

سیاتل یکی از معدود شهرهایی است که ادارات پلیس از یک پلت فرم هوش مصنوعی برای بررسی هزاران ساعت فیلم دوربین بدن پلیس استفاده می کنند و به دنبال الگوهای رفتاری افسران هستند که می توان از طریق آموزش به آنها پرداخت.
به گفته Truleo مستقر در شیکاگو، استارت آپی که در سال 2021 تأسیس شد و از پلتفرمی که ابتدا برای تجزیه و تحلیل تماس های تلفنی و پیام های متنی بین بانکداران وال استریت ایجاد شد، سیاتل یک “مشتری اصلی” برای نرم افزار است.
به گفته این شرکت، اداره پلیس سیاتل از سال گذشته از این فناوری استفاده کرده است.
SPD از پاسخ به سؤالات در مورد استفاده وزارت از Truleo خودداری کرد. یکی از سخنگویان گفت: «در این فرآیند صحبت درباره نتایج قابل اندازه گیری خیلی زود است».
والری کارسون، افسر اطلاعات عمومی SPD گفت: “با این حال، ما مشتاقانه منتظر بینش های احتمالی هستیم که Truleo می تواند در آینده ارائه دهد و به پلیس مبتنی بر داده ها و شواهد متعهد باقی بماند.”
ادارات پلیس هزاران ساعت فیلم دوربین مدار بسته تولید می کنند. ایده Truleo این است که از هوش مصنوعی برای اسکن ضبطها استفاده کند، و به دنبال نشانههای صوتی است که میتواند به شناسایی الگوها کمک کند، مانند مشکلاتی که افسران گشت هنگام تعامل با مردم ممکن است داشته باشند. سپس بخش ها می توانند قبل از تشدید مشکلات از طریق آموزش با مشکلات مقابله کنند.
این شرکت در یک پست وبلاگی که نحوه عملکرد پلتفرم هوش مصنوعی را توضیح می دهد، گفت: “محصول نهایی تجزیه و تحلیل صوتی Truleo یک تجزیه و تحلیل غنی از هزاران مکالمه است که به بخش ها امکان می دهد تا به سرعت حوادث و روندهای پرخطر در سراسر بخش را شناسایی کنند.”
اکسیوس هفته گذشته در مورد این فناوری گزارش داد و اشاره کرد که چگونه میتوان آن را به طور گستردهتری پس از مرگ Tear Nichols در ممفیس، جایی که پلیس “سلسله دستوراتی گیجکننده، متناقض و حتی گاهی اوقات حتی غیرممکن به اجرا درآورد” به کار گرفت. گزارش شده است.
آنتونی تاسون، مدیرعامل Truelo این هفته در لینکدین نوشت: «در حالی که امشب برای از دست دادن زندگی و سقوط اعتماد در ممفیس عزادار هستیم، امیدواریم راه حلی وجود داشته باشد. پلیس ممفیس مانند بسیاری از ادارات، کمتر از 1 درصد از فیلمهای دوربین بدن خود را بررسی میکند، زیرا دادههای زیادی وجود دارد که افراد نمیتوانند به آن نگاه کنند. با این حال، تجزیه و تحلیل خودکار وجود دارد و فناوری به تضمین فرهنگ مسئولیتپذیری و حرفهای بودن کمک میکند، به ویژه در زمانی که بخشها بسیار جوان و پر از استخدامهای جدید هستند.»

ترولئو دپارتمان های پلیس کالیفرنیا در آلامدا، آتواتر و والجو را به عنوان مشتریان فعلی به همراه بخش هایی در فلوریدا، آلاباما و پنسیلوانیا شناسایی کرد. ترولئو گفت، Atwater از دادههای جمعآوریشده از تجزیه و تحلیل رکورد ترولئو برای ایجاد معیارهای عملکردی استفاده میکند که «آمار کارتهای بیسبال مورد تقاضا برای پلیس» است.
مطالعه موردی انجامشده توسط این شرکت ادعا میکند که اداره پلیس Alameda پس از اجرای Truleo برای بررسی فیلمهای دوربین بدن و استفاده از این یافتهها برای تمرکز تمرین، شاهد کاهش 36 درصدی در استفاده افسران از زور بود.
این مطالعه که دادههای یک دوره شش ماهه در سال 2021 را با یک دوره شش ماهه در سال 2022 مقایسه کرد، همچنین به کاهش 30 درصدی زبان غیرحرفهای استفاده شده توسط کارمندان و افزایش 12 درصدی در تبعیت از افرادی که با آنها در تعامل بودند اشاره کرد.
این مطالعه میگوید قبل از استفاده از هوش مصنوعی Truleo، بخش Alameda از گروهبانها خواسته بود به طور تصادفی حدود 1 درصد از فیلمهای دوربین بدن افسران خود را بررسی کنند.
با این حال، اوس کیز، دانشجوی دکترای طراحی و مهندسی انسان محور در دانشگاه واشنگتن که مخالف استفاده از هوش مصنوعی در دوربین های بدنه است، گفت: با این حال، مشکلات احتمالی با این نوع نرم افزار وجود دارد.
در سطح اولیه، دوربینهای بدن هر تعاملی که یک کارمند با افراد دیگر دارد را ضبط میکند و میتواند تصاویر و صوت مکالمات نزدیک یا اقداماتی را که کارمند در آن دخالتی ندارد، ضبط کند. کییز گفت که دوربین بدن یک افسر پلیس چیزی شبیه به یک ابزار نظارت دیجیتالی می شود.
کییز گفت، دلیلی برای ترس از اینکه هوش مصنوعی آنچه را که در صدای دوربین بدن می شنود اشتباه تفسیر کند وجود دارد. حتی بهترین هوش مصنوعی برای شناسایی درست طعنهها تلاش میکند، و تعدادی از مدلهای پردازش زبان طبیعی تعصباتی را در امتداد خطوط نژادی، قومیتی و جنسیتی نشان میدهند.
مطالعه ای که به سفارش واشنگتن پست انجام شد نشان داد که بلندگوهای هوشمند آمازون و گوگل 30 درصد کمتر احتمال دارد که سخنرانان غیر انگلیسی با لهجه آمریکایی را درک کنند. میزان دقت برای بلندگوهایی با لهجه چینی، هندی یا اسپانیایی حدود 80 درصد است.
کییز گفت: مشکل دوربین مداربسته سرگردان را با تقلای هوش مصنوعی برای درک طیف کامل گفتار انسان ترکیب کنید، مشکلی خواهید داشت.
کییز گفت، تجزیه و تحلیل فیلم دوربین بدن “می تواند یک عمل واقعا مفید باشد، نه تنها برای آموزش، بلکه همچنین برای تشخیص مواردی مانند بی رحمی یا آزار و اذیت گزارش نشده.”
اما چون بسیار مهم است، استفاده از سیستمی که به طور مستقل بررسی نشده است، «کاملاً نامناسب است».