Справжній робокоп: як використовують ШІ для розкриття злочинів

Робота поліцейських потребує вміння бачити неочевидні закономірності та зіставляти різнорідні докази. Але людина-слідчий не завжди може відстежити логіку дій злочинця або впізнати його почерк. В таких ситуаціях їй можуть допомогти цифрові інструменти загалом та штучний інтелект (ШІ) зокрема. 

Розбираємо, як ШІ-інструменти використовуються під час розслідування злочинів у світі.

Навіщо поліцейським штучний інтелект

90% даних у світі є неструктурованими, і без технологій обробки великих даних проаналізувати їх неможливо. ШІ може об’єднати структуровані та неструктуровані дані з внутрішніх і зовнішніх джерел та застосувати до них різноманітні інструменти аналізу, серед яких — прогностична аналітика, розпізнавання облич, машинне навчання та аналітика когнітивних даних. 

Тому ШІ-рішення надзвичайно корисні для поліцейських та детективів, щоб краще прочитати «почерк» злочинців у величезній кількості неструктурованих зібраних даних — відео, зображеннях, електронних доказах тощо. І це не мрії на майбутнє, а реальність: наприклад, наразі 70% поліцейських відділків світу мають доступ до тієї чи іншої форми інструментів розпізнавання облич.

Ось як вони використовують штучний інтелект у своїй роботі.

Аналіз місця злочину 

Злочинці завжди залишають сліди на місці злочину або недалеко від нього. Задача поліцейських — знайти їх та пов’язати в єдину систему, яка наблизить до розкриття злочину. ШІ може допомогти в пошуку закономірностей та збігів у цих даних.

Наприклад, дослідники з Університету Леона (Іспанія) навчили нейронні мережі виявляти докази, залишені на місці злочину. Слідчі для початку роблять детальну фотозйомку всього навколо, а потім передають ці дані нейромережі, яка їх аналізує.

Як саме це працює:

• Спочатку нейромережу навчили на основі даних про попередні злочини — щоб ШІ-інструменти могли створити певні патерни поведінки зловмисників. Окрім того, їй пропонували можливі шаблони, які злочинці використовують у різних ситуаціях.
• Отримавши цей набір даних для аналізу, нейромережа навчилася не лише допомагати у визначенні злочинця, але й зіставляти декілька злочинів. Таким чином, наприклад, можна розкрити серію грабежів у певному районі, здійснених одним зловмисником. 

Інша задача, яку може розв’язати нейромережа, — аналіз окремих фотографій та доказів і пошук неочевидних повторюваних елементів у них. Наприклад, нейромережа може навчитися не просто бачити сліди взуття, але й аналізувати, яке саме взуття носив злочинець, визначити виробника або навіть модель кросівок чи туфель за характерними ознаками — деталями дизайну чи відбитком слідів. 

Ось іще один приклад — якщо сфотографовано якусь річ або зброю з місця злочину, ШІ-інструменти можуть перевірити офіційну базу даних та з’ясувати, чи ця річ або зброя використовувалася під час попередніх порушень закону. Це може бути опосередкованим доказом того, що попередній злочин було вчинено тією ж людиною, або, принаймні, допоможе звернути увагу на певне коло підозрюваних.  

Ідентифікація підозрюваних 

Мабуть, найефективніший напрямок використання штучного інтелекту в кримінальних розслідуваннях, який уже порівняно давно та активно використовується, — це ідентифікація (впізнавання) злочинців. Для цього застосовують інструменти розпізнавання облич. 

Задача розпізнавання образів загалом і розпізнавання облич зокрема — це фундаментальні завдання теорії інтелектуальних систем, над розв’язанням яких вчені працюють давно з різним рівнем успішності.

Найвідоміша сфера використання цієї технології — сучасні OCR-системи (optical character recognition — системи оптичного розпізнавання символів), які вже давно успішно можуть ідентифікувати текст на зображенні (почасти навіть рукописний) і перетворювати його на текстовий документ.

Людина вручну (чи навіть цілий поліцейський відділок) ніколи не зможе переглянути й проаналізувати велику кількість знімків або відеофрагментів, порівняти їх з оригіналом і дійти правильних висновків. Натомість системи розпізнавання вміють робити це з великою точністю. Цей показник може досягати 99,7%, а Facebook DeepFace може визначити, чи належать два сфотографовані обличчя одній людині, з точністю 97%. 

Крім того, автоматизовані інструменти вміють аналізувати контент, недоступний у так званому «відкритому вебі». Вже існують інструменти аналізу осіб, що працюють із контентом глибинного (deep) вебу і темного сегмента мережі (dark web). 

Системи розпізнавання облич здебільшого не такі ефективні, якщо зображення людини недостатньо чітке, хоча багато з них вміють доволі точно «впізнавати» людей на відео чи фото. Прикладом ефективного інструменту розпізнавання, який використовують поліції різних країн світу, є розробка компанії ClearView AI.

Технології розпізнавання облич активно застосовуються правоохоронними органами в усьому світі — не лише за фото підозрюваного, але й для аналізу відеопотоку.

Відомий приклад ефективності подібних систем — історія про те, як репортер ВВС провів експеримент і перевірив, чи дійсно ці інструменти такі успішні. Його цікавило, наскільки швидко його ідентифікують системи розпізнавання, що використовуються в Китаї. Щоб його знайти, поліції знадобилося 7 хвилин — від моменту потрапляння його фото в базу даних до власне затримання. 

Сучасні системи розпізнавання, що використовують машинне навчання, мають набагато більше можливостей. До прикладу, вони можуть аналізувати не лише зображення обличчя, але й одяг, структуру скелета, ходу та рухи тіла, тому такий аналіз активно використовується у прогностичній діяльності фахівців з безпеки й тих, хто займається боротьбою з тероризмом.

До прикладу, комплексний аналіз поведінки може виявити в натовпі людей з аномальною або підозрілою поведінкою — тих, які схильні до крадіжок, готують терористичний акт або планують участь у масових заворушеннях. 

Використання можливостей поліцейських баз даних 

І поліція, й інші правоохоронні органи мають бази даних з інформацією про минулих підозрюваних. Однак ці бази даних не використовуються повною мірою: працівники поліції фізично не мають можливості вручну переглядати дані про старі злочини та намагатися встановити взаємозв’язки між ними. Хоча насправді ці зв’язки та підказки можуть допомогти в розслідуванні нових злочинів, при цьому такі дані часто приховані настільки глибоко, що їх неможливо виявити неозброєним оком.

Завдяки машинному навчанню все це змінюється. Аналіз величезних баз даних, якими володіє поліція, завдяки ШІ-інструментам вийшов на новий рівень не лише у спробі зрозуміти, яка інформація є в цих базах, але й в тому, як її можна використати для боротьби з новими злочинами. 

Профілактика злочинів та оперативна реакція на критичні події

Інструменти штучного інтелекту також значно спрощують інші задачі правоохоронців, у тому числі допомагають оперативніше реагувати на критичні ситуації. До прикладу, поліція може швидко відреагувати на вчинення злочину, як-от випадок стрілянини в місті: датчики в місцях скупчення людей можуть оперативно повідомити чергових поліцейських про вчинення злочину ще до того, як про це сигналізують свідки.

Ба більше, такі датчики в поєднанні з камерами з розпізнаванням облич зможуть відстежити переміщення підозрюваного у великому місті та допомогти визначити найімовірніше місцеперебування стрілка. 

Проблеми упередження та порушення прав людини 

Штучний інтелект поки не є зрілою технологією — ці інструменти лише впроваджуються в різні сфери життя, а фахівці вчаться їх використовувати не лише ефективно, але й законно. Кримінальне правосуддя, і насамперед правоохоронні органи, мусять розглядати використання штучного інтелекту не лише у світлі фундаментальних принципів прав людини, таких як конфіденційність і недискримінація, але й з розумінням того, що алгоритми штучного інтелекту почасти бувають упередженими. 

Набори даних, які використовуються для навчання та роботи алгоритмів штучного інтелекту, є результатом діяльності людини. А це означає, що вони вже містять упередження людини, які потім відображаються в роботі AI-інструментів.

Наприклад, при використанні штучного інтелекту в роботі поліції бувають ситуації, коли правоохоронні органи частіше зупиняють і обшукують лише певні групи людей, вважаючи їх більше схильними до вчинення злочинів. 

На початку 2023 року поліція заарештувала Рендала Ріда як винного у крадіжці сумок. Темношкірого чоловіка звинуватили у злочині на основі підказки системи розпізнавання облич попри те, що він у цей час знаходився в іншому місті. Чоловікові довелося провести ніч у камері.

Інший приклад — арешт афроамериканки Бріши Борден, яку звинуватили в крадіжці на $800 та посадили у в’язницю через те, що вона взяла дитячий велосипед, трохи проїхала на ньому та кинула. Заарештований білий чоловік Вернон Пратер, попри те, що у нього «в арсеналі» був збройний напад, обійшовся попередженням. 

Штучному інтелекту, як і будь-якій новій технології, потрібен час на виправлення помилок та упередженостей, пошук проблемних місць в їхньому використанні. Однак це не зменшує тих неймовірних можливостей, які правоохоронці та слідчі отримують при грамотному використанні ШІ-рішень.