پلیس و هوش مصنوعی؛ انقلابی که دیر اما ناگزیر

وظیفه «هری شون» (Harry Schone) این است که مشخص کند پلیس چگونه می‌تواند از هوش مصنوعی استفاده کند. او در مقر پلیس اسکاتلند تیمی از برنامه‌نویسان و مهندسان را گرد هم آورده که در میان همکاران رسمی‌پوش و محافظه‌کارشان کاملاً متمایز هستند. این تیم روی مجموعه‌ای از طرح‌ها کار می‌کند؛ از جمله برنامه‌ای برای پیاده‌سازی و رونویسی مدارک صوتی، مدلی که به برنامه‌ریزان شیفت کمک می‌کند مأموران بهینه‌تر مستقر کنند و ابزاری که سرقت‌های گزارش‌شده را با آگهی‌ها در وب‌سایت‌های فروش مجدد تطبیق می‌دهد.

بحران اعتماد و فشار بر نیروهای پلیس در کشورهای ثروتمند

در سراسر جهان ثروتمند، نیروهای پلیس با مشکلاتی دست‌وپنجه نرم می‌کنند و بودجه بسیاری از آن‌ها کاهش یافته است. در بریتانیا، کندی زمان پاسخ‌گویی، نرخ پایین کشف پرونده‌ها و مجموعه‌ای از رسوایی‌ها باعث شده اعتماد عمومی به پلیس به نزدیکی پایین‌ترین سطح تاریخی برسد و تنها ۵۱ درصد مردم معتقدند پلیس کارش را خوب انجام می‌دهد؛ رقمی که در سال ۲۰۰۰ برابر با ۷۵ درصد بود.

اگر راه‌حل قاطعی وجود داشته باشد چه؟ پلیس شاید بیش از هر سازمان خدمات عمومی دیگری می‌تواند با هوش مصنوعی متحول شود. بااین‌حال، این‌که آیا این فرصت واقعاً به کار گرفته خواهد شد یا نه محل تردید است.

مقاومت دیرینه پلیس در برابر فناوری‌های جدید

پلیس‌گری حرفه‌ای قدیمی است که اغلب در برابر تغییر مقاومت کرده است. در قرن بیستم، رؤسای پلیس با ورود خودروهای موتوری مخالفت می‌کردند و اسب‌ها را کافی می‌دانستند. با بی‌سیم‌ها هم مخالف بودند؛ زیرا می‌ترسیدند مأموران تنبل شوند. در قرن بیست‌ویکم نیز در برابر رایانه‌ها مقاومت شد و ترجیح داده شد یادداشت‌های پرونده با دست نوشته شود. اما در هسته مرکزی، پلیس‌گری مبتنی بر «اطلاعات» است و مستلزم پردازش انبوهی از داده‌ها. همین موضوع آن را به یک مورد آزمون مناسب برای هوش مصنوعی تبدیل می‌کند.

به عقیده سرپرست «لوئیس لینکلن-گوردون» (Lewis Lincoln-Gordon) از شورای رؤسای پلیس ملی: «مردم دست‌کم می‌گیرند که این فناوری تا چه اندازه می‌تواند خدمت ما را متحول کند.» نمونه‌اش پیاده‌سازی گفتار به متن است. بیشتر نیروها هنوز یک گروه تایپ برای پیاده‌سازی مصاحبه‌ها و آماده‌سازی شواهد برای دادگاه استفاده می‌کنند. مأمورانی که برای مبارزه با جرم آموزش‌دیده‌اند، زمان زیادی را صرف پر کردن فرم‌ها می‌کنند. در انگلستان و ولز نیز هر سال نیم‌میلیون ساعت از زمان مأموران صرف کاغذبازی‌های غیرضروری می‌شود.

تحول در گزارش‌دهی، گردآوری شواهد و تحلیل داده‌ها

تیم شون یک ابزار پیاده‌سازی ساخته است؛ مشابه آنچه در اغلب نرم‌افزارهای ویدئوکنفرانس تعبیه شده است. به دلایل امنیت داده ناچار بودند خودشان آن را بسازند، اما گسترش مدل‌های متن‌باز این کار را با داشتن برنامه‌نویسان کاربلد ساده کرده است. این ابزار هنوز به دقت یک تایپیست انسانی نیست؛ اما می‌توان آن را در مقیاسی تقریباً نامحدود به کار گرفت؛ مقیاسی که تنها به توان محاسباتی محدود است. نتیجه آن نیز آزادشدن وقت مأموران و سرعت گرفتن تحقیقات است.

فناوری باید نحوه گردآوری شواهد را نیز دگرگون کند. الگوی جاافتاده این‌که کسی تماس بگیرد و به او گفته شود به کلانتری بیاید، منسوخ شده است. پلیس متروپولیتن لندن به‌تازگی یک چت‌بات برای گزارش جرم معرفی کرده است. برخی نیروها ارسال سریع شواهد ـ مانند ویدئوی دوربین خودرو یا دوربین‌های امنیتی ـ را برای مردم آسان‌تر کرده‌اند. در مقر پلیس Essex در شهر Chelmsford انگلستان، دوازده مأمور فقط تماس‌های ویدئویی را پاسخ می‌دهند. این تیم که «پاسخ ویدئویی سریع» نام دارد، به پرونده‌های خشونت خانگی رسیدگی می‌کند. گروهبان «استیسی راثول» درباره آن می‌گوید: «بسیاری از قربانیان نمی‌خواهند به کلانتری بیایند یا خودروی پلیس جلوی خانه‌شان ظاهر شود.» تماس به‌طور خودکار رونویسی می‌شود و در پرونده قرار می‌گیرد و برخی متهمان ظرف دو ساعت بازداشت می‌شوند.

با رشد انبوه شواهد، هوش مصنوعی می‌تواند آنچه واقعاً مفید است را استخراج کند. در پروژه‌ای دیگر در پلیس اسکاتلند، از تحلیل‌های پیشرفته برای کاوش داده‌های مربوط به آزار جنسی کودکان استفاده می‌شود. تشخیص چهره مبتنی بر هوش مصنوعی توسط پلیس متروپولیتن و پلیس جنوب ولز به‌صورت آزمایشی استفاده شده و مفید واقع شده است. بااین‌حال، پذیرش این فناوری کند بوده است.

سه مانع اصلی در مسیر تحول هوش‌مصنوعی‌محور پلیس

پتانسیل هوش مصنوعی برای بهبود شرایط انجام وظایف پلیسی بسیار زیاد است، اما سه مانع در این مسیر قرار دارد. نخست، پول. در انگلستان و ولز، بودجه پلیس در طول باقی‌مانده دوره پارلمان سالانه ۱.۷ درصد افزایش خواهد یافت؛ رقمی که برای همگام‌شدن با هزینه‌های نیروی انسانی کافی نیست (افزایش حقوق سالانه ۴.۲ درصد بوده است). بودجه صندوق مرکزی فناوری‌های جدید ازجمله هوش مصنوعی نیز نصف خواهد شد و به‌طورکلی، اصرار وزیران بر «حضور مأموران در خیابان» دست رؤسای پلیس را بسته است.

مانع دوم، لختی یا اینرسی سازمانی است. به‌عنوان کارمندان حکومتی، افسران پلیس اخراج نمی‌شوند و بنا به دلایل نظامی، نقش‌های اداری آن‌ها به‌سادگی قابل‌تطبیق نیست. بیشتر نیروها مهارت‌های دیجیتال را در اولویت قرار نداده‌اند و به گفته آقای شون، «جوان‌ها اصلاً به پلیس به‌عنوان یک مسیر شغلی فناورانه فکر نمی‌کنند.» در چنین شرایطی، پلیس متروپولیتن ـ بزرگ‌ترین نیروی پلیسی بریتانیا ـ برای جذب استعدادهای فناورانه در پایتخت با مشکل پرداخت حقوق رقابتی روبه‌رو خواهد بود.

مانع سوم، خطر مخالفت عمومی است. مردم تصور می‌کنند هوش مصنوعی می‌تواند پلیس‌گری را بهبود دهد و از استفاده آن حمایت می‌کنند؛ اما اگر حس کنند که ماشین‌ها تصمیم می‌گیرند، واکنش‌ها ممکن است منفی شود. برای حفظ الگوی بریتانیایی «پلیس‌گری مبتنی بر رضایت»، فرماندهان پلیس باید توضیح دهند که روش‌هایشان چگونه در حال تغییر است. بااین‌حال، چنین اقدامی همیشه نقطه قوت نبوده و به‌عنوان مثال، جنجال بر سر تشخیص چهره تا حدی ناشی از ناکامی در اقناع افکار عمومی بوده است.

همه این عوامل، با وجود مزایای آشکار هوش مصنوعی، روند پیشرفت را کند خواهد کرد. بااین‌حال، همان‌طور که آقای شون یادآور می‌شود، هوش مصنوعی همین حالا نیز در حال دگرگون‌کردن شیوه جرم و جنایت است و پلیس نمی‌تواند درجا بزند.

گزارش حاضر در نسخه December 13th 2025 نشریه The Economist منتشر شده است.