Rappelez-vous le film « Minority Report? » Le film est basé sur un thème intéressant d’enquête criminelle, où une équipe de « Data Science Officers » avec des capacités psychiques appelées PreCogs pourrait prédire de futurs crimes en analysant d’énormes quantités de données. L’analyse de l’équipe est envoyée à l’unité criminelle « The Pre », qui prévient alors le crime avant qu’il ne se produise.
À moins que vous n’ayez vécu sous un rocher, vous avez probablement réalisé que certains des concepts de ces films exagérés ont pris vie. Et beaucoup d’entre eux sont appliqués aux tâches quotidiennes, y compris l’assistance aux forces de l’ordre.
Bien que la police prédictive soit controversée et ait fait l’objet d’un examen minutieux, la reconnaissance faciale, La technologie de l’ADN et les algorithmes d’apprentissage automatique sont utilisés aujourd’hui par la police et les agences d’enquête.
Voici quelques cas où les forces de l’ordre ont utilisé les technologies IA/ML pour résoudre des crimes et attraper des criminels :
Le tueur de Golden State
L’utilisation de bases de données généalogiques génétiques directement accessibles aux consommateurs combinées à la technologie de l’IA a permis de résoudre plus de 50 affaires froides allant de personnes disparues à des affaires de meurtre. Remarquablement, le célèbre tueur en série appelé le « Golden State Killer » a finalement été arrêté après des années d’évasion. Les bases de données génétiques ont contribué à son identification et à son arrestation ultérieure, ce qui a conduit à la réouverture et à la réévaluation de 12 cas liés à lui à l’aide d’une technologie ADN plus récente.
Joseph DeAngelo, également connu sous le nom de « Golden Killer », a plaidé coupable de plusieurs meurtres commis en Californie dans les années 1970 et 80. Il a avoué le meurtre de 13 personnes, le viol d’une cinquantaine de femmes et de nombreux cambriolages.
La généalogie génétique utilisée dans ce cas implique le profilage de l’auteur en collectant du matériel biologique sur les scènes de crime, comme du sang ou du sperme, et en analysant l’ADN par séquençage génétique. Le profil génétique résultant est ensuite ajouté aux bases de données ADN publiques, telles que GEDmatch, qui contiennent des séquences d’ADN de consommateurs qui ont passé des tests ADN commerciaux. En recherchant des profils similaires parmi les utilisateurs de la base de données, les agents des forces de l’ordre peuvent identifier les parents potentiels de l’agresseur sur la base de variantes génétiques communes.
Sur la base de ces informations, les enquêteurs construisent un arbre généalogique étendu en utilisant des méthodes généalogiques traditionnelles et des profils ADN. Ce processus de « généalogie inversée » consiste à ajouter des parents, en commençant par des individus vivants et en étendant des branches à des ancêtres éloignés. L’arbre généalogique aide à réduire la liste des suspects potentiels.
En fin de compte, la combinaison de la généalogie génétique, des bases de données ADN et des méthodes d’enquête traditionnelles a joué un rôle crucial dans l’identification et la traduction en justice de Joseph DeAngelo pour ses crimes odieux.
Reconnaissance faciale pour la traite des êtres humains
En 2019, un agent des forces de l’ordre californien est tombé sur une publication sur les réseaux sociaux concernant un enfant disparu partagée par le National Center for Missing and Exploited Children. À l’aide d’un outil appelé Spotlight, l’agent a obtenu une compilation d’annonces sexuelles en ligne impliquant la fille. Selon un rapport, la jeune fille aurait été « vendue pendant des semaines ». L’intervention de l’agent a déclenché une série d’actions qui ont réussi à sauver la jeune fille et à la sortir d’une situation traumatisante.
L’outil, appelé Spotlight, utilise des algorithmes de traitement de texte et d’image pour faire correspondre les visages et autres indices des publicités sexuelles en ligne à d’autres preuves. Grâce à la technologie de reconnaissance faciale d’Amazon, Spotlight identifie rapidement les publicités sexuelles en ligne mettant en scène des enfants disparus. Thorn a également développé un autre produit logiciel appelé Safer, qui aide les entreprises technologiques à détecter les images d’abus sexuels d’enfants sur leurs plates-formes à l’aide du système PhotoDNA de Microsoft.
L’association a pu récupérer des milliers d’enfants et identifier les trafiquants grâce à ses outils. Thorn a récemment reçu un financement du projet TED Audacious, qui peut être utilisé pour développer une technologie permettant de suivre la pornographie juvénile sur le dark web et d’empêcher sa circulation. L’organisation travaille avec le Centre canadien de protection de l’enfance pour réduire la pornographie juvénile et a été félicitée pour son approche proactive pour s’attaquer au problème.
Subway Rice Kook
Les détectives du NYPD ont utilisé la technologie de reconnaissance faciale pour identifier rapidement un homme responsable d’avoir laissé des pots de riz dans une station de métro, provoquant la peur parmi le public. Ils ont extrait des images fixes du suspect à partir de séquences de sécurité et les ont comparées à des photos de la base de données d’arrestation du NYPD à l’aide d’un logiciel de reconnaissance faciale.
Le système a produit plusieurs centaines de correspondances potentielles, qui sont passées par plusieurs étapes d’examen humain. En moins d’une heure, le suspect a été identifié avec succès. sergent. Edwin Coello, chef de l’unité de reconnaissance faciale du NYPD, a souligné le rôle crucial de cette technologie dans les cas d’attaques terroristes potentielles, soulignant son efficacité par rapport aux méthodes traditionnelles qui reposaient sur l’examen manuel des vidéos et des images.
Tueur de la Gazette de la capitale
En 2018, Jarrod Ramos a mené une attaque meurtrière au siège de la Capital Gazette, un journal basé à Annapolis, dans le Maryland. Sa motivation découle d’un article que le journal a publié à son sujet en 2011, qu’il jugeait diffamatoire. Ramos a déposé une plainte en diffamation contre la Gazette de la capitale, mais elle a finalement été rejetée par un juge.
Armé d’un fusil de chasse, Ramos est entré dans les bureaux du journal et a tragiquement tué cinq employés tout en en blessant grièvement deux autres. Après l’attaque, la police du comté d’Anne Arundel a cherché à identifier le tueur. Ils ont obtenu une image de Ramos et l’ont envoyée au Combined Analysis Center du Maryland.
Le Maryland Combined Intelligence Center a joué un rôle crucial dans l’identification de Ramos. Ils ont comparé l’image qu’ils ont reçue avec d’autres stockées dans le Maryland Image Repository System, confirmant finalement Ramos comme l’auteur de l’attaque contre la Capital Gazette.
Mais l’intervention humaine est vitale
Quelques facteurs importants à prendre en compte lors de l’achat de technologies d’IA/ML pour les forces de l’ordre sont qu’il est essentiel de maintenir une composante humaine dans l’application de ces technologies. Des préoccupations éthiques surgissent lorsque l’élément humain est retiré de l’IA, car les machines ne comprennent pas les complexités et les nuances des droits constitutionnels, des lois et des politiques.
Selon Bud Levin, expert en intelligence artificielle à la Division de la formation du FBI, il est essentiel de reconnaître le danger potentiel de supprimer l’élément humain de l’intelligence artificielle. Il souligne que les machines ne comprennent pas les aspects compliqués et parfois irrationnels de la Constitution, des lois et des politiques.
L’objectif de la mise en œuvre des programmes d’IA et de BC devrait être d’accroître l’efficience et l’efficacité des agents chargés de l’application des lois tout en maintenant leur rôle dans la protection de la société. L’IA et le ML doivent toujours être utilisés aux côtés des humains, plutôt que comme des substituts.
