiä löytää kiinnostavia henkilöitä.

Geospatiaalinen analyysi

Maantieteellisiä tietojärjestelmiä (GIS) hyödyntävä maastokartoitus ja -analyysi ovat keskeisessä asemassa etsintä- ja pelastusoperaatioiden avustamisessa. Tekoälyintegraation avulla nämä prosessit automatisoidaan, mikä parantaa paikkatietoanalyysin tarkkuutta. Tämän automaation avulla tutkijat voivat nopeasti käsitellä valtavia tietojoukkoja ja paikantaa malleja, jotka voidaan jättää huomiotta käytettäessä perinteisiä menetelmiä.

Ajoneuvon seuranta

Henkilöiden seuraaminen videomateriaalissa toimii vain, jos he ovat kameran nähtävillä, mikä voi muodostua ongelmaksi, jos he joutuvat ajoneuvoon. Tähän vastaamiseksi on olemassa tekoälynseurantaratkaisuja, jotka voivat siirtyä saumattomasti ihmisten jäljittämisestä ajoneuvojen seurantaan. Tällä tavalla poliisi voi edelleen paikantaa henkilöitä ja säilyttää tapauksen aikajanan eheyden.

Tekoälyn tulevaisuuden trendit ja sovellukset kadonneiden henkilöiden tutkinnassa

Tekoälyn liikerata yleisessä turvallisuudessa on valmiina LEA:n ja teknologiayritysten väliseen yhteistyöhön. Tämän tyyppisen kumppanuuden avulla on mahdollista kehittää tehokkaampia tekoälypohjaisia ​​työkaluja, mikä lisää etsintä- ja pelastustoimien tehokkuutta ja ulottuu muihin asiaankuuluviin sovelluksiin. Yksi tällainen mahdollisuus on käyttää tekoälyä varhaiseen tunnistamiseen ja interventiostrategioihin katoamisten ennaltaehkäisemiseksi tehokkaan seurannan ja analyysin avulla.

Teknologisen kehityksen jatkuessa voimme ennakoida uusien tekoälyllä varustettujen työkalujen ja menetelmien ilmaantumista, jotka voivat sisältää parannettuja biometrisiä tunnistusominaisuuksia ja hienostuneita ennakoivia mallinnustekniikoita.

Julkisen turvallisuuden virastoille oikeiden työkalujen saatavuus on edelleen välttämätöntä kehittyvissä tutkimusmaisemissa navigoinnissa – ja tekoälyn ottaminen käyttöön, joka voi tehdä LEA:ista tehokkaampia, tarkempia ja helpommin käytettävissä, on vahva askel eteenpäin.

Viimeiset ajatukset: AI auttaa säilyttämään tasapainon yksityisyyden ja yleisen turvallisuuden välillä

Tekoälyn integroituessa lainvalvontaan tasapainon löytäminen yksityisyyden suojaamisen ja yleisen turvallisuuden varmistamisen välillä nousee ensisijaiseksi huolenaiheeksi. Tekoälyllä on lupaus vahvistaa yleisiä turvatoimia, mutta se sisältää myös mahdollisuuden yksityisyyden loukkauksiin ja vallan väärinkäyttöön. Oikeilla suojatoimilla ja käytännöillä tekoälyä voidaan käyttää palvelemaan ja tukemaan suurempaa hyvää.

On ratkaisevan tärkeää, että organisaatiot luovat eettiset ja oikeudelliset puitteet tekoälyn käytön ohjaamiseksi ja yksityisyyden suojaamiseksi. Tämä edellyttää lainsäädäntöaloitteiden ja suuntaviivojen kehittämistä, joilla pyritään edistämään tekoälyyn perustuvien järjestelmien avoimuutta, vastuullisuutta ja valvontaa.

On myös tärkeää ottaa käyttöön parhaat käytännöt, kuten tietojen anonymisointi ja tiukat suojausprotokollat, jotka auttavat vähentämään tekoälyteknologioihin liittyviä luontaisia ​​riskejä. Viime kädessä yksityisyyden priorisointi on jatkossakin yleisen turvallisuuden aloitteiden peruspilari, mikä edistää yleisön luottamusta lainvalvontaan.