Τη δυνατότητα αυτόματου εντοπισμού νέων εικόνων και βίντεο παιδικής πορνογραφίας στο Διαδίκτυο παρέχει νέο εργαλείο τεχνητής νοημοσύνης, έμπνευση για το οποίο ήταν οι φωτογραφίες του χεριού ενός μωρού.
Ο έγκαιρος εντοπισμός του νέου υλικού μπορεί να παρέχει στις αρχές τα στοιχεία που χρειάζονται για τον εντοπισμό και τη δίωξη των δραστών, υποστηρίζουν οι ερευνητές που το ανέπτυξαν, σύμφωνα με δημοσίευμα του BBC.
Το συγκεκριμένο σύστημα είναι δωρεάν διαθέσιμο στις υπηρεσίες ασφαλείας και χρησιμοποιείται ήδη από αρκετές ευρωπαϊκές χώρες.
Η σχετική έρευνα πραγματοποιήθηκε στο πλαίσιο του προγράμματος iCOP (identifying and catching originators in peer-to-peer networks), που ιδρύθηκε στο πλαίσιο του προγράμματος της Κομισιόν για ένα ασφαλέστερο Ίντερνετ.
Την έρευνα διεξήγαγαν ερευνητές του Lancaster University, του Γερμανικού Ερευνητικού Κέντρου για την Τεχνητή Νοημοσύνη και του University College Cork στην Ιρλανδία.
Όπως είπε η επικεφαλής ερευνήτρια, Κλόντια Πίρσμαν (Lancaster University), «Όταν άρχιζα ως junior ερευνήτρια με ενδιαφέρονται στην υπολογιστική γλωσσολογία (computational linguistics) είδα μια παρουσίαση από έναν αστυνομικό της Ιντερπόλ που υποστήριζε πως ο ακαδημαϊκός κόσμος θα έπρεπε να επικεντρώνεται περισσότερο στην ανάπτυξη λύσεων για τον εντοπισμό υλικού με κακοποίηση παιδιών online».
«Αν και αναγνώρισε προφανώς ότι υπάρχουν και άλλα εγκλήματα που επίσης αξίζουν προσοχής, σε ένα σημείο είπε “ξέρετε αυτά τα γλυκά χεράκια των μωρών με τις φουσκωμένες αρθρώσεις. Τα βλέπω online κάθε μέρα”. Εκείνη τη στιγμή ήξερα πως ήθελα να κάνω κάτι για να το σταματήσω αυτό».
Το σύστημα αυτό λειτουργεί χρησιμοποιώντας έναν συνδυασμών ανάλυσης ονομάτων αρχείου εντοπίζοντας κλασικά filenames όπως «ch1ld». Αυτά δεν εντοπίζονται βάσει κανονικών αναλυτικών διαδικασιών από υπολογιστές, αν και μπορούν να εντοπιστούν εύκολα από ανθρώπους.
Ωστόσο, ο μεγάλος όγκος του υλικού καθιστά αδύνατο τον εντοπισμό κάθε αρχείου από τους αστυνομικούς.
Το λογισμικό επίσης εντοπίζει το «κωδικοποιημένο» λεξιλόγιο των παιδόφιλων, που χρησιμοποιείται σε σχέση με τις εικόνες, με χρήση λέξεων όπως πχ «Lolita».
Το δεύτερο κομμάτι του συστήματος είναι η ανάλυση εικόνων, με το λογισμικό τεχνητής νοημοσύνης να μπορεί να εντοπίζει εικόνες παιδιών μέσω λεπτομερειών όπως το χρώμα του δέρματος ή εντοπίζοντας κινήσεις που σχετίζονται με σεξουαλική κακοποίηση.
Εκατοντάδες χιλιάδες εικόνες και βίντεο σεξουαλικής κακοποίησης παιδιών διαμοιράζονται κάθε χρόνο.
Υπάρχουν ήδη διάφορα εργαλεία για χρήση από τις αρχές για την παρακολούθηση peer-to-peer δικτύων, αλλά αυτά βασίζονται συνήθως στον εντοπισμό γνωστού υπάρχοντος υλικού.
Όπως τονίζει η Πίρσμαν, ο εντοπισμός νέου υλικού είναι πολύ σημαντικός, καθώς μπορεί να υποδείξει εγκαίρως πρόσφατη, ή συνεχιζόμενη κακοποίηση παιδιών, έτσι ώστε να καταστεί δυνατή η σύλληψη των δραστών.
ΠΗΓΗ: naftemporiki.gr
Σε μια προσπάθεια να βοηθήσει τους χρήστες με προβλήματα όρασης να καταλαβαίνουν τι απεικονίζει μια φωτογραφία, η ομάδα του Facebook αποφάσισε να εκμεταλλευτεί το δίκτυο τεχνητής νοημοσύνης για να προσφέρει αυτόματες περιγραφές κάτω από τις φωτογραφίες του κοινωνικού δικτύου.
Το δίκτυο τεχνητής νοημοσύνης — χαρακτηρίζεται ως “αυτόματο εναλλακτικό κείμενο” — επεξεργάζεται δισεκατομμύρια παραμέτρους και εκατομμύρια φωτογραφίες-παραδείγματα για να αναγνωρίσει τα αντικείμενα που απεικονίζονται σε μια φωτογραφία και η ακρίβεια του ξεπερνά το 80%. Για την ακρίβεια, δεν “βλέπει” τα αντικείμενα, αλλά τα συγκρίνει με αυτή την τεράστια βάση παρόμοιων φωτογραφιών και πραγματοποιεί μια μαντεψιά με μεγάλες πιθανότητες επιβεβαίωσης. Ο μεγάλος στόχος είναι να αντιληφθεί (η τεχνητή νοημοσύνη) τι είναι πιο σημαντικό στην εκάστοτε φωτογραφία.
Όταν αναγνωριστούν τα αντικείμενα και οι άνθρωποι, το λογισμικό δημιουργεί αυτόματα μια περιγραφή για την φωτογραφία, η οποία μπορεί να ξεκινά με τη φράση “η εικόνα μπορεί να περιλαμβάνει” σε περίπτωση που το ποσοστό βεβαιότητας δεν ξεπερνά το 80%. Βέβαια, όπως σε κάθε νευρωνικό δίκτυο, το σύστημα γίνεται ολοένα και καλύτερο όσο αυξάνεται ο όγκος των επεξεργασμένων φωτογραφιών.
Η λειτουργία είναι ενεργή για την εφαρμογή του Facebook για συσκευές iOS σε ορισμένες χώρε (ΗΠΑ, Μεγάλη Βρετανία, Καναδάς, Αυστραλία και Νέα Ζηλανδία), αρκεί η γλώσσα του χρήστη να είναι ρυθμισμένη στα Αγγλικά. Στο κοντινό μέλλον θα προστεθούν περισσότερες γλώσσες, χώρες και πλατφόρμες.
Ένα μηχάνημα με τεχνητή νοημοσύνη μπορεί ίσως να ανακαλύψει κρυφές μέχρι σήμερα σχέσεις ανάμεσα σε περιστατικά καρκίνου, οι οποίες έχουν ξεφύγει από τους γιατρούς.
Αυτή ακριβώς είναι η ιδέα που για πρώτη φορά έχουν βάλει σε εφαρμογή ερευνητές του Αντικαρκινικού Κέντρου Memorial Sloan Kettering της Νέας Υόρκης, οι οποίοι τροφοδοτούν ένα νέο πρόγραμμα τεχνητής νοημοσύνης με εκατοντάδες χιλιάδες κλινικές σημειώσεις και άλλα στοιχεία πάνω σε πραγματικά περιστατικά ασθενών (συμπτώματα, αιμοληψίες, βιοψίες, «κοκτέιλ» χημειοθεραπειών, παρατηρήσεις γιατρών κ.α.).
Το πρόγραμμα εκπαιδεύεται σταδιακά να διαβάζει αυτόν τον τεράστιο όγκο ιατρικών δεδομένων και να προσπαθεί να βρει ομοιότητες ανάμεσα σε περιστατικά, που εκ πρώτης όψεως φαίνονται άσχετα μεταξύ τους.
«Ψάχνουμε μέσα σε όλα αυτά τα δεδομένα, μήπως βρούμε κάτι ενδιαφέρον», δήλωσε ο επικεφαλής της έρευνας Γκούναρ Ρετς, ο οποίος έκανε τη σχετική ανακοίνωση στο ετήσιο συνέδριο της Αμερικανικής Ένωσης για την Προώθηση της Επιστήμης (AAAS) στην Ουάσιγκτον την προηγούμενη εβδομάδα, σύμφωνα με το New Scientist.
Στόχος των ερευνητών είναι να αναπτύξουν υπολογιστικά μοντέλα, που θα αναλύουν την πορεία της ασθένειας κάθε ασθενούς, τη σχέση της πάθησής του με άλλους ασθενείς και την πιθανή εξέλιξή της στο μέλλον. «Αν έχουμε κάτι τέτοιο στη διάθεσή μας, θα μπορούμε να εξετάσουμε με ποιό τρόπο θα θεραπεύσουμε καλύτερα τον συγκεκριμένο ασθενή», ανέφερε ο Ρετς.
Μέχρι στιγμής, ο αλγόριθμος των ερευνητών έχει διαβάσει ανώνυμες ιατρικές σημειώσεις και άλλα δεδομένα για περίπου 200.000 καρκινοπαθείς. Οι γιατροί, μεταξύ άλλων, ελπίζουν να φέρουν στο φως περιπτώσεις καρκίνου με κοινό γενετικό υπόβαθρο, «ποντάροντας» στο ότι -παρά την άγνοια ασθενών και γιατρών- η μηχανή τεχνητής νοημοσύνης θα διακρίνει κρυφές ομοιότητες στα ιατρικά ιστορικά.
Παράλληλα, άλλα προγράμματα τεχνητής νοημοσύνης εκπαιδεύονται να κάνουν ιατρικές διαγνώσεις, μετά από αξιολόγηση ακτινογραφιών, μαγνητικών τομογραφών και άλλων εξετάσεων. Όπως τόνισε ο Ρετς, «ο ανθρώπινος νους -και του γιατρού- είναι περιορισμένος, συνεπώς προκύπτει η ανάγκη να χρησιμοποιήσουμε τη στατιστική και την επιστήμη των υπολογιστών».