Прогнозування злочинності. Ось технологія, яка, можливо, вже перевершує “Звіт меншості”
Фото: CBS через Getty Images
Він вкаже місце чергового вбивства, передбачить пограбування, на підставі, здавалося б, нікчемних даних виявить наркофабрику. Він буде на крок попереду злочинця. Це бачення використання штучного інтелекту в криміналістиці, яке зараз реалізовується. Це може революціонізувати роботу правоохоронних органів. Але сила цього інструменту також є його прокляттям. У разі неправильного використання вона може стати системою масового зловживання.
— Стій, міліція! Ти арештований!
– Але як? Я нічого поганого не зробив!
– Ми знаємо. Але ви б зробили це завтра вдень.
Такий діалог пов’язаний із відомим оповіданням Філіпа К. Діка «Звіт про меншини» (за ним згодом знято відомий фільм із Томом Крузом у головній ролі), у якому влада вміє передбачати майбутнє та затримувати людей раніше. вони вчиняють злочин. Але цілком можливо, що такий діалог вже відбувся в реальному світі. І не раз, не вдаючись до паранормальних явищ. Криміналістику чекає, мабуть, одна з найбільших революцій у її історії – революція ШІ.
Непомітна революція
Це не про людиноподібних роботів, які стають розумнішими за людей і захоплюють планету. Справжній штучний інтелект – це дуже непомітна технологія, яка вже кілька років майже непомітно проникає в інформаційні системи, але не скрізь вдається зробити такий прорив, як у криміналістиці. Серцем криміналістики завжди була здатність обробляти величезні масиви даних і виявляти часом дуже швидкоплинні зв’язки між ними. І це сфера, де штучному інтелекту немає рівних.
Якщо говорити про штучний інтелект, то на практиці йдеться про дві його найважливіші на сьогодні технології: нейронні мережі та машинне навчання. Нейронні мережі — це алгоритми, здатні виходити за межі людської здатності асоціювати та аналізувати розрізнені факти. Саме завдяки цій технології комп’ютер зміг перемогти людину спочатку в грі в шахи, а потім і в набагато складнішій грі – стародавній китайській Го (Вейці). Машинне навчання — це здатність алгоритму аналізувати власні помилки та вдосконалюватися.
Читайте далі після входу
Отримайте доступ до преміум-контенту безкоштовно та без реклами