یکی از خاصیت‌های فناوری‌های نوظهور این است که سریعاً در قالب مقالات علمی متنوع، ظرفیت کاربردهای مختلف آنها در پیشرفت علوم دیگر شناسایی شده و موجی در تولید علم بوجود می‌آورند. ظرفیت‌های هوش مصنوعی و زیر مجموعه‌های آن یعنی یادگیری ماشین و یادگیری عمیق نیز در ارتقای کیفیت، صحت و سرعت پیشبرد امور مختلف زندگی بشر با سرعتی فزاینده در حال کشف و معرفی است. شما می‌توانید برخی از این کاربردها را امروزه در قالب سرویس‌ها و نرم‌افزارهای متنوع مشاهده و تجربه کنید با این حال، مطمئناً با بسیاری از کاربردهای هوش مصنوعی و منافع و مزایای شگفت‌انگیز آن آشنا نیستید. در این مقاله قصد داریم دربارۀ یکی از کاربردهای جذاب هوش مصنوعی مباحثی را مطرح کنیم.

جرم چیست؟

در مطالعات جرم‌شناسی، جرم بعنوان یک عملی شناخته می‌شود که توسط یک فرد یا گروهی از افراد در جهت آسیب رساندن به یک قربانی و در اغلب مواقع، تحت تأثیر اهداف و انگیزه‌های معینی صورت می‌گیرد .

مواجهه با جرم – دنیای جدید و روش‌های قدیمی!

در بعضی از کشورها پلیس همچنان از ابزار و روشهایی رایج وسنتی مانند غریزۀ پلیسی، جمع‌آوری مدارک، تجربه و کسب اطلاعات از شاهدین برای مواجهه با جرم استفاده می‌کند که با این حساب برای استفاده از این ابزارها باید صبر کرد تا جرمی رخ دهد و طبیعتاً همواره یک گام عقب‌تر از مجرم هستند.

 امروزه ثابت شده است که هزینۀ پیشگیری از وقوع جرم بسیار پایین‌تر از رسیدگی به آن است و دپارتمان‌های پلیس در کشورهای پیشرفته از فنون مختلفی که سرآمد آنها هوش مصنوعی و تحلیل کلان داده است برای پیشگیری از رخداد جرایم بهره‌برداری می‌کنند.

اگر تماشای سریال تلویزیونی "Person of Interest" و یا بازی ویدئویی "Watchdogs" را تجربه کرده باشید، احتمالاً تکنولوژی‌هایی که در آنها برای پیش‌بینی اعمال مجرمانه و کنترل الگوهای رفتاری افراد جامعه معرفی شده‌اند را تخیلی و تحقق‌ناپذیر دانسته‌اید غافل از اینکه در برخی از کشورها مانند چین که قوانین ضد نظارتی در آن به سختی ایالات متحده امریکا نیست، چنین فناوری‌هایی در حال توسعه و حتی کاربرد هستند. سرعت پیشرفت فناوری‌ها به حدی افزایش یافته است که داستان‌های علمی تخیلی دنیای سرگرمی‌ها با اختلاف زمانی کمی به واقعیت تبدیل می‌شوند.

امروزه کشورهای پیشرو در پیشگیری از وقوع جرم با استفاده از هوش مصنوعی می‌توانند الگوهای رفتاری غیرعادی و خرابکارانه را شناسایی نموده و افرادی که احتمال ارتکاب اعمال مجرمانه توسط آنها وجود دارد را طبقه‌بندی و ردگیری کنند.

بر این اساس، پیش‌بینی جرم به تکنیک‌های تحلیلی گفته می‌شود که بر اساس داده‌های جرایم گذشته، بصیرتی فراگیر را نسبت به روند جرم و جنایت بوجود آورده و  الگوهای جرم را با دقتی بالا پیش‌بینی می‌کند  ودر نهایت ابزاری فوق‌العاده برای پیشگیری از وقوع جرم در اختیار مأمورین اجرای قانون قرار می‌دهند.

در گذشته، فنون آماری بطور گسترده برای ساخت مدل‌های پیش‌بینی وقوع جرم مورد استفاده قرار می‌گرفت ولیکن امروزه محققان سطح تحقیقات خود را از مطالعات تکنیک‌های آماری به تحقیقات پیرامون هوش مصنوعی ارتقا داده‌اند. پیش بینی جرم یکی از حوزه‌های تحقیق است که به مجریان قانون در اعمال اقدامات پیشگیری از وقوع جرم کمک می‌کند.

 

امروزه از هوش مصنوعی برای شناسایی جرایمی همانند تقلب و پولشویی استفاده می‌شود اما در آیندۀ نزدیک با توجه به سرعت تحقیقات و تولید دانش در این شاخه از علوم کامپیوتر، استفاده از AI در پیش‌گیری از جرایم زیر قابل پیش‌بینی است:

 

• خرده‌فروشان مواد دارویی و بهداشتی می‌توانند با ابزارها و تکنیک‌های پیچیدۀ هوش مصنوعی، خریدارانی که مقدار غیرمعمول و غیرمتعارفی موارد شیمیایی می‌خرند را شناسایی نمایند و از احتمال فروش مواد اولیه برای فعالیت‌های تروریستی جلوگیری کنند.
• کمپانی‌های فعال در حوزۀ نقل و انتقالات می‌توانند با استفاده از هوش مصنوعی و داده‌های فعالیت‌های سازمانی‌شان، کانتینرهایی را که به احتمال قوی در قاچاق انسان مورد استفاده قرار می‌گیرند را شناسایی کنند.
• شرکت‌های پستی و فعال در زمینۀ تحویل مرسوله‌ها می‌توانند احتمال اینکه مرسوله‌ها شامل کالاهای غیرقانونی همچون مواد مخدر و کالاهای قاچاق باشند را ارزیابی نموده و به مراجع ذی‌ربط اطلاع دهند.
• بانک‌ها می‌توانند با استفاده از الگوریتم‌های مناسب یادگیری ماشین (ML)، الگوهای رفتار مشتریان در تراکنش‌های بانکی را شناسایی نموده و تغییرات و الگوهای مشکوک را کشف کنند. این فناوری‌ها شانس گردش مالی پول‌های کثیف در سیستم بانکی را به شدت پایین آورده و هزینه‌های تحقیقات بانک و هزینه‌های مربوط به از دست دادن اعتماد مشتریان را کاهش دهند.

 

پیش از ظهور هوش مصنوعی، سیستم‌های نظارتی سنتی که توسط صنایع مورد استفاده قرار می‌گرفت، دقیق نبودند و برای عملکرد دقیق‌تر به دخالت انسان نیاز داشتند.بعنوان مثال بانکها طی سالیان متمادی از سیستم‌هایی برای نظارت بر تراکنش‌ها استفاده می‌کردند که مبتنی بر قواعد باینری بود و باید برای بررسی صحت آنها، وقت زیادی صرف می‌شد. راهکارهای جدید که مبتنی بر فناوری یادگیری ماشین هستند، با استفاده از الگوریتم‌های یادگیرنده و پیش‌بینی‌کنند، موارد غیرعادی را در دیتاست‌ها شناسایی می‌کنند.

 

شرکت‌های بزرگ تولیدکنندۀ حجم بالایی از داده‌ها را تولید می‌کنند و کاربران این سازمان‌ها توقع مدیریت و حفاظت از اطلاعاتشان را دارند. دسترسی آسان به داده‌ها، سازمان‌ها را بر آن داشته است که با استفاده از سیستم‌های امنیتی نوآور و مستحکم با اقدامات پیچیده خرابکاران و سارقان اطلاعات مقابله کنند. راهکارهای مبارزه با جرم که بر پایۀ هوش مصنوعی هستند با رشدی سریع مورد استفاده سازمان‌های بزرگ قرار می‌گیرند. چراکه با سرعت و دقتی که انسان از آن عاجز است، الگوهای رفتاری تحرکات سایبری را شناسایی و تفسیر می ‌کنند.