به گزارش ایسنا، قاچاق کالاهای ممنوعه یکی از بزرگ‌ترین چالش‌هایی است که امنیت اقتصادی و اجتماعی جامعه را تهدید می‌کند. این پدیده نه تنها به تولید داخلی ضربه می‌زند، بلکه می‌تواند سلامت عمومی و امنیت ملی را نیز با مخاطره مواجه سازد. در کشور ما که در مسیرهای ترانزیتی حساس قرار دارد، کنترل ورود و خروج اقلامی مانند داروهای غیرمجاز، سلاح، مواد روان‌گردان و ارز از اهمیت بالایی برخوردار است. روش‌های سنتی که در حال حاضر در بسیاری از نقاط استفاده می‌شوند، به دلیل حجم بسیار بالای تردد خودروها و پیچیده شدن روش‌های قاچاقچیان، دیگر کارایی لازم را ندارند. بازرسی دستی نه تنها زمان‌بر است، بلکه به دلیل خستگی یا محدودیت‌های انسانی، ممکن است بسیاری از موارد مشکوک از نگاه ماموران پنهان بماند، بنابراین نیاز به یک تحول اساسی در این بخش احساس می‌شود.

ضرورت تحقیق در این حوزه زمانی آشکار می‌شود که بدانیم استفاده از ابزارهای غیردقیق قدیمی دیگر پاسخگوی نیازهای امنیتی مدرن نیست. عدم کنترل موثر مرزها و جاده‌ها منجر به رشد اقتصاد زیرزمینی و افزایش جرایم سازمان‌یافته می‌شود. در مقابل، بهره‌گیری از تکنولوژی‌های پیشرفته مانند هوش مصنوعی می‌تواند سرعت و دقت را در ایستگاه‌های بازرسی به طور چشم‌گیری افزایش دهد. سیستم‌های هوشمند می‌توانند با تحلیل الگوهای رفتاری و پردازش سریع داده‌ها، بدون ایجاد ترافیک سنگین، خودروهای مشکوک را شناسایی کنند. این فناوری‌ها قادرند تصاویر را تحلیل کرده، پلاک‌های تقلبی را تشخیص دهند و حتی محتویات داخل محموله‌ها را با دقت بالا اسکن کنند. به همین دلیل، طراحی ایستگاه‌های هوشمند به عنوان یک راهکار فناورانه برای جلوگیری از ورود محموله‌های غیرقانونی به کشور، به یک ضرورت اجتناب‌ناپذیر در سال‌های پیش رو تبدیل شده است.

در همین راستا، ابراهیم قربانی، محقق جرم‌یابی در دانشگاه جامع علوم انتظامی امین، به همراه دو نفر از همکاران خود در این دانشگاه، پژوهشی را به انجام رسانده‌اند. این تیم تحقیق تلاش کرده است تا با ساده‌سازی مفاهیم پیچیده تکنولوژیک، مدلی ارائه دهد که در آن ماشین‌ها و سیستم‌های پردازشگر به کمک پلیس آمده و فرآیند شناسایی مجرمان و محموله‌های غیرمجاز را در کمترین زمان ممکن و با بیشترین دقت عملیاتی انجام دهند.

روش کار در این پژوهش به صورت کیفی و کاربردی بوده است. محققان برای دستیابی به بهترین الگو، مصاحبه‌های عمیقی را با ۱۹ نفر از خبرگان و متخصصان حوزه‌های مختلف انجام دادند. این افراد شامل کارشناسان هوش مصنوعی و ماموران باتجربه پلیس در بخش‌های پیشگیری، آگاهی، امنیت اقتصادی و مبارزه با مواد مخدر بودند. در واقع، محققان نظرات افرادی را که مستقیماً با چالش‌های میدانی روبرو هستند با دانش متخصصان حوزه یادگیری ماشین ترکیب کردند. یادگیری ماشین نوعی از هوش مصنوعی است که به سیستم‌ها اجازه می‌دهد از داده‌ها یاد بگیرند و الگوهای پنهان را شناسایی کنند. داده‌های حاصل از این مصاحبه‌ها سپس با استفاده از نرم‌افزارهای تخصصی تحلیل و ارائه شده‌اند.

یافته‌های این تحقیق منجر به شناسایی ۲۷ شاخص کلیدی و عملیاتی شدند که می‌توان آن‌ها را در ایستگاه‌های بازرسی برای کنترل بهتر قاچاق اجرا کرد. این یافته‌ها نشان می‌دهند که با استفاده از ابزارهای هوشمند، می‌توان ویژگی‌های خاص خودروها مانند مدل، رنگ و پلاک را به طور خودکار شناسایی کرد. همچنین سیستم‌های طراحی شده می‌توانند رفتارهای غیرطبیعی رانندگان و سرنشینان را تحلیل کرده و در صورت وجود تناقض در رفتار یا مدارک، بلافاصله هشدار دهند. این شاخص‌ها به پلیس کمک می‌کنند تا به جای بازرسی تصادفی و غیردقیق، مستقیماً بر روی موارد پرخطر تمرکز کند و از اتلاف وقت و منابع جلوگیری نماید.

نتیجه‌گیری نهایی این پژوهش تایید می‌کند که ورود هوش مصنوعی به طراحی ایستگاه‌های بازرسی، کارآمدی پلیس را در کشف کالاهای ممنوعه به طرز معجزه‌آسایی افزایش می‌دهد. این سیستم‌ها نه تنها خطاهای انسانی ناشی از خستگی را کاهش می‌دهند، بلکه باعث تسریع در روند عبور و مرور خودروهای عادی و کاهش ترافیک در نقاط بازرسی می‌شوند.

محققان بر اساس نتایج به دست آمده پیشنهاد داده‌اند که نهادهای انتظامی به طور گسترده از این فناوری‌ها برای ارتقای امنیت مرزی و جاده‌ای استفاده کنند. این تحقیق نشان داد که هوشمندسازی تنها یک انتخاب نیست، بلکه یک ضرورت برای مقابله با شیوه‌های نوین جرم و جنایت در دنیای امروز است که می‌تواند به حفظ نظم و آرامش جامعه کمک شایانی نماید.

طبق اطلاعات ارائه‌شده در این پژوهش، هوش مصنوعی می‌تواند با تحلیل لحظه‌ای داده‌ها، حتی حرکت قاچاقچیان را پیش‌بینی کرده و پلاک‌های تقلبی را در کسری از ثانیه شناسایی کند. یکی از مزایای مهم این سیستم‌ها، ایجاد یک شبکه ارتباطی یکپارچه بین نهادهای مختلف مانند پلیس، گمرک و مرزبانی است. این اشتراک‌گذاری داده‌ها باعث می‌شود که اگر خودرویی در یک نقطه مشکوک ارزیابی شد، اطلاعات آن بلافاصله در تمام ایستگاه‌های دیگر نیز ثبت شود. همچنین، استفاده از اسکنرهای پیشرفته اشعه ایکس و دوربین‌های حرارتی که قابلیت تشخیص اجسام پنهان شده در بدنه خودرو را دارند، از دیگر دستاوردهای مورد تاکید در این مطالعه است. این تجهیزات می‌توانند حتی در شرایطی که کالاها به صورت حرفه‌ای جاسازی شده‌اند، آن‌ها را شناسایی کنند.

در نهایت، محققان پیشنهاد داده‌اند که برای اجرای موفق این طرح، دوره‌های آموزشی تخصصی برای ماموران برگزار شود تا آن‌ها بتوانند به درستی از تجهیزات مدرن مانند سیستم‌های شناسایی چهره و پلتفرم‌های مدیریت داده‌های بزرگ استفاده کنند. استفاده از واقعیت مجازی برای شبیه‌سازی عملیات‌ها و همچنین بهره‌گیری از شبکه‌های ارتباطی پرسرعت برای انتقال فوری اطلاعات، از دیگر توصیه‌های این پژوهش است.

این مطالعه که در فصلنامه علمی «کارآگاه» وابسته به پلیس آگاهی فراجا منتشر شده، نشان‌دهنده گامی بلند در جهت دانش‌بنیان کردن فعالیت‌های پلیسی در ایران است و می‌تواند الگویی برای سایر کشورهای منطقه در مبارزه با قاچاق سازمان‌یافته باشد. اجرای این پیشنهادات می‌تواند امنیت مرزها را به سطح جدیدی ارتقا داده و هزینه‌های عملیاتی را به شدت کاهش دهد.

انتهای پیام