Как искусственный интеллект помогает бороться с работорговлей

 Несмотря на то, что во многих цивилизованных странах рабство в традиционном виде давным-давно отменили, это явление из жизни общества не исчезло. На помощь идет ИИ. 

Основатель и руководитель агентства «Евразия Конф» Ольга Черногаева — о проблеме «трафикинга» и ее решениях с привлечением машинных алгоритмов. 

Human trafficking или просто «трафикинг» — незаконное перемещение людей с целью их последующей эксплуатации, в России это чаще называют словосочетанием «торговля людьми». 

Сегодня это одна из самых быстрорастущих криминальных сфер в мире. Незаконная прибыль торговцев людьми и рабовладельцев совокупно достигает 150 миллиардов долларов в год, по данным Международной организации труда. 

В Европе наиболее частыми жертвами торговли людьми являются женщины и девушки из Украины, Молдовы, Болгарии, Румынии и Венгрии, которых незаконно перемещают в другие страны с целью принудительного занятия проституцией. Каждый год в рамках этой незаконной деятельности перевозится до двух миллионов женщин. 

Использование искусственного интеллекта (ИИ) в этой борьбе может иметь решающее значение, так как может помочь при анализе больших объемов данных — от телефонных звонков и интернет-трафика до финансовых транзакций — чтобы выявлять потенциальные случаи торговли людьми. 

Это помогает правоохранительным органам и организациям, занимающимся борьбой с торговлей людьми, оперативно реагировать и предотвращать преступления. 

Первый кейс: американский 

Так, недавно группа исследователей из США и Канады разработали инструмент под названием InfoShield, способный автоматически находить объявления о торговле людьми в сети. 

Традиционно правоохранительные органы проводят поиск таких сообщений вручную, поэтому ученые надеются, что разработка ускорит этот процесс. Подобного характера объявления обычно публикуются со схожим содержанием, которое «рекламирует» несколько жертв. 

Программа анализирует группы текстов по словам и оборотам, а затем выявляет те из них, где присутствуют элементы, указывающие на организованную преступную деятельность. 

«Наш алгоритм может собрать миллионы рекламных объявлений и выявить в них общие части. Если в них много общего — неточно, но весьма вероятно, что это что-то подозрительное», — говорит один из авторов работы.

Программа InfoShield использует алгоритм, который помогает выявлять аномалии в данных, такие как опечатки в текстах или мошеннические действия. В тестировании алгоритма использовался набор данных, содержащий реальные рекламные объявления, размещенные торговцами людьми. Точность обнаружения таких сообщений составила почти 84%. 

Кроме того, InfoShield не помечает объявления как подозрительные, если они ими не являются: это важно, поскольку ложные обвинения могут подорвать доверие к разработке. 

Машинный интеллект анализирует объявления на разных языках, включая английский, испанский, итальянский, японский. За восемь часов на обычном ноутбуке он способен обработать до 4 млн документов. 

Второй кейс: европейский 

Международная группа исследователей еще в 2010-2011 гг. совместно с полицейскими разработали инструмент, который также позволяет бороться с торговлей людьми. 

В Голландии проблема «трафикинга» стоит весьма остро. Полиция Амстердама поставила перед собой задачу создать программное обеспечение, которое автоматически могло бы систематизировать тысячи полицейских отчетов, выявляя те, которые связаны с торговлей людьми. 

Эта система должна была не только выявлять подозрительные случаи, но и находить закономерности, выявляя круг лиц, возможно, причастных к преступному бизнесу. То есть, она должна была обнаруживать и идентифицировать потенциальных подозреваемых. 

Ведущими разработчиками продукта стали сотрудники полиции, Левенского католического университета и профессор, к работе также подключали и российских ученых из НИУ ВШЭ. Главной идеей было создание системы анализа и визуализации данных полицейских отчетов. 

В качестве средства использовали анализ формальных понятий: он позволяет визуализировать объектно-признаковые зависимости путем построения так называемых решеток формальных понятий или решеток Галуа. 

В ходе работы специалисты проанализировали порядка 70 тыс. полицейских отчетов, составленных с 2008 года. В основном это были отчеты патрульных полицейских, проводивших осмотр автотранспорта или патрулировавших улицы Амстердама. 

Очень сложно установить причастность к торговле людьми путем разрозненных наблюдений на улице и осмотра автомобилей, отмечали полицейские. Но с помощью их свидетельств ученые определили несколько индикаторов — признаков, позволяющих судить о причастности фигурантов отчета к human trafficking. 

Их разделили на группы: 

• статические признаки (национальность, проблемы с документами, крупная сумма наличных, женщины не разговаривают, документы женщин находятся у водителя, проститутки, насилие, следы насилия);
• изменяющиеся признаки (район «красных фонарей», дорогая машина, женщины в машине, торговля в машине, каникулы, регулярное посещение сомнительных клубов, регулярная доставка девушек в клуб);
• признаки социального окружения (человек был замечен с подозреваемым или известным преступником, сам был под подозрением).

 Созданный инструмент позволил полицейским с помощью данных выявить ряд признаков для потенциальных подозреваемых. 

Например, среди них оказался гражданин Болгарии, у которого были проблемы с документами и значительная сумма наличных, а также который в другое время был замечен в районе «красных фонарей». Таким образом, автоматический анализ отчетов позволил определить место, время и обстоятельства, при которых обнаруживались различные подозрительные признаки. 

Борьба с торговлей людьми с помощью ИИ критически важна, поскольку искусственный интеллект способен анализировать огромные объемы данных, выявлять скрытые закономерности и предсказывать потенциальные случаи нарушений, которые недоступны для человеческого анализа из-за объема и сложности данных. 

ИИ может помочь и уже помогает в идентификации жертв и преступников, оптимизации распределения ресурсов для реагирования и улучшении координации между различными агентствами и организациями, работающими на местном и международном уровнях, что существенно повышает эффективность мер по предотвращению и пресечению этого глобального зла.