۸ فعالیت مجرمانه هوشمند/ هوش مصنوعی در خدمت پلیس یا مجرمان!
به گزارش دانستنی اقتصاد، فیلمهای جنایی با موضوع جنایات پیچیده و کارآگاهی که معماهای مختلف را بهتدریج و در طول داستان با استفاده از تحلیل صحنه جرم و استخراج شواهد حل میکند، برای اکثر ما بسیار جذاب هستند. با اینحال اگر هوش مصنوعی بتواند این کار را تمام و کمال انجام داده یا بهعنوان دستیار زبده پلیس وارد جریان شود چه؟ پیشرفتهای هوش مصنوعی در دنیای امروز خیلی از مسائل از جمله کشف مجرمین بهوسیلهی رایانه را از موضوع فیلمها به یک احتمال قوی تبدیل کرده است.
استفاده از هوش مصنوعی برای ارتکاب انواع گوناگون جرایم، با ظهور و توسعه هوش مصنوعی مولد، وارد فاز تازهای شده است. رشد قابل توجه این قبیل فعالیتهای مجرمانه، در دوران دیجیتالی که در آن زندگی میکنیم، به یک نگرانی روزافزون بدل شده است. در جهان امروز، هوش مصنوعی با توانایی تجزیه و تحلیل کلان دادهها، یادگیری از الگوها و تصمیمگیریهای خودکار، به عنوان یک ابزار قدرتمند برای کاربردهای قانونی و همچنین یک وسیله خطرناک برای فعالیتهای مجرمانه شناخته میشود.
هوش مصنوعی و تسهیل ارتکاب جرایم سایبری
جرایم مبتنی بر هوش مصنوعی، طیف گستردهای از فعالیتهای مجرمانه را در بر میگیرد که از جمله آنها، میتوان به موارد زیر اشاره کرد:
۱. فیشینگ و مهندسی اجتماعی
۲. هک خودکار وبسایتها و زیرساختها
۳. شکستن انواع رمز عبور
۴. توسعه بدافزار و سایر ابزار مخرب سایبری
۵. تسهیل امکان کلاهبرداری از طریق ایجاد حسابهای جعلی یا ایجاد تراکنشهای تقلبی
۶. دستکاری داده و تولید اخبار جعلی
۷. اجرای عملیات و حملات اختلال سرویس توزیع شده (DDoS)
۸. تولید محتوای دیپفیک و ویدئوهای گمراه کننده
بیشک جرایم یاد شده، سبب افزایش بیش از پیش احساس ناامنی در میان کاربران فضای مجازی میشود. با این وجود، هوش مصنوعی در کنار قابلیت توانمندسازی مجرمان، امکانات شگفت انگیزی را در اختیار نیروهای انتظامی سراسر جهان نیز قرار دادهاست. در ادامه به بررسی ظرفیتهای هوش مصنوعی برای کنترل و کاهش وقوع جرم در بستر جوامع دیجیتال امروزی، میپردازیم.
شبکه عصبی مصنوعی
محققان دانشگاه لئون، در شمال غرب اسپانیا شبکههای عصبی مصنوعی را برای تشخیص سرنخهای باقیمانده در صحنه جرم آموزش دادهاند. آنها هزاران تصویر از صحنههای جرم را وارد رایانه میکنند تا الگوریتمهای یادگیری ماشینی بدانند دقیقاً چه چیزی را باید شناسایی کنند. برای مثال این فناوری قادر است به شناسایی الگوهای احتمالی مورداستفاده مجرمان قابل کمک کند و بعضاً در فرایند شناخت این الگوها ممکن است چندین جنایت به شخصی خاص مرتبط شود.
ابزار مبتنی بر هوش مصنوعی در موارد دیگر مانند تشخیص رد پاها میتواند با روشهایی ردپای در صحنه جرم را از طریق مطابقت با ردپاهای دیگر شناسایی کند. برای این کار سیستم باید انواع کفشها و برندها و ردپاهای بجا مانده از هر کدام را بشناسد.
کاهش هزینههای پلیس
هوش مصنوعی با کمک به پلیس برای تحلیل جنایات و شناسایی مجرمین، علاوه بر کاهش جرم و جنایات به کاهش هزینههای نیروی پلیس هم کمک میکند. با کاهش بودجه پلیس در سراسر جهان، ادارات پلیس به دنبال راههایی برای کاهش هزینهها هستند و بسیاری از آنها به محدودکردن تعداد افسران و بازرسان خود متوسل میشوند. هوش مصنوعی میتواند برخی از وظایف انسانها را بر عهده گرفت و در چنین شرایطی کمک کند. پیشازاین پلیسها مجبور بودند ساعتهای بیشماری را صرف تجزیهوتحلیل صحنه جرم، فیلمهای دوربین امنیتی، فایلهای شواهد و بسیاری از موارد دیگر کنند تا به دستگیری مظنونین برسند. با توسعه هوش مصنوعی تمام این موارد میتوانند سریعتر، ارزانتر، با کارایی بیشتر و بهعبارتدیگر بهینهتر انجام شوند.
تلاش برای شناسایی افراد
تلاش برای شناسایی یک نفر از کل جمعیت میتواند بسیار دشوار باشد. علاوه بر این، اثبات آن در دادگاه نیز احتمالاً با مشکلاتی باشد؛ زیرا اشخاص ممکن است در روند شناسایی اشتباه کنند. بااینحال، همه اینها اکنون به لطف فناوری تشخیص چهره آسانتر شده است. سازمانهای مجری قانون در سراسر جهان از این فناوری جدید برای شناسایی افراد بهصورت آنلاین و حضوری استفاده میکنند. بهعنوانمثال، اگر تصاویر مظنون را دارید، میتوانید آنها را به نرمافزار یادگیری ماشینی وارد کرده مظنونان را در صدها هزار صفحه وب شناسایی کنید. بررسی دستی تمام وبسایتها برای شناسایی مجرمین بسیار زمان بر و هزینه بر است و هوش مصنوعی میتواند این مشکل را بهآسانی حل کند.
هوش مصنوعی مبتنی بر یادگیری ماشینی برای بررسی بهاصطلاح «وب تاریک» که در آن مجرمان زیادی در کمین هستند و فعالیتهای غیرقانونی ادامه دارد نیز بسیار مفید است.
تشخیص چهره در اماکن عمومی
همانطور که سابقاً اشاره کردیم یکی از رایجترین عناصر هوش مصنوعی، تشخیص چهره است. این فناوری تا کنون به طور گسترده برای شناسایی مجرمان استفاده شده است. تابهحال بسیاری از کشورها از دستگاههای تشخیص چهره مانند دوربینهای مداربسته در مکانهای عمومی برای شناسایی و دستگیری مجرمان استفاده کردهاند که روشی کاربردی برای نظارت بر شهروندان و دستگیری مجرمان در حین ارتکاب هر نوع جرمی است. دستگاههای تشخیص چهره مبتنی بر هوش مصنوعی در برخی شهرها برای نظارت در مناطق حساس مانند فرودگاه یا ایستگاه راهآهن استفاده میشود.
استفاده از قدرت پایگاههای دادههای پلیس
هم پلیس و هم سایر سازمانهای مجری قانون دارای پایگاههای داده با انواع اطلاعات از مظنونین گذشته هستند. بااینحال، این پایگاهی اطلاعاتی از پتانسیل کامل خود استفاده نمیکنند. زمان زیادی طول میکشد تا افسران بهصورت دستی دادهها را مرور کنند و سعی کنند ارتباط بین حوادث و آدمها را کشف کنند. در واقع این ارتباطات و سرنخها میتوانند طوری در دادهها پنهان شوند که تشخیص آن با چشم غیرمسلح غیرممکن باشد. با یادگیری ماشینی همه مراحل مرور دادههای گذشته تغییر خواهد کرد. در واقع، حتی اگر ماشین نتواند پاسخ دقیق و نهایی را به شما، بازهم میتواند دادههای مرتبط و ضروری را ارائه کند.
کاربرد هوش مصنوعی در حفظ امنیت رویدادها
سازمانهای مجری قانون برای نظارت دقیق بر تهدیدات مشکوک در زمانهایی که جمعیت زیادی برای رویدادی خاص جمع میشوند از هوش مصنوعی استفاده میکنند. برای مثال در طول جشنوارهها و رویدادها ورزشی و سیاسی بزرگ هوش مصنوعی قادر است حوادث ناخوشایند را شناسایی کرده و مجریان قانون با استفاده از اطلاعات آن میتوانند هر چه سریعتر مشکل را حل کنند. جمعیت کم پلیسها باعث میشود که نظارت کامل در رویدادهایی اینچنین میسر نشود و هوش مصنوعی در این مواقع به کمک پلیس آمده و نظارت تمام و کمال را ممکن میکند.
استفاده از هوش مصنوعی در پرونده قاچاق مواد مخدر در نیویورک
طبق گزارشی از خبرگزاری فوربس گزارشی در خصوص استفاده از هوش مصنوعی در یک پرونده قاچاق مواد مخدر در نیویورک، هوش مصنوعی پلیس نیویورک خودروی فردی به نام دیوید زایاس که در نیویورک در حال رانندگی بوده را مشکوک تشخیص داده است. هوش مصنوعی با جستوجو در پایگاه دادهای حاوی ۱,۶ میلیارد پرونده مرتبط با پلاک خودروهای این کشور، تشخیص داد که خودروی زایاس در اختیار یک قاچاقچی مواد مخدر است
بنابراین پلیس وسیله نقلیه او را متوقف و بازرسی کرد. پلیس نیویورک در جریان بازرسی موفق به کشف ۱۱۲ گرم ماده مخدر کراک، یک اسلحه نیمه اتوماتیک و ۳۴ هزار دلار پول نقد در ماشین شد. فناوری تشخصی پلاک خودکار در آمریکا این بار در این پرونده برای بررسی الگوی رانندگی افراد استفاده شد.
بااینحال کارشناسان آمریکایی نگران این مسئله هستند که گستردگی هوش مصنوعی در حوزههای مختلف و حوزه پلیس ممکن است ناقض حریم خصوصی افراد باشد و آزادیهای مدنی افراد را به خطر اندازد.
معایب استفاده پلیس از هوش مصنوعی
درحالیکه این فناوری جدید بسیار هیجانانگیز است و پتانسیل زیادی دارد، اما با معایب غیرمنتظرهای همراه است. بهعنوانمثال، فرض کنید که نرمافزار هوش مصنوعی تعداد زیادی از دادههای مختلف را کنار هم قرار داده است و به این نتیجه رسیده است که شخص خاصی مرتکب جرم شده است. وکیل متهم میتواند این موضوع را در دادگاه به چالش بکشد و از شرکت توسعه نرمافزار بپرسد که دقیقاً چگونه دستگاه به این نتیجه رسیده است که موکل او مرتکب جرم شده است. این بدان معنی است که صاحب نرمافزار باید تمام اطلاعات مربوط به عملکرد داخلی محصول خود را در دادگاه افشا کند. این موضوع آنجایی میتواند به یک مشکل تبدیل شود که در بسیاری از موقعیتها، چنین نرمافزاری اختصاصی است و هیچکس نمیخواهد اطلاعات محرمانه خود را واگذار کند؛ بنابراین باتوجهبه این نکات و اینکه شفافیت در دادگاه عنصری بسیار مهم است پایینبودن میزان شفافیت الگوریتمی میتواند مشکلساز شود.
امکانات بیپایان
هم اکنون بشر فقط به برخی از روشهای استفاده از هوش مصنوعی در حوزه مبارزه با جرایم دستیافته است. همانطور که این فناوری به کمال میرسد، در آینده به جایی خواهیم رسید که بسیاری از معماهای پیچیده حوزه جرایم را حل کند. این امر در نهایت منجر به ایجاد جوامع امنتر و کمشدن احتمال متهم شدن افراد بیگناه خواهد شد. هر چند نمیتوان امکانات متعددی که هوش مصنوعی در اختیار مجرمان قرار داده و این مسئله که مجرم همیشه یکقدم جلوتر از قانون است را نادیده گرفت. در حال حاضر هوش مصنوعی در دستگاه پلیس در مرحله آزمون و خطاست و پس از اتمام این مرحله، ایدههای بهتر و ابزارهای تولیدی پیشرفتهتری در حوزه تجزیه تحلیل صحنه و اطلاعات مربوط به جرایم را پیشرو خواهیم داشت که میتوانند در آینده در بهبود و تسریع روند تحقیقات، تأثیر بسزایی داشته باشند.
در واقع با افزایش روند نرخ جرم و جنایت، استفاده از برنامههای موجود هوش مصنوعی به مزیت بزرگی تبدیل شده است. این برنامهها قادرند تا حد زیادی به پیشبینی جرم و جنایت نیز کمک کنند. اما، همچنین اطمینان از شفافیت و منطقیبودن الگوهای هوش مصنوعی بسیار مهم است. بسیاری از محققان بر این عقیده هستند که باید کمیتهای در سطح بینالمللی برای تنظیم استفاده از هوش مصنوعی ایجاد شود. با توجه به اینکه حافظان قانون به کمک هوش مصنوعی نیاز دارند؛ بسیار مهم است که تنظیم گران هوش مصنوعی از حفظ حقوق بشر در این فرایند مطمئن شوند تا این ابزار بدون زیر پا گذاشتن حقوق افراد به حفظ قانون کمک کند.
هوش مصنوعی به مجرمان هم مانند پلیس کمک میکند!
همانطور که پیشتر اشاره شد طیف وسیعی از کاربردهای هوش مصنوعی برای پیشگیری از جرایم و کشف آنها قابل استفاده است، اما این فناوری همچنین دارای پتانسیلهاییست که مجرمین را قادر به سو استفاده از آن نیز میکند. برخی از این تهدیدها ممکن است کاملاً جدید باشند و بعضی دیگر گسترش فعالیتهای مجرمانه موجود هستند. برای مثال هوش مصنوعی بخصوص در حوزه اینترنت اشیا، خطر حملات سایبری را بیش از پیش ممکن میکند.
یکی از خطراتی که هوش مصنوعی دارد کمک به مجرمانی است که در پی آسیب زدن به سازمانها و افراد بوده یا بدنبال کلاهبرداری مالی هستند. یکی دیگر از مشکلات شفاف نبودن الگوریتمهای این فناوری است که در بسیاری از موارد میتواند حقوق قانونی افراد را زیر پا بگذارد.
در آیندهای نزدیک، فناوری شبیهسازی صدا با دستکاری ویدئوها و تصاویر که به عنوان دیپفیک شناخته میشوند و ساخت محتوای جعلی باهم ترکیب شده و به مرحلهای میرسد که میتواند اینطور وانمود کند که فرد در حال انجام کاری است که واقعاً انجام نداده! یا در حال گفتن چیزی است که واقعاً نگفته! مجرم میتواند با استفاده از این فناوری و شبیه سازی ویدئو و صوت، یکی از عزیزان قربانی خود وی را فریب داده و ترغیب به دادن باج کند. اینگونه محتواها در روند انتخابات نیز میتواند مؤثر باشد و به شهرت افراد و اعتماد عمومی ضربه بزند.
رانندگی خودکار که فناوری مبتنی بر هوش مصنوعی است میتواند ابزاری باشد برای جابجایی مواد مخدر و یا حتی عملیات تروریستی و تمام این اعمال مجرمانه بدون دخالت انسان میتواند اتفاق بیفتد و شناسایی مجرمان را سختتر کند که همین از بازدارندگی قوانین میکاهد.
توجه به امکانات مجرمانهای که هوش مصنوعی برای سوءاستفادهکنندگان فراهم میکند به قانونگذاران و مجریان قانون و مبارزان با جرایم کمک میکنند تا ضمن پیشگیری ازایندست حوادث با ابزار تنظیمگری، برای مقابله با آنها نیز آماده باشند.