人工智慧 (AI) 的應用幾乎遍及所有產業，公共安全領域也不例外。世界各地的城市都在利用人工智慧來保障市民安全，同時維護隱私和基本人權。使用人工智慧進行監控和預測性警務的優勢顯而易見。然而，圍繞倫理和隱私的一些挑戰，使得人工智慧在公共安全領域的應用，成為一個頗具爭議的議題。
德勤最近的一項研究發現，智慧科技可以幫助減少 30% 至 40% 的犯罪率，並將緊急服務的回應時間縮短 20% 至 35%，使城市更安全，緊急服務更有效。目前，智慧城市已經開始採用各種人工智慧工具，包括人臉辨識和生物辨識技術 (84%)、警用車載和執法記錄器 (55%)、無人機和空中監控 (46%) ，以及眾包犯罪報告和緊急應用app (39%)。
人工智慧在公共安全領域的應用
以下列舉了一些人工智慧，可以幫助世界各地打造智慧、安全城市的具體方式。
打擊恐怖主義威脅和活動
過去十年，恐怖分子平均每年殺害 26,000 人。AI 可以以超過 99.9% 的準確率檢測恐怖主義宣傳，分析上傳的圖像和影像，並將其從網路上刪除。這有助於防止網路恐怖主義招募，並阻止有害宣傳的傳播。
主動辨識可疑銀行活動
人工智慧和機器學習可以透過檢測資料異常，並提供關於危險信號和犯罪策略的即時更新，來支援銀行業務。它還可以匯總這些海量數據，以辨識趨勢。
自然災害應對
機器學習演算法可以與衛星影像結合使用，使政府官員更深入地了解自然災害的潛在影響。例如，在颶風地區，人工智慧可以幫助確定哪些災害將會發生、哪些系統可能會失效，以及哪些地區最危險。這可以幫助緊急應變團隊做好準備，以便快速進入這些地區或合理安排疏散優先順序。
人群和交通控制
人群可能非常危險，而人工智慧有助於降低人流密集區域，和場所的不確定性和風險。人工智慧可以為重新規劃交通，和人流路線提供建議，並優化威脅應對措施。例如，在新冠疫情期間，人工智慧被用於監控人流密集區域，並彙總接觸最頻繁的表面資料。這有助於追蹤密切接觸者，和預防傳染病傳播。
上敦所代理的 AXXON ONE 智慧影像辨識平台，應用在國內多項公民營工地管理
人工智慧在公共安全領域的實際應用案例
世界各地的城市正在將人工智慧解決方案，應用於政府和公共事務中，以改善公共安全並降低犯罪率。
新加坡
新加坡是最早將人工智慧應用於警察、醫療機構、邊境安全和國土安全等領域的國家之一。例如，新加坡民防部隊使用無人機等無人駕駛飛行器，進行火災追蹤、監視，以及搜救工作。在新冠疫情期間，新加坡使用 SPOTON 作為大規模體溫篩檢解決方案，覆蓋了560萬居民，而Ambiq®則為該國的「合力追蹤」（TraceTogether）系統提供了支持，用於社區接觸者追蹤。
日本利用深度學習演算法，透過人工智慧驅動的預測性警務，來衡量警力統計數據，同時提供其他犯罪詳情，例如時間、地點、天氣和地理條件。
里約熱內盧
里約熱內盧市政府在舉辦奧運期間，首次使用了 CrimeRadar。這款預測性犯罪應用 app，利用進階資料來監測犯罪率和潛在風險，例如夜間或交通高峰期。因此，在世界上最危險的城市之一，犯罪率降低了 30-40%。
人工智慧在公共監控中的風險
與人工智慧在許多領域的應用一樣，人工智慧在公共監控和安全領域的應用也面臨挑戰。人們擔心技術不完善會導致結果出現偏差，這是人工智慧廣泛應用的一大障礙。
技術不完善
人工智慧不斷發展和改進。但同時，如果人類沒有做好核實數據，和分析結果的準備，人工智慧也可能被濫用，做出潛在的有害決策。
偏見
人工智慧在創建過程中，有可能吸收設計者的偏見。機器學習模型的可靠性，取決於用於訓練的資料；它們可能會無意中反映出設計者，甚至收集資料的科學家的偏見。事實上，由於機器學習的基礎本身就包含偏見（例如，黑色素瘤模型可能成功預測有家族史的患者患病），我們必須不斷改進模型構建的指導原則，以確保模型的準確性。
根據 Tech Target 報導，開發者若遵循以下步驟，即可改善機器學習的偏差：10
- 辨識潛在的偏差來源
- 制訂消除偏差的指導方針
- 確定準確的代表性數據
- 記錄資料選擇和清洗過程
- 篩選模型，評估其偏差和性能
- 監控和審查模型在實際應用中的表現
公民自由與隱私議題
許多人也對人工智慧在公共監控方面的隱私問題表示擔憂。這些工具為智慧城市提供了大量關於個人全天活動的詳細數據，引發了人們對人工智慧可能被用於損害公民自由的用途的擔憂。
0 comments:
張貼留言