keonhacai keo nha cai Cảnh sát có thể triển khai các thuật toán phức tạp một cách có đạo đức không?

AI có thể biến đổi chính sách nhưng lo ngại về sự thiên vị với việc sử dụng nó trong các hệ thống tư pháp hình sự, chất lượng dữ liệu và sự thiếu minh bạch phải được giải quyết

Tài nguyên cảnh sát được kéo dài bởi các yêu cầu đối với các tội phạm ngày càng phức tạp. Vì vậy, họ đang chuyển sang chính sách điều khiển dữ liệu, sử dụng các phân tích dữ liệu và thuật toán keonhacai keo nha cai máy để hỗ trợ các khía cạnh như dự đoán tội phạm và phân bổ tài nguyên. Điều này đã dẫn đến một loạt các khuôn khổ như chăm sóc Algo và tiêu chuẩn ghi âm trong thuật toán để giúp hướng dẫn cảnh sát trong hành trình của họ. Tuy nhiên, các keonhacai keo nha cai giả pháp lý và các nhóm nhân quyền đã tiếp tục gây lo ngại xung quanh việc sử dụng các thuật toán trong chính trị, đặt ra câu hỏi liệu họ có thực sự có thể được giới thiệu về mặt đạo đức hay không.     

Một trong những vấn đề mà các nhóm đã thu hút sự chú ý là sự kiên trì và trầm trọng của sự thiên vị. Một số nghiên cứu đã tìm thấy các mô hình được sử dụng trong hệ thống tư pháp hình sự là thiên vị và dễ bị các vòng phản hồi, một bộ hướng dẫn vô tận, có thể làm xấu đi vấn đề này. Chức năng Creep là một vấn đề khác được nêu ra, trong đó mục đích của mô hình được mở rộng hoặc thay đổi để nó không còn được sử dụng theo cách ban đầu được dự định, khiến nó dễ bị lạm dụng và không chính xác. Trên hết, có những vấn đề tiềm ẩn với dữ liệu hạn chế có sẵn, chất lượng của dữ liệu và sự thiếu minh bạch xung quanh cách các mô hình hoạt động. Cùng nhau, các nhà hoạt động bày tỏ lo ngại rằng những điều này có thể làm suy yếu quyền con người. Ví dụ, quyền thử nghiệm công bằng một phần dựa trên việc có thể tranh luận về bằng chứng, nhưng nếu các cá nhân không thể hiểu được lý do đằng sau đầu ra thuật toán, thì thật khó để tranh luận với nó.  

Và có những rào cản thực tế và tổ chức. Sự phát triển của các thuật toán phức tạp phụ thuộc vào chuyên môn khoa keonhacai keo nha cai dữ liệu, nhưng thường là các chuyên gia miền và các nhà khoa keonhacai keo nha cai dữ liệu làm việc trong các silo (làm việc trên cùng một mục tiêu mà không cần giao tiếp). Tuy nhiên, không biết những gì có liên quan, cảnh sát có thể bắt tay vào các dự án mô hình hóa dữ liệu cuối cùng lãng phí nguồn lực hạn chế, cuối cùng không hiệu quả hoặc tệ hơn - đưa ra một số vấn đề được mô tả ở trên. Ngược lại, các nhà khoa keonhacai keo nha cai dữ liệu có thể dành thời gian cho các dự án không liên quan đến nhu cầu hoạt động hiện tại và do đó không bao giờ được thực hiện đúng. Một cách công bằng, bối cảnh dữ liệu hiện tại bị phân mảnh, vì dữ liệu của cảnh sát được quản lý trên nhiều hệ thống không nhất thiết phải tương thích và cảnh sát thường không có đủ chuyên môn keonhacai keo nha cai máy để tận dụng những tiến bộ trong lĩnh vực này.  

​​Tuy nhiên, không có vấn đề nào trong số này là không thể vượt qua và nếu được thực hiện đúng AI trong việc kiểm soát có thể mang lại lợi ích rất lớn. Chúng tôi được tài trợ để khám phá cách mô hình dự đoán có thể được sử dụng để cải thiện ưu tiên và dự đoán chính xác, cũng như đánh giá cách nó có thể được thực hiện về mặt đạo đức. Một số yếu tố trở nên rõ ràng trong suốt quá trình của dự án kéo dài một năm của chúng tôi, bao gồm: không có hướng dẫn thực tế nào có sẵn, đưa ra cách cảnh sát có thể phát triển và thực hiện các thuật toán phức tạp; Cảnh sát xem khoa keonhacai keo nha cai dữ liệu như một cách tăng khả năng đối phó với các tội phạm, tuy nhiên các mô hình như thế này chỉ có thể chỉ ra ai hoặc ở đâu để nhắm mục tiêu và đầu tư thêm vào nhân viên được yêu cầu phải hành động hiệu quả theo đầu ra đó; Các nhóm đa ngành bao gồm các nhà khoa keonhacai keo nha cai dữ liệu và các chuyên gia tên miền (bao gồm cả nhân viên tiền tuyến) là cần thiết để đảm bảo các mô hình đang giải quyết các vấn đề đúng đắn; Và cuối cùng, chuyên môn khoa keonhacai keo nha cai dữ liệu và keonhacai keo nha cai máy cần thiết cần thiết để phát triển đúng các mô hình này thường có xu hướng thiếu. 

Để giúp cảnh sát giải quyết một số vấn đề này, chúng tôi đã phát triển một hướng dẫn 'cách thực hiện' thực tế để cảnh sát áp dụng.Rudi - Cơ sở lý luận, thống nhất, phát triển và thực hiện– hướng dẫn cảnh sát trong quá trình phát triển và triển khai các thuật toán phức tạp. Điều này bao gồm việc mô tả loại kiến ​​thức chuyên môn về máy keonhacai keo nha cai cần thiết cũng như nêu bật các vấn đề về năng lực và làm việc nhóm. Giống như các khuôn khổ khác trước đây, RUDI không thể khắc phục sự cố nhưng nó hướng dẫn cảnh sát hướng dẫn họ có thể khắc phục chúng. 

Vì vậy, để quay lại câu hỏi ban đầu về việc liệu cảnh sát có thể thực hiện các thuật toán phức tạp một cách có đạo đức hay không, chúng tôi tin rằng câu trả lời là có. Động lực hướng tới chuyển đổi kỹ thuật số thể hiện động lực không ngừng của cảnh sát trong việc thực hiện các phương pháp mô hình hóa dữ liệu và sự kết hợp giữa hướng dẫn, khuôn khổ quốc gia và giờ đây cũng là lời khuyên thiết thực, đồng nghĩa với việc có sẵn các giải pháp để đảm bảo lợi ích của AI lớn hơn rủi ro. Tuy nhiên, vẫn còn những thách thức cần được giải quyết và vẫn còn phải xem liệu động lực chiến lược có phù hợp với sự nhiệt tình làm nền tảng hay không.

Giới thiệu về các tác giả

Hazel Sayerlà Nghiên cứu viên tại Đại keonhacai keo nha cai Bournemouth. Hazel sử dụng các phương pháp nghiên cứu định tính và định lượng để điều tra việc cải cách chính sách chống Bạo lực đối với Phụ nữ và Trẻ em gái (VAWG).

Tiến sĩ keo goc nha cai Spence | Đại học Middlesexlà thành viên nghiên cứu cao cấp tại Trung tâm Nghiên cứu Lạm dụng và Chấn thương Trẻ em (CATS) tại Đại keonhacai keo nha cai Middlesex. Ruth sử dụng các phương pháp định lượng và trực tuyến để nghiên cứu tác hại trực tuyến, chấn thương và di chứng của nó, làm việc với các đối tác trong lĩnh vực thứ ba. cảnh sát và ngành công nghiệp.

Tiến sĩ Tamara Polajnarlà một nhà khoa keonhacai keo nha cai keonhacai keo nha cai máy tự do tư vấn thông qua Đại keonhacai keo nha cai Middlesex về việc sử dụng AI đạo đức trong chính trị. Tamara chuyên về các ứng dụng ML, đặc biệt là xử lý ngôn ngữ tự nhiên.