Ben Ha，Veritone 政府、法律和合规部门解决方案架构总监 – 采访系列

Ben Ha 是 Veritone 政府、法律和合规部门的解决方案架构总监。Ben 在软件行业拥有超过 15 年的经验，主要担任技术预售角色。Ben 已经与政府和法律领域的客户合作了 4 年。

Veritone 设计以人为中心的 AI 解决方案。Veritone 的软件和服务使世界上许多最大的和最知名的品牌能够更高效地运行， 加速决策并提高盈利能力。

Veritone 的 iDEMS 如何与现有的执法系统集成，并且它引入了哪些具体的效率?

执法机构（LEAs）的现有系统通常拥有来自多个来源的数据，例如身体穿戴摄像头系统、视频管理系统和其他摄像头和设备。iDEMS 允许 LEAs 通过 API 或其他集成路径在这些现有系统中建立连接。然后，它在这些系统上虚拟化，允许执法机构在源系统中保留主数据。在 Veritone Investigate 应用程序中，用户可以访问一个低分辨率的代理文件，用于查看、共享、搜索、分析等。由于数据集中在一个位置，因此用户可以更容易地进行调查而无需在孤立的应用程序之间切换。

Veritone Investigate 还允许用户利用 AI 认知来分析内容本身。换句话说，LEAs 可以使用 AI 来结构化非结构化数据，提供元数据信息，使得查找变得更加容易。大多数系统仅作为数据存储，不包含有关内容中所说的话、面部或对象的信息。使用 Investigate 和 iDEMS 解决方案，AI 是原生集成的，并在摄入时自动运行，消除了手动观看或聆听内容以获取上下文的需要，从而加速了调查过程。

执法机构实施 Veritone 的 iDEMS 的技术要求是什么?

LEAs 不需要具备大量的技术要求来实施 Veritone 的 iDEMS – 事实上，该解决方案可以与几乎任何大小的 LEA 一起使用，无论他们是否拥有特定的系统。由于 Veritone 拥有可以连接到各种 API 的摄入适配器，LEA 只需要有人可以访问这些现有系统。此外，iDEMS 是基于云的，LEA 需要高速互联网连接和现代网页浏览器。

您能否提供更多关于 Veritone Track 与传统面部识别技术在准确性和效率方面的区别的详细信息?

传统面部识别技术依赖于可见的面部特征（眼睛、鼻子、嘴巴等）来识别感兴趣的人。问题在于，如果视频没有捕捉到该人的面部，技术就无法识别或跟踪该个体。例如，如果只拍到了某人的背部，或者该人的面部被遮盖了，或者视频的角度不佳，面部识别技术就不会起作用。

相反，Veritone Track 将潜在的感兴趣人作为对象处理，称为类似人类的对象（HLOs）。通过 HLOs，Veritone Track 可以根据视觉上可区分的属性建立该个体的唯一“人体特征”。这些可区分的属性可能是一顶帽子、眼镜、背包或手中的物品，甚至是衣服和鞋子之间的颜色对比。它还考虑到该人的体型，例如手臂长度、身高、体重等。

建立了该人体特征后，Veritone Track 通过人工验证潜在匹配来纳入传统的警务工作。最终，这种方法比传统的面部识别技术更准确、更高效。

Veritone Track 中使用类似人类的对象（HLOs）如何增强识别过程，与使用面部识别相比?

利用 HLOs 增强了识别过程，因为它不需要 LEA 访问与传统面部识别相同的变量，例如完全可见的人脸。Veritone Track 具有灵活性，它将使用任何可用的信息，无论视频质量、分辨率或摄像头角度如何。尽管 Veritone Track 具有优势，但它和面部识别并非相互排斥 – LEAs 可以同时使用这两种技术。例如，LEAs 可以使用 Veritone Track 从大量低质量视频构建人体特征，同时在潜在感兴趣人脸部正面拍摄的视频样本上运行面部识别。

Veritone 的 AI 驱动系统如何帮助加快调查速度，同时保持高标准的证据处理?

Veritone Investigate、Veritone Track 或 Veritone 的所有公共部门应用程序使用 AI 来显著加速 LEAs 的手动流程，将几周或几天的工作减少到几小时，这在持续的员工短缺中变得越来越重要。尽管加速了速度，Veritone 仍然保持高标准的证据处理，通过让人类调查员审查最终结果。Veritone 的技术还使人类能够遵循高标准的证据处理和证据链。同样，它们具有内置的审计跟踪，因此 LEA 可以看到调查员如何得出最终结果。简单来说，AI 不会取代人类 – 它只是增强了他们的能力。

AI 在执法中的使用引发了人们对少数群体错误迫害的担忧，尤其是像密歇根州底特律这样的城市正在经历 一年内多次错误逮捕。Veritone 如何解决这些道德挑战?

首先，Veritone 始终使用防护措施和安全措施来最小化错误迫害的可能性。例如，Veritone Track 不使用生物特征标记（例如面部特征）来构建人体特征，而是依赖于服装、体型等。其次，这些工具永远不会在互联网、社交媒体或大型数据库（例如护照机构）上抓取数据。当 LEA 在活跃的案件或调查中使用我们的解决方案时，它只能将上传的照片或视频证据与已知罪犯的数据库进行比较。在底特律、密歇根州发生的案件中，执法机构使用了一种从互联网上抓取数据的解决方案，而没有人类调查员在循环中验证结果，导致无辜的公民被错误迫害。

您能否详细说明 Veritone 的 AI 如何确保生成的线索的准确性?

Veritone 的 AI 生成潜在的线索，供人类调查员追踪。虽然 AI 为调查员提供了有用的发现和结果，但人类仍然做出最终的决定。同样，底特律、密歇根州的案例表明，执法机构仅仅依靠面部识别来完成工作，这最终出现了问题，因为这些模型依赖于导致人口统计或种族相关偏见的数据。

此外，Veritone 选择用于训练其 AI 引擎和模型的数据是代表性的。在训练数据之前，Veritone 将从来源（例如身体穿戴摄像头、车载视频、CCTV 等）中删除敏感的视频和音频元素，或者使用公开的非敏感数据。同样，Veritone 将通过客户反馈进行持续改进。

Veritone 如何处理 AI 在执法数据中延续现有偏见的可能性?

Veritone 使用多模型方法，利用多个第三方提供商来获得更广泛的视角，而不是仅仅依赖一个 AI 模型。特别是，这种方法使 Veritone 能够在 AI 认知的特定类别中标准化，例如转录、翻译、面部识别、物体检测或文本识别。通过利用“众智”，Veritone 可以在同一类别的 AI 认知中运行相同的内容，以帮助防止偏见。

采取了哪些措施来确保 Veritone 的 AI 应用程序不会侵犯隐私权?

有两种最佳实践，Veritone 的 AI 应用程序遵循以确保它们不会侵犯隐私权。首先，客户的数据始终属于客户，他们有权管理、删除或对其数据执行任何操作。虽然客户的数据在 Veritone 的安全云托管环境中运行，但他们保留全部所有权。其次，Veritone 永远不会在未经客户许可或同意的情况下使用客户的数据。特别是，Veritone 不会使用客户的数据来重新训练 AI 模型。安全性和隐私至关重要，客户将只与预训练的模型合作，这些模型使用了删除所有敏感、生物和个人可识别信息的数据。

Veritone 如何平衡快速技术进步的需要与道德考虑和社会影响?

在快速开发 AI 时，人们往往使用尽可能多的数据，并不断收集它以改进和增长。虽然这种方法确实会加速 AI 模型的成熟，但也会引发各种道德、隐私和社会问题。

为此，Veritone 始终寻求最好的 AI。在生成 AI 热潮期间，Veritone 获得了 OpenAI 和其他合作伙伴的早期访问权限。然而，Veritone 没有立即推出新解决方案，而是问道：“我们的客户将如何在实际使用案例中使用 AI？”换句话说，在检查了 LEAs 的使命和痛点之后，Veritone 确定了如何以负责的方式应用生成 AI，使人类保持中心，同时允许用户实现目标和克服挑战。

例如，Veritone Investigate 具有一个私有且网络隔离的语言模型，可以总结口头对话或内容。如果身体穿戴摄像头捕捉到一个事件，或者调查员采访某人，Veritone Investigate 可以转录该内容并自动总结，这对需要向检察官或检察机关提供整个采访的简要总结的侦探或调查员非常有帮助。然而，人员仍然有机会审查 AI 生成的输出并在提交之前进行必要的编辑和更改。

感谢这次精彩的采访，希望了解更多的读者可以访问 Veritone。