ทำไม AI จึงได้รับการยอมรับในด้านความปลอดภัยสาธารณะ

สองปีที่แล้ว หากใครเดินเข้าไปในห้องทำงานของหัวหน้าตำรวจและพูดถึง “ปัญญาประดิษฐ์” การสนทนาจะหยุดอยู่แค่นั้น ไม่ใช่เพราะหัวหน้าตำรวจปิดกั้นเทคโนโลยีใหม่ๆ (โดยทั่วไปแล้วหน่วยงานส่วนใหญ่จะใช้เวลาหนึ่งทศวรรษในการดิจิตอล化ทุกอย่างตั้งแต่การแจ้งเตือนไปจนถึงการจัดการบันทึก) แต่เพราะคลื่นลูกแรกของเครื่องมือ AI สัญญาไว้มากกว่าที่พวกเขาสามารถทำได้ ผู้ขายสัญญาว่าจะเปลี่ยนแปลง หน่วยงานได้รับเครื่องมือที่ไม่สามารถใช้งานได้ในสนาม ไม่เข้ากับกระบวนการทำงานจริง และไม่ได้รับความไว้วางใจที่จำเป็นในการยึดมั่น

การสนทนานั้นดูแตกต่างไปแล้ววันนี้ หัวหน้าตำรวจไม่ได้ถามว่าจะสำรวจ AI หรือไม่ แต่พวกเขากำลังถามถึงปัญหาใดที่ AI สามารถแก้ไขได้จริงๆ และวิธีการใช้งานให้ได้ผล การเปลี่ยนแปลงนี้ไม่ได้เกิดขึ้นเพราะการตลาดที่ดังขึ้น แต่เกิดจากเครื่องมือรุ่นใหม่ที่เริ่มแก้ปัญหาที่แท้จริง และหน่วยงานได้รับการปรับปรุงให้ดีขึ้นในการแยกแยะระหว่างความสามารถที่แท้จริงและตัวอย่างการแสดงผล

อะไรที่เปลี่ยนแปลงไปจริงๆ

เครื่องมือที่ได้รับความไว้วางใจในปัจจุบันมีเส้นด้ายร่วมกัน คือ พวกมันไม่ได้พยายามที่จะแทนที่การตัดสินใจ พวกมันพยายามให้พื้นที่ในการตัดสินใจมากขึ้น

การประยุกต์ใช้ AI ที่มีประโยชน์ที่สุดในด้านความปลอดภัยสาธารณะในขณะนี้จัดการกับงานที่ไม่น่าดึงดูดซึ่งใช้เวลามากโดยไม่เพิ่มมูลค่าด้านความปลอดภัย เช่น การจัดเรียงข้อมูล การเชื่อมต่อบันทึกที่กระจาย และการสรุปสิ่งที่รู้อยู่แล้วเพื่อให้บุคคลสามารถดำเนินการได้เร็วขึ้น สิ่งเหล่านี้เป็นเครื่องมือช่วย ไม่ใช่ตัวตัดสินใจ พวกมันลดภาระการประมวลผลของคนซึ่งถูกขยายออกไปแล้ว และพวกมันปล่อยให้การตัดสินใจที่แท้จริง (ใครที่จะถูกกล่าวหา วิธีการตอบสนอง สิ่งที่ต้องจัดลำดับความสำคัญ) อยู่กับเจ้าหน้าที่ ผู้สืบสวน ผู้วิเคราะห์

ความแตกต่างนี้คือสิ่งที่แยกแยะเครื่องมือที่ได้รับการยอมรับจากเครื่องมือที่ไม่ได้รับการยอมรับ หน่วยงานได้รับการปรับปรุงให้ดีขึ้นในการถามคำถามที่ถูกต้องในช่วงการซื้อ: ข้อมูลของฉันถูกเปิดเผยอย่างไร ระบบนี้สร้างผลลัพธ์อย่างไร เราสามารถตรวจสอบได้หรือไม่ สิ่งที่เกิดขึ้นเมื่อระบบผิดพลาด เป็นต้น ผู้ขายที่สามารถตอบคำถามเหล่านี้ได้อย่างชัดเจนกำลังชนะสัญญา มาตรฐานสำหรับสิ่งที่ถือว่าเป็น “AI ที่รับผิดชอบ” สูงกว่าที่เคยเป็นมา 3 ปีที่แล้ว และสิ่งนี้ดี มันบังคับให้เทคโนโลยีได้รับการปรับปรุง

ที่ไหนที่มูลค่าแสดงออกมา

กรณีที่แท้จริงสำหรับ AI ในด้านความปลอดภัยสาธารณะไม่ใช่เรื่องที่น่าประทับใจ มันคือเรื่องของเวลา และการนำสิ่งที่มีอยู่แต่หายากที่จะพบ

การค้นหาสิ่งบ่งชี้ภายในเสียงรบกวน ผู้สืบสวนประจำการนั่งอยู่บนภูเขาแห่งหลักฐานดิจิทัล รวมถึงวิดีโอจากกล้องร่างกาย การดึงข้อมูลดิจิทัลจากฟอเรนซิก ไฟล์กรณี รายงาน และสายด่วน ซึ่งมากกว่าที่ทีมใดๆ สามารถทบทวนได้แบบไลน์โดยไลน์ เครื่องมือ AI ที่สามารถจัดเรียงข้อมูลนี้และนำสิ่งที่เกี่ยวข้องกับกรณีมาให้ได้ จะให้เวลาผู้สืบสวนกลับมาหลายชั่วโมงต่อกรณี และในบางกรณี พบสิ่งบ่งชี้ที่การตรวจสอบด้วยมืออย่างเดียวจะพลาดไปเนื่องจากปริมาณ

การเชื่อมต่อจุดข้อมูลข้ามรายงาน – ส่วนใหญ่ของหน่วยงานมีระเบียนกระจายอยู่ในระบบที่ไม่เชื่อมต่อ และบุคคล ยานพาหนะ หรือสถานที่เดียวกันสามารถปรากฏในรายงานที่ไม่เกี่ยวข้องกันหลายรายงานโดยไม่มีใครสังเกตเห็นรูปแบบ AI ที่สามารถจัดกลุ่มและเชื่อมต่อบุคคล ที่ตั้ง ยานพาหนะ และเหตุการณ์ข้ามระเบียนเหล่านี้ แล้วนำการเชื่อมต่อนั้นมาให้กับผู้วิเคราะห์หรือผู้สืบสวน จะเปลี่ยนเอกสารที่กระจัดกระจายให้เป็นข้อมูลที่สามารถใช้ได้และช่วยให้ปิดคดีที่จะหยุดชะงักเพราะข้อมูลที่ไม่เชื่อมต่อ และช่วยให้การสืบสวนดำเนินเร็วขึ้น

การเพิ่มคุณค่าของบันทึกตั้งแต่การแจ้งเตือนไปจนถึงห้องพิจารณาคดี – หนึ่งในการประยุกต์ใช้ที่ไม่ได้รับการชื่นชมมากนักคือการเพิ่มคุณค่าแบบเรียลไทม์เมื่อกรณีนั้นเคลื่อนผ่านวงจรชีวิตทั้งหมด ตั้งแต่การแจ้งเตือนเริ่มแรกไปจนถึงการตอบสนอง การสืบสวน และการจัดการกรณี เมื่อบริบทถูกจับและเพิ่มคุณค่าอย่างต่อเนื่องแทนที่จะป้อนเข้าด้วยมือทุกครั้งที่มีการส่งต่อ ระเบียนที่ได้จะสมบูรณ์ มีเอกลักษณ์ และมีการจัดทำเอกสารที่ดีกว่าเมื่อถึงเวลาที่มันไปถึงแฟ้มกรณี สิ่งนี้มีความสำคัญเมื่อระเบียนนั้นถูกนำมาใช้ในการพิจารณาคดี

ไม่มีในนี้ที่เป็นความสามารถที่คาดเดาได้ เหล่านี้คือกระบวนงานที่หน่วยงานกำลังดำเนินการแล้ว และมูลค่าแสดงออกมาในเงินตรินั้นเดียวกันทุกครั้ง: เวลาที่คืนกลับให้กับผู้ที่ทำงาน และคดีที่เคลื่อนไปเร็วขึ้นเพราะข้อมูลไม่ต้องค้นหาด้วยวิธีที่ยาก

การทำมากกว่านี้ด้วยน้อยกว่า

มีเหตุผลเชิงโครงสร้างที่สิ่งนี้มีความสำคัญมากกว่าความสะดวกสบาย ปริมาณข้อมูลดิจิทัลและข้อมูลที่สร้างโดยเครื่องจักรที่ไหลผ่านหน่วยงานความปลอดภัยสาธารณะ (วิดีโอ ฟีดเซ็นเซอร์ หลักฐานดิจิทัล ระเบียนจากระบบที่เพิ่มขึ้นเรื่อยๆ) จะเพิ่มขึ้นเรื่อยๆ และจะเกินความสามารถของหน่วยงานในการจ้างคนเพื่อประมวลผลด้วยมือ การจัดหาพนักงานไม่ได้ตามทันปริมาณข้อมูลในหน่วยงานส่วนใหญ่ และจะไม่ทำเช่นนั้น

นี่คือข้อโต้แย้งจริงสำหรับ AI ในพื้นที่นี้ ไม่ใช่เรื่องของการทำอะไรที่น่าตื่นเต้น มันคือเรื่องของการสร้างชั้นที่สามารถดึงข้อมูลและความหมายออกจากปริมาณข้อมูลที่ทีมใดๆ ไม่ว่าจะมีพนักงานมากแค่ไหนก็ไม่สามารถประมวลผลได้ด้วยมือ หน่วยงานที่รักษาเทคโนโลยีนี้เป็นโครงสร้างพื้นฐาน ชั้นของระบบข่าวกรองบนระบบบันทึกที่มีอยู่ จะสามารถทำได้มากกว่าด้วยคนและงบประมาณที่มีอยู่แล้ว หน่วยงานที่ไม่ทำเช่นนั้นจะพบว่าตัวเองสะสมข้อมูลมากขึ้นทุกๆ ปีโดยมีความสามารถที่ลดลงในการใช้ข้อมูลนั้นจริงๆ

สิ่งที่การวางตัวที่รับผิดชอบยังคงต้องการ

ไม่มีสิ่งใดในนี้ที่ทำงานหากถูกใช้อย่างไม่ระมัดระวัง หน่วยงานที่ได้รับมูลค่าจริงจาก AI มีนิสัยที่ควรทราบ

พวกเขาเริ่มต้นด้วยปัญหาทางการดำเนินงาน ไม่ใช่เทคโนโลยี คำถามไม่เคยเป็น “วิธีการใช้ AI” แต่เป็น “สิ่งใดที่ทำให้คนของเราชะลอ และ AI เป็นวิธีแก้ปัญหาที่ถูกต้องหรือไม่” พวกเขาต้องการความสามารถในการอธิบาย: หากเครื่องมือใดๆ นำเสนอการเชื่อมต่อหรือคำแนะนำ ใครบางคนต้องสามารถอธิบายได้ว่าทำไม โดยไม่ใช้คำอธิบายที่คลุมเครือ และพวกเขารักษาเทคโนโลยีให้อยู่ในบทบาทช่วยเหลือ นำเสนอข้อมูลและลดเสียงรบกวน ไม่ใช่ตัดสินใจที่มีผลกระทบ พวกเขาให้การตัดสินใจที่แท้จริงอยู่กับบุคคลที่ได้รับการฝึกอบรมและได้รับอำนาจในการตัดสินใจ

การสนทนาที่ควรพูด

การเปลี่ยนแปลงที่สำคัญที่สุดในช่วงสองปีที่ผ่านมาคือ การสนทนาได้เจาะจงมากขึ้น เราได้เปลี่ยนจาก “เราควรใช้ AI หรือไม่” ไปเป็น “AI ดีในการแก้ปัญหาใด และการทำเช่นนั้นอย่างรับผิดชอบมีลักษณะอย่างไร” นี่คือการสนทนาที่ดีกว่า และเป็นสิ่งที่ควรพูดต่อไปในอนาคต

หน่วยงานที่ทำสิ่งนี้ได้ดีไม่จำเป็นต้องเป็นหน่วยงานที่เคลื่อนไหวเร็วที่สุด พวกเขาจะเป็นหน่วยงานที่การวางตัวของพวกเขายังคงให้ผลลัพธ์และยังคงได้รับความไว้วางใจ 5 ปีต่อจากนี้ นี่คือมาตรฐานที่ควรตั้งเป้า