2020年3月10日 星期二

AI福爾摩斯


英文單字總是背了又忘、忘了又背?【TOEIC Power多益單字報】教你從字首、字根和字尾學起,輕鬆背單字。 【媽媽寶寶電子報】在妳升格當媽媽的那一刻,教妳孕期所需注意的營養、產檢、胎教、產後照護等相關知識。
★ 無法正常瀏覽內容,請按這裡線上閱讀
新聞  健康  u值媒  udn部落格  
2020/03/11 第471期  |  訂閱/退訂  |  看歷史報份  |  能力雜誌網站
精選文章 AI福爾摩斯
AI神探升級 全方位預測犯罪
 
AI福爾摩斯
文/吳俊毅
每年5,515億元新台幣,這金額是什麼樣的概念?可以每年興建一條高鐵還綽綽有餘,但根據交通部數據及交通部運輸研究所報告,這是台灣在2018年因為交通事故死傷造成的經濟損失;2,976件——根據內政部統計,這是便利商店1年內報警處理的竊盜案件。這些金額與數據代表著令人憂心的治安問題。過去,要解決這些問題,只能透過政令宣導、實體警力配置交通要道、店員值班時多加留心,但是隨著警力與全台人數比例節節攀高,警力不足逐漸顯現,如何在有限的警力來逆轉違規、犯罪等情事惡化,成為2020年的發展重點。

雖然已經是老生常談的應用,但隨著人工智慧(Artificial Intelligence, AI)的進化,AI不再只能應用於醫療、下棋、車載運算等領域,其實在揪出通緝犯這領域,早已在許多國度上線應用,成效斐然。擁有龐大人口資料的中國就是應用最為頻繁的國度,將高達14億的人臉資料交給AI分析學習,在短短1年期間就已經逮捕超過萬名的通緝犯,這樣的成績令人感嘆於AI的犀利,但是否只能在事後補救,無法在事前就預防,猶如《關鍵報告》(Minority Report)中的先知一般?答案是肯定的,過去這就像是神話,但AI並不甘心於只當警察旁邊的華生,而是希望可以成為犯罪預防中的主角,新一代福爾摩斯。

法官得力新助手

一直以來,想判斷犯人是否會再次犯下誤是場考驗,透過人類評估的準確度總有其極限,常常聽到某某犯人在法官判定可假釋出獄後就立刻再犯,但現在根據《科學進展》(Science Advances)的論文顯示,透過演算法的輔助,預測累犯的準確率已經高達90%,雖然目前只在某些模擬情境中測試,但未來似乎可以看到AI成為法官的得力助手,輔助做出更適切的判斷。

而社群媒體已經是現代人不可或缺的社交、發聲途徑,但也不可否認它已成為許多犯罪的溫床,研究人員就從中嗅到或許這可以成為揪出罪犯的途徑。紐約大學的助理教授魯米.朱納拉(Rumi Chunara)領導的團隊,分析了5.32億則公開推文,發現種族歧視的推文數量與種族仇恨的犯罪數量呈現正相關;芝加哥警局也利用AI搜尋社群媒體,找出芝加哥最危險的400人,這些都是透過AI從社群媒體中找出犯罪因子的應用。

但這些判斷都只是疑似犯罪者,能否透過AI在造成傷害之前就遏止罪惡發生呢?阻斷電話詐騙或許是其中最容易實現的應用,接到詐騙電話幾乎成為現代人的日常,在談論AI如何阻止電話詐騙前,先談談現在的AI如何利用技術為惡。在美國總統大選期間,「Deepfake」的以假亂真技術,將假臉置換到影片上造成選情影響。技術演進到2019年,已經有詐欺犯利用AI造假技術模仿企業CEO的聲音,成功詐騙了22萬歐元,這猶如魯邦三世加名偵探柯南的劇情現實上演。

但在電話詐騙盛行的台灣,是否真的無法可擋了呢?其實也不盡然,在本期封面故事可以看到遠傳電信在預防電話詐騙的投入。遠傳網路暨技術群資深協理盧祖耀表示,下定決心打擊電話詐騙的契機是接到刑事警察局來電,表示許多詐騙電話都是由遠傳易付卡撥出,甚至發話地點不在台灣,而是在廈門,但遠傳隨即明快處理,在短短一周內將詐騙電話下降近4成,雖然出乎意料,但也激發遠傳想要更加強力阻擋電話詐騙的決心。盧祖耀談到,遠傳佈局大數據已經5年,所以有著堅實的軟實力,接著只要找出詐騙電話特徵即可,遠傳先將幾百萬人的通聯紀錄(Call Detail Record, CDR)去識別化後進行分析,以機器學習的方式給機器一個區間資料,再告訴它曾發生過的詐騙電話通聯特徵為何,利用演算法計算,未來即可透過這樣算出來的結果,掌握哪通電話屬於詐騙電話,精準度超過99%。

從先知到預判犯罪

對於執法單位來說,可預先得知案件何時發生是一種夢寐以求的能力,畢竟誰都不希望案件發生,目前各界還在朝這個理想境界邁進,隨著AI進步,對於警力的配置也能有更好的安排。新北市政府警察局資訊室主任張俊揚就認為,超前部署才能讓資料發揮最大功效的應用,有別於過去的土法煉鋼,警力無法有效配置,尤其新北市幅員廣大,屬於城鄉並存的行政區,很難只透過現有警力滿足所有民眾的需要,但是隨著大數據的導入,匯入資料庫經過分析後,接著透過「治安交通戰情儀表板」,讓「熱區」、「熱時」的資訊一目了然,方便警力做有效率的分配。

不可諱言,對於日益增加的人口以及犯罪事件,警力是遠遠不足,如何透過AI來降低員警負擔。在遏止網路犯罪方面,德國已經開發出可以自動辨識「兒童色情內容」的AI,這套AI系統的工作速率將力壓專業辦案人員,3天的辨識成績大約等於1名員警1年的工作量,透過AI的輔助,可以大大減輕員警的負擔。除此之外,交通違規也是耗損警力最大的來源之一,但對於引進「科技執法」的桃園市政府來說,卻不是問題。透過安勤科技的輔助,結合AI、車載自動診斷系統(On-Board Diagnostics, OBD)與專用短程通信技術(Dedicated Short Range Communication, DSRC)的系統已經上線,安勤科技副經理劉景新表示,即使是最簡單的紅線違停系統,透過AI來執行,就可以免去人情壓力;除此之外,透過建置AI開單場景,警察不再需要蹲在天橋,拍攝各台違規的車輛,將警力解放,才能做出更有效的配置。

看透隱藏心思與關係

這些智慧影像的判讀,則是需要優良的AI來判讀,工研院就開發出「DeepLook雲端智慧影像分析系統」,發展出可協助警方彈性整合影像來源、平行化分析影像、辨識影像中所需物件的辨識平台。上述這些多元的任務,隨著AI深度學習影像辨識的快速發展,讓很多過去做不到的影像辨識功能得以實現,現在的「DeepLook」不只能找出車牌,也能快速找出寵物與更多物件。同時,透過一站式的設計,讓員警不需要額外花太多時間適應。同時,警察大學刑事警察學系助理教授蔡馥璟表示,警察大學已經將AI概念融入不同的課程裡,包括科技犯罪、犯罪偵查等科目,都會觸及AI領域,培育未來員警相關概念。

過去,看著電影中的案件發生,劇中的主角抽絲剝繭後才發現類似手法在某某年前曾經發生,但通常在找出關聯性前,不幸的事情都已經再次發生。這時候,通常都會有位神探出來突破盲點,這樣的情況非常之戲劇性。但是在現實生活中,AI的出現可以說打破這樣的戲劇性,紐約警察局開發出AI軟體「Patternizer」,可以搜尋龐大案件海中的資料,迅速找出犯案模式間的關聯性,運用演算法快速破案;日本新創公司「Vaak」開發的AI,可以從鏡頭中判別顧客肢體語言,進而得知顧客是否有行竊的動機,讓店家做出預防。關於更多AI如何運用見微知著、預判先知等能力防堵犯罪,請看本期《能力雜誌》。

【本文出自《能力雜誌》2020年3月號;訂能力電子雜誌;非經同意不得轉載、刊登】

AI神探升級 全方位預測犯罪
文/周尚勤 圖片/達志影像、東方IC
沙發、散落一地的玩具,這個看似平常的場景卻是駭人聽聞的犯罪現場,但要如何在這裡找到罪犯留下的蛛絲馬跡?恐怕連福爾摩斯(Sherlock Holmes)也要傷透腦筋。好消息是,現代警察有了「人工智慧」(Artificial Intelligence, AI)這個新夥伴,不僅可以幫忙揪出罪犯,更能預測犯罪。西班牙萊昂大學(University of Leon)的電腦科學家菲達爾戈(Eduardo Fidalgo Fernández)正與西班牙國家網路安全研究所(Spanish National Cybersecurity Institute)合作,開發以AI為核心,識別照片中物體的系統,幫助警察發現犯罪現場的線索,當然這也得經過大數據(Big Data)輔助。例如:找出發生虐待的臥室,定期為相關地點拍照,利用圖像訓練機器,可以在過程中發現關鍵訊息與證據。

這只是AI應用於犯罪現場的冰山一角,在虛擬世界中AI更成為維護網路安全的要角。美國市場研究機構MarketsandMarkets分析,由於聯網設備不斷增加,以社群媒體處理業務的需求提高,AI在數位安全(Cybersecurity)市場產值,預計將從2019年的88億美元,成長到2026年的382億美元,8年成長超過4倍,年複合成長率達23.3%。

英國:街頭刷臉阻擋恐攻

AI在虛擬世界的活躍已經是現在進行式,例如:守護大眾錢包,運用機器學習(Machine Learning)與AI,阻止線上數位詐欺;守護兒童安全,Facebook利用AI在3個月內刪除了近900萬張兒童裸照,並將可能的受虐細節提供給美國國家失蹤與被剝削兒童中心(National Center for Missing and Exploited Children, NCMEC),阻止更多悲劇發生。

回到真實世界,人們最直接面對AI預防及打擊犯罪的應用,就是被稱為「刷臉」的人臉辨識(Facial Recognition)。其中,打造全球最大人臉監控系統「天網」的中國已經是刷臉第一大國。根據英國數據公司Comparitech統計,中國目前已佈建約2億台監視器,預計2022年,更將增長至高達6億台,大幅助長監控力道。同時,執法單位的資料庫也大量儲存民眾照片,透過刷臉裝置,馬上就能比對身分,一旦發現犯罪嫌疑人,即可進一步採取執法措施。

人臉辨識不只在中國發酵,在西方國家也越來越受歡迎,其中就包含紐約警局在內的美國警察部門,都使用AI技術比對照片與其他資料庫中靜態圖像,其中Clearview AI開發的人臉辨識系統大受歡迎。根據《紐約時報》(The New York Times)調查,已有超過600家執法機構使用。

倫敦警察廳在2020年1月宣佈,將使用攝影機與人臉辨識系統來鎖定街頭的犯罪嫌疑犯,就重視隱私的西方國家來說,這是罕見的監控行動,對於近年犯罪率提昇,甚至曾經遭受恐怖攻擊威脅的英國而言,警察監視系統比其他西方國家更為廣泛。倫敦警察廳表示:「作為現代化的警察部隊,我們有責任用新技術來確保人民的安全。」這個人臉辨識系統同樣將照片與數據庫比對,可立即辨識出警察監視名單中的人員。

印度:火車「影」「音」辨識抓犯人

把鏡頭轉至世界人口數量第二大的印度,綜觀印度鐵路,從喜馬拉雅山山麓一直延伸至南部的科摩林角(Cape Comorin),是世界最大的鐵路運輸網絡之一,每天載運高達2,300萬人次,然而,這個龐大的網絡卻常被不法的販運者用來引誘婦女與兒童。

過去,這種狀況因為人力、科技不足,只能徒呼無奈,但是當地官員表示,未來印度將在多數的主要火車站,使用人臉辨識技術來打擊犯罪。這套系統目前於南印度科技重鎮班加羅爾(Bengaluru)的技術中心測試,每天約掃描50萬張臉,並用AI將其與罪犯警務資料庫中儲存的人臉進行比對。對於擁有13億人口的印度來說,警務系統的人力是嚴重不足,印度政府也坦承的確需要科技加強資源,其中鐵路官員也表示必須運用科技,沒有其他替代的選擇。目前,人臉辨識計畫也已經計畫應用於火車上,截至2020年1月為止,已在高達5.8萬個車廂中挑選了1,200個,安裝監視攝影機,同時不只借助影像,還導入測試聲音辨識,偵測爭論、尖叫等聲響功能,進一步防患未然。

日本:幫零售業預先揪出竊賊

不只政府、警察部門利用AI執行任務,在日本,甚至有企業運用AI技術開發出新軟體應用,在竊盜案發生前,就能揪出扒手,這種宛如科幻片的設定,是透過成立於2017年並獲得軟銀集團(Softbank Group Corp.)AI基金支持的新創公司「Vaak」開發的AI,這套軟體可以從安控攝影鏡頭畫面中,察覺來店顧客的坐立不安、躁動或其他可疑肢體語言,發現潛在的行竊者。早在2018年,這套AI就曾經立下大功,「Vaak」協助一家位於橫濱的商店,成功辨識可疑分子,結果在幾天後,這位可疑分子真的因偷竊而被逮捕,「Vaak」因此登上報紙頭條,聲名大噪。「Vaak」不只計畫在日本的10萬家商店中銷售該軟體,更希望在機場、大型購物中心等人潮眾多的場所,裝設判別謀殺與恐怖攻擊的AI服務,最終達到打擊更嚴重的犯罪與恐攻行動。

將AI判別運用於商場的優勢並不只有日本看到,在歐美也有相同的案例,沃爾瑪(Walmart)表示,已經在超過1,000間店中使用AI攝影機來檢測竊盜行為。透過AI與攝影機的結合,可以識別商品何時被放進購物袋,如果商品在結帳掃描前就被放入購物袋,該系統就會通知員工來「幫忙」。沃爾瑪指出,自從部署此技術後,因竊盜或其他失誤造成的商品損失已明顯下降。

利用AI科技防竊,似乎有大炮打蚊子的錯覺,但其實商機比想像中更巨大,根據泰科零售解決方案公司(Tyco Retail Solutions)在2018年針對遍佈全球14國,管理近23萬間店的1,100位零售決策者調查顯示,在美國因外部竊盜或店內行竊造成的損失,在銷售損失占比高達35.55%,由此可知從小地方著手反而有望大幅降成本。

同時,根據科技研究與顧問公司顧能(Gartner)預估,全球零售業在科技支出的投資力道不減,到2022年前將維持在3%以上的年增幅,其中,「軟體」支出不僅將年年維持成長,也是成長幅度最高的項目,2020年相關支出將達357億美元,顯示零售業者將更願意接受AI等新科技,來滿足消費者需求或加強改善現狀的力道。

矯枉過正與偏見 誤判結果

然而,AI在打擊與預防犯罪的應用上,並非一帆風順。紐約在人臉辨識試點計畫中,測試開車經過橋梁和隧道時,成效並不理想;部分英國警官擔心利用AI打擊犯罪,可能造成增加偏見的風險。

當然,更多抨擊來自於民眾對侵犯隱私權與人權的疑慮,這些疑慮已經在全球各地引發辯論和反彈,爭議不斷。2019年5月,美國加州舊金山市通過法案,禁止警察等政府機關使用人臉辨識系統,以保障人民隱私與基本人權,成為美國首個禁用臉部辨識的城市,緊接著,奧克蘭、柏克萊以及麻州的薩默維爾、布魯克萊恩等地隨後也宣佈跟進。

透過AI辦案、預防犯罪,並非一條平順的道路,如何在保護人民安全以及保障人權之間找到最恰當的平衡,將是21世紀版的福爾摩斯——AI要面對的,比找出兇惡罪犯更困難的挑戰。

【本文出自《能力雜誌》2020年3月號;訂能力電子雜誌;非經同意不得轉載、刊登】

 
  免費電子報 | 著作權聲明 | 隱私權聲明 | 聯絡我們

沒有留言:

張貼留言