19 آوریل 2024 -توسط دیوید بردلی، Inderscience-اعتبار: دامنه عمومی Pixabay/CC0
جرم و جنایت یک مشکل دیرینه و پایان ناپذیر برای جوامع در سراسر جهان است و کشف جرم و مبارزه با جرم همیشه به دنبال جنایتکارانی است که اغلب یک قدم جلوتر هستند.تحقیقات منتشر شده در مجله بین المللی توسعه مبتنی بر دانش به داده های عاطفی در کنار تکنیک های یادگیری ماشینی (ML) و یادگیری عمیق (DL) برای توسعه فناوری تبدیل شده است که ممکن است روزی به ما در درک بهتر ذهن جنایتکار و حتی پیش بینی فعالیت های مجرمانه کمک کند. که ممکن است از آن جلوگیری شود.
A. Kalai Selvan و N. Sivakumaran از گروه ابزار دقیق و مهندسی کنترل و رئیس موسسه ملی فناوری، در Tiruchirappalli، تامیل نادو، هند دو هدف اصلی داشتند: پیش‌بینی جرم با استفاده از مدل‌های ML بر اساس داده‌های احساسی و شناسایی کانون‌های جرم و جنایت در آینده با استفاده از روش‌های DL اعمال شده برای داده‌های رویداد جرم.
با تجزیه و تحلیل نشانه های احساسی مبتنی بر صدا با استفاده از الگوریتم های ML، تیم به دقت تشخیص 97.2 درصد برای جرایم مختلف دست یافته است. علاوه بر این، تکنیک‌های DL، به ویژه حافظه کوتاه‌مدت دو جهته انباشته شده (LSTM)، به آنها اجازه می‌دهد تا نقاط جرم و جنایت را با دقت 95.64 درصد شناسایی کنند.
محققان به این نکته اشاره می کنند که چگونه اهمیت حالات عاطفی در الگوهای گفتاری به آنها اجازه می دهد تا تشخیص احساسات مبتنی بر گفتار را کشف کنند. آنها منشا زبانی، نشانه های فرازبانی و ویژگی های گوینده را در نظر گرفتند. این به آنها اجازه داد تا داده‌های احساسی به‌دست‌آمده را با عوامل دیگری مانند مکان و نوع جرمی که در یک نقطه داغ اتفاق می‌افتد، ادغام کنند.
در حالی که این مفهوم نسبتاً آینده‌نگر به نظر می‌رسد، پیشرفت سریع در الگوریتم‌هایی که می‌توانند الگوهای موجود در داده‌ها را استخراج و شناسایی کنند، به هیچ وجه فقط مربوط به داستان‌های علمی تخیلی نیست. این تیم می‌گوید که رویکرد آنها می‌تواند فعالیت‌ها را در کانون‌های جرم و جنایت نظارت کند، جنایات را کشف کند و فعالیت‌های مجرمانه آینده را پیش‌بینی کند.
کار آینده ممکن است امکان استفاده از تکنیک‌های یادگیری ماشینی مشابه را برای سیستم‌های واکنش اضطراری به جای تنها در مبارزه با جرم و جنایت فراهم کند. با تجزیه و تحلیل محتوای احساسی فردی که با خدمات اورژانس تماس می گیرد، سیستم ممکن است بتواند بین تماس های اضطراری واقعی و تماس های غیر اضطراری یا حتی جعلی تمایز قائل شود، که می تواند بار خدمات را به میزان قابل توجهی کاهش دهد. زمان زیادی است که تحقیقات دقت پیش‌بینی را به 100% ایده‌آل آشکارساز احساسات AI مبارزه با جرم و جنایت نزدیک‌تر و نزدیک‌تر کند.
