استفاده اینترپل از هوش مصنوعی برای شناسایی ۱۲۶ مظنون تروریستی از میان ۱۰۰ هزار تصویر
اینترپل با استفاده از ایجنتهای هوش مصنوعی و سیستم تشخیص چهره خود، توانست بیش از ۱۰۰ هزار تصویر را پالایش کرده و ۱۲۶ مظنون تروریستی را با موفقیت شناسایی کند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- عملیات Shams II اینترپل با کمک ۱۱ کشور، بیش از ۱۰۸ هزار تصویر مرتبط با گروههای تروریستی را جمعآوری کرد.
- ایجنتهای هوش مصنوعی با حذف موارد تکراری و بیکیفیت، حجم دادهها را به ۶ هزار تصویر باکیفیت کاهش دادند.
- با استفاده از سیستم تشخیص چهره، در نهایت ۱۲۶ مبارز تروریست خارجی برای پیگیریهای بعدی شناسایی شدند.
- عملیات Shams II اینترپل با کمک ۱۱ کشور، ۱۰۸,۰۷۶ چهره را از محتوای تبلیغاتی گروههای تروریستی استخراج کرد.
- ایجنتها و اسکریپتهای هوش مصنوعی سپس این مجموعه را پالایش و کیفیتسنجی کردند که در نتیجه ۶,۳۶۲ تصویر (حدود ۵.۹ درصد) برای تشخیص چهره باقی ماند.
- سیستم تشخیص چهره اینترپل که در سال ۲۰۱۶ راهاندازی شده است، سپس این تصاویر را با افراد واقعی تطبیق داد و با تایید انسانی، تاکنون ۱۲۶ مظنون شناسایی شدهاند.
اینترپل اعلام کرد در عملیاتی که در ژوئن ۲۰۲۶ در تونس هماهنگ کرده است، از هوش مصنوعی برای بررسی بیش از ۱۰۰ هزار چهره استخراجشده از محتوای تبلیغاتی استفاده کرده که این روند به شناسایی ۱۲۶ مظنون تروریست خارجی منجر شده است.
هوش مصنوعی بخش عمده این کار سنگین را انجام داد و ۱۰۸,۰۷۶ تصویر عظیم را به ۶,۳۶۲ تصویر منحصربهفرد و قابل شناسایی خلاصه کرد تا از طریق سیستم تشخیص چهره دهساله این سازمان بررسی شوند.
این فرآیند باعث شد ۱۲۶ نفر به صورت اولیه به عنوان تروریستهای احتمالی شناسایی شوند؛ افرادی که اکنون باید توسط این سازمان بینالمللی پلیس ردیابی و دستگیر شوند.
بازی اعداد و کاهش هوشمندانه دادهها
به گفته اینترپل، ایجنتهای برنامهریزیشده و اسکریپتهای تولیدشده توسط هوش مصنوعی، بخشهایی از فرآیند جمعآوری و کارهای تحقیقاتی را خودکار کرده، موارد تکراری را حذف و چهرههای بیکیفیت را غربال کردند.
این رویکرد ۶,۳۶۲ تصویر باکیفیت و منحصربهفرد به جا گذاشت که سپس وارد سیستم تشخیص چهره اینترپل (IFRS) شدند. این کار در عمل حجم عظیمی از تصاویر را به یک لیست بدون تکرار و کاربردی کاهش داد که تنها شامل حدود ۵.۹ درصد از مجموعه اولیه بود و قابلیت استفاده برای شناسایی تروریستهای احتمالی را داشت.
با حذف ۹۴ درصد از تصاویری که در غیر این صورت باید بهصورت دستی پردازش میشدند، هوش مصنوعی توانست منابع مورد نیاز برای رسیدن به این نتیجه را به شکل چشمگیری کاهش دهد.
این فناوری به ویژه زمانی کارآمد است که بدانیم تصاویر تبلیغاتی معمولاً هزاران مورد هستند و پیش از این، بازرسان باید بهصورت دستی آنها را برای شناسایی اهداف احتمالی بررسی میکردند؛ فرآیندی که در آن بسیاری از تصاویر توسط افراد مختلف در یک پرونده مشترک به صورت تکراری ارزیابی میشد.
ماریا کارمن مونیوز گونزالس (María Carmen Muñoz González)، مدیر بخش مبارزه با تروریسم اینترپل، در این باره اشاره کرد: «موفقیت عملیات Shams II ارزش ترکیب همکاریهای بینالمللی اجرای قانون را با قابلیتهای تحلیلی مبتنی بر هوش مصنوعی مسئولانه نشان میدهد.»
او همچنین افزود: «این مدل عملیاتی پایه و اساس محکمی برای حمایت از همکاریهای آینده بینالمللی در زمینه اجرای قانون، با هدف قرار دادن مجرمان در سراسر جهان فراهم میکند.»
تلاشهای اینترپل برای اتوماسیون فرآیندها تازگی ندارد؛ پیشتر و در سال ۲۰۱۹، گزارشهایی به نقل از وزارت کشور آلمان منتشر شده بود که نشان میداد اینترپل پروژهای به نام DTECH-Light را با هدف «تشخیص، استخراج و تحلیل محتوای دیجیتال تروریستی و همچنین شناسایی و مکانیابی مظنونان» ارائه کرده و از دفاتر ملی خواسته بود تا تصاویر مبارزان خارجی ناشناس را برای مقایسه در آن بارگذاری کنند.
اینترپل به طور دقیق اعلام نکرده است که از چه ایجنتهایی استفاده کرده، چه مدلها یا شرکتهایی پشتیبان آنها بودهاند، یا این سیستمها در کجا اجرا شدهاند. عبارت «اسکریپتهای تولیدشده توسط هوش مصنوعی» میتواند صرفاً به معنای کدهای خودکاری باشد که با کمک یک مدل زبانی بزرگ نوشته شدهاند، نه یک سیستم پیچیده و اختصاصی.
در حال حاضر، هوش مصنوعی کارهای طاقتفرسا و زمانبر را انجام میدهد تا سیستمی که در سال ۲۰۱۶ راهاندازی شده و افسرانی که خروجی آن را بررسی میکنند، بتوانند وظایف خود را بسیار سریعتر به انجام برسانند؛ این یک پیروزی بزرگ در زمینه بهرهوری برای سازمانی است که اغلب با منابع اطلاعاتی متعددی سروکار دارد، حتی در شرایطی که نگرانیها درباره استفاده از این فناوری در سطح جهانی از جنبههای مختلف رو به افزایش است.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعهدهندهها قید مدلهای گرانقیمت را میزنند!
مدل زبانی تخصصی LEGAL-BERT با ثبت بیش از ۸۳۳ هزار دانلود در ماه روی پلتفرم هاگینگ فیس حسابی خبرساز شده است. این ابزار جمعوجور و تخصصی نشان میدهد که برای پردازش و تحلیل متون حقوقی، حتماً نیازی به مدلهای غولپیکر و پرهزینه ندارید و گزینههای بهینه همچنان در اوج هستند.

جاسوسی هوش مصنوعی در محل کار؛ کارمندان میگویند کارفرماها باید قانوناً مچگیریهایشان را لو بدهند!
نظرسنجیهای تازه نشان میدهد که بیشتر کارمندان حس میکنند مدیرانشان با ابزارهای هوش مصنوعی تمام حرکات آنها را زیر نظر گرفتهاند. حالا بیش از ۸۰ درصد شاغلان خواستار تصویب قانونی شدهاند که شرکتها را مجبور کند هرگونه مچگیری و نظارت هوش مصنوعی در محیط کار را رسماً اعلام کنند.

گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!
مایکروسافت در تازهترین گزارش خود از ضریب نفوذ هوش مصنوعی در جهان پرده برداشت؛ آماری شگفتانگیز که نشان میدهد امارات و سنگاپور با فاصلهای خیرهکننده پیشتاز دنیا هستند و در مقابل، آمریکا در رتبه ۲۱ جا مانده است. همچنین الگوی استفاده از هوش مصنوعی میان کشورهای غربی و کشورهای در حال توسعه، از تفاوتی عمیق میان کاربردهای روزمره و آموزش پرده برمیدارد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.