به گزارش ایسنا، در سالهای اخیر، فناوریهای هوشمند به بخشی جداییناپذیر از زندگی روزمره مردم تبدیل شدهاند. از شبکههای اجتماعی و فضای ابری گرفته تا اینترنت اشیا و هوش مصنوعی، این ابزارها نهتنها شیوه ارتباط، کار و زندگی را تغییر دادهاند، بلکه بر عملکرد سازمانها و نهادهای عمومی نیز اثر گذاشتهاند. با این حال، گسترش فناوری فقط به معنای افزایش رفاه و سرعت نیست. همانطور که این ابزارها میتوانند به بهبود خدمات، کاهش خطا و ارتقای کیفیت تصمیمگیری کمک کنند، در برخی موارد فرصتهای تازهای هم برای سوءاستفاده و ارتکاب جرم ایجاد میکنند. به همین دلیل، بحث استفاده از فناوری برای مقابله با جرم و پیشگیری از آن، امروز به یکی از موضوعات مهم در حوزه امنیت عمومی تبدیل شده است؛ موضوعی که هم با زندگی مردم در ارتباط است و هم با کارآمدی نهادهای مسئول در حفظ نظم و امنیت.
اهمیت این موضوع از آنجا بیشتر میشود که شیوههای وقوع جرم نیز مانند بسیاری از بخشهای دیگر جامعه، در حال تغییر است. مجرمان هم از ابزارهای نوین بهره میگیرند و همین مسئله باعث شده روشهای سنتی پیشگیری، بهتنهایی پاسخگوی شرایط جدید نباشند. در چنین فضایی، مفهوم «پلیس هوشمند» مطرح شده است؛ الگویی که بر استفاده از داده، تحلیل رایانهای، هوش مصنوعی و روشهای پیشبینیکننده برای شناسایی الگوهای جرم و بهبود واکنش پلیس تکیه دارد. در این رویکرد، فناوری فقط یک ابزار جانبی نیست، بلکه به بخشی از فرایند تصمیمسازی و پیشگیری تبدیل میشود. از همین رو، بررسی اینکه در سالهای گذشته چه فناوریهایی در این زمینه به کار رفتهاند و کدامیک کاربرد بیشتری داشتهاند، میتواند به شناخت بهتر ظرفیتهای موجود و برنامهریزی دقیقتر برای آینده کمک کند.
در این خصوص، سلیمان جلالی، پژوهشگر مدیریت پیشگیری از جرم در دانشگاه جامع علوم انتظامی امین، به همراه سه همکار همدانشگاهی خود، تحقیقی را درباره فناوریهای هوشمند مورد استفاده در پیشگیری از جرم انجام دادهاند. این مطالعه، با نگاهی مروری و جمعبندیکننده، تلاش کرده تصویری روشن از ابزارها و روشهای نوینی به دست دهد که در سالهای اخیر در این حوزه مطرح بودهاند. اهمیت این کار در آن است که به جای تمرکز بر یک فناوری یا یک نوع جرم، مجموعهای گسترده از مطالعات را کنار هم قرار داده و روندهای اصلی را استخراج کرده است؛ موضوعی که میتواند برای پژوهشگران، برنامهریزان و مسئولان حوزه پیشگیری از جرم قابل استفاده باشد.
پژوهش فوق از نظر هدف، کاربردی و از نظر روش، کیفی بوده و به شیوه مرور نظاممند انجام شده است. مرور نظاممند یعنی پژوهشگران بهجای انجام یک آزمایش یا بررسی میدانی تازه، تعداد زیادی از مطالعات پیشین را با روشی منظم و مرحلهبهمرحله جمعآوری، دستهبندی و تحلیل میکنند تا به یک جمعبندی مستند برسند. برای این کار، مقالهها از چندین کتابخانه و پایگاه علمی مجازی مانند گوگلاسکالر، اسکوپوس، اسپرینگر، آیتریپلایاکسپلور، پایگاه مرکز اطلاعات علمی جهاد دانشگاهی، ریسرچگیت، ویلی و الزویر از سال ۲۰۱۰ تا ۲۰۲۴ جستوجو و تحلیل شدند.
بر اساس یافتههای این پژوهش، در میان فناوریهای مورد استفاده برای پیشگیری از جرم، سامانههای هوشمند ترکیبی نظارت تصویری کاربردیترین جایگاه را داشتهاند. منظور از نظارت تصویری هوشمند، فقط دوربینهای ساده نیست، بلکه سامانههایی است که میتوانند تصاویر را تحلیل کنند، الگوها را تشخیص دهند و در برخی موارد هشدارهای لازم را ارائه دهند. همچنین، در میان روشهای مورد استفاده، هوش مصنوعی بیشترین کاربرد را داشته است. این فناوری امکان آن را فراهم میکند که چند ابزار فناورانه بهصورت همزمان و مکمل به کار گرفته شوند و سامانههایی طراحی شود که در تحلیل دادهها و تشخیص الگوها، عملکردی نزدیکتر به تصمیمگیری انسانی داشته باشند.
در بخش نتیجهگیری نیز پژوهشگران اعلام کردهاند که ۶۰ فناوری هوشمند نوظهور را در قالب ۸ ابزار هوشمند برای پیشبینی و پیشگیری از جرم شناسایی کردهاند. بهگفته آنان، این فناوریها ظرفیت آن را دارند که به شکل چشمگیری از وقوع جرم پیشگیری کنند و به ارتقای امنیت در جامعه کمک کنند. در واقع، نتیجه اصلی پژوهش این است که استفاده از فناوریهای هوشمند دیگر یک انتخاب فرعی نیست، بلکه میتواند به یکی از پایههای اصلی سیاستگذاری در حوزه پیشگیری از جرم تبدیل شود؛ بهویژه وقتی این ابزارها در کنار هم و با رویکرد ترکیبی به کار گرفته شوند.
طبق یافتههای فوق که در «فصلنامه مطالعات پیشگیری از جرم» متعلق به پلیس پیشگیری فرماندهی انتظامی جمهوری اسلامی ایران منتشر شدهاند، کلاندادهها، دادهکاوی و یادگیری ماشین، از مهمترین ابزارها برای کشف الگوها و روندهایی هستند که پیشتر بهراحتی دیده نمیشدند. کلانداده به حجم بسیار زیادی از اطلاعات گفته میشود که با روشهای معمول بهسادگی قابل تحلیل نیست. دادهکاوی نیز به معنای استخراج الگوهای پنهان از میان دادههاست و یادگیری ماشین یکی از شاخههای هوش مصنوعی است که به سامانهها امکان میدهد از دادهها یاد بگیرند و عملکرد خود را بهبود دهند. بر اساس این پژوهش، هوش مصنوعی و فناوری اطلاعات ۴۵ درصد، دادهکاوی، یادگیری ماشین و کلاندادهها ۳۶ درصد و حوزههایی مانند تحقیقات عملیاتی، ماهوارهها و رباتیک ۱۹ درصد از فناوریهای بررسیشده را تشکیل دادهاند.
پژوهش همچنین نشان داده است که این ابزارهای فناورانه در برخی جرائم بیش از سایر موارد کاربرد داشتهاند. جرائم کیفری، بهویژه سرقت، بیشترین سهم را در میان زمینههای استفاده از این فناوریها داشتهاند. پس از آن، کلاهبرداری و جرائم مرتبط با محیط زیست نیز از جمله حوزههایی بودهاند که فناوریهای هوشمند در آنها بیشتر به کار رفتهاند.
یکی دیگر از نکات مهم این است که فناوریهای مبتنی بر هوش مصنوعی میتوانند در شناسایی «نقاط داغ جرم» مؤثر باشند؛ یعنی مکانها یا زمانهایی که احتمال وقوع جرم در آنها بیشتر است. چنین قابلیتی میتواند به تصمیمگیری دقیقتر، توزیع بهتر منابع و واکنش سریعتر کمک کند. البته در کنار این ظرفیتها، محققان بر اهمیت امنیت دادهها، جلوگیری از دسترسی غیرمجاز و رعایت حقوق شهروندی و حریم خصوصی نیز تأکید نمودهاند.
انتهای پیام
