בינה מלאכותית מסייעת לזהות פשע ולחזות אזורים חמים

This post is also available in: English (אנגלית)

אוכפי חוק בכל רחבי העולם מנסים כל הזמן להילחם בפשע על ידי גילוי ומניעה ולהקדים את הפושעים. מאמר שפורסם לאחרונה בכתב העת International Journal of Knowledge-Based Development מדווח על שימוש בנתונים רגשיים, למידת מכונה וטכניקות למידה עמוקה כדי להבין את מוחות הפושעים ולמנוע פעילות פלילית על ידי חיזוי ופעולה מראש.

למובילי המחקר, א. קלאי סלבן ונ. סבקומרן, היו שתי מטרות עיקריות: חיזוי פשע באמצעות מודלים של למידת מכונה המבוססים על נתונים רגשיים, וזיהוי "נקודות חמות" עתידיות של פשע באמצעות שיטות למידה עמוקות המיושמות על נתוני פשע קיימים. על פי Techxplore, החוקרים ניתחו רמזים רגשיים מבוססי קול באמצעות אלגוריתמים של למידת מכונה והשיגו דיוק של 97.2% בזיהוי פשעים שונים. הם הצליחו בנוסף לזהות נקודות חמות של פשע בדיוק של 95.64% באמצעות טכניקות למידה עמוקה (במיוחד זיכרון דו-כיווני לטווח קצר).

החוקרים טוענים כי המצבים הרגשיים בדפוסי הדיבור היו משמעותיים ביותר משום שהם אפשרו להם לחקור זיהוי רגשות מבוסס דיבור. הם התייחסו למקור לשוני, לרמזים פרלינגוויסטיים ולמאפיינים של הדובר עצמו, ובכך שילבו את הנתונים הרגשיים שהם השיגו עם גורמים אחרים כמו מיקום וסוג הפשע המתרחש בנקודה חמה.

למרות שהחידוש הזה נשמע מעט בדיוני, ההתקדמות המהירה הנוכחית של אלגוריתמים חכמים אכן מאפשרת חילוץ וזיהוי של דפוסים מנתונים. הצוות טוען כי ניתן להשתמש בחידוש הטכנולוגי שפיתחו כדי לפקח על פעילות בנקודות חמות של פשע, לזהות פשעים ואפילו לחזות פעילויות פליליות עתידיות.

פיתוח נוסף בעתיד יכול להביא ליישום של טכניקות למידת מכונה דומות עבור מערכות תגובת חירום טלפוניות. לדוגמה – על ידי ניתוח הרגשות של אדם שמתקשר לשירותי החירום, המערכת תוכל בתיאוריה להבחין בין חירום אמיתי למקרה שאינו דחוף, ואפילו לשיחות "מתיחה" טלפוניות. זה יכול להפחית באופן משמעותי את הנטל על שירותי החירום ולאפשר להם לספר סיוע מהיר ויעיל יותר.