Breve descrizione di quattro usi dell’apprendimento automatico.
1) Avviso tempestivo
Negli interventi di prevenzione contano i secondi. L’apprendimento automatico può fornire l’avvertimento di una minaccia in modo non dissimile da come i canarini sono stati utilizzati dai minatori di carbone per rilevare il metano o il monossido di carbonio nelle miniere. Il canarino era un sistema di allarme rapido a bassa tecnologia utilizzato per rilevare un gas prima che diventasse pericoloso per l’uomo.
Allo stesso modo, l’apprendimento automatico può essere utilizzato come sistema di allarme rapido ad alta tecnologia in grado di comunicare agli ufficiali i potenziali rischi, le minacce e le aree di preoccupazione. I modelli di apprendimento automatico possono essere, addestrati per monitorare con sensori e videocamere, uno strumento importante ad un ufficiale o ad una squadra per rilevare movimenti irregolari, attività anomale, comportamenti sospetti, oggetti pericolosi e altro.
2) Aiuti nella risoluzione di casi
L’apprendimento automatico può essere utilizzato retroattivamente per comprendere cosa è successo in un caso. Allo stesso modo, può essere utilizzato per scoprire relazioni nascoste e per aiutare a risolvere i casi. L’apprendimento automatico fa il collegando tra diverse fonti di dati tradizionali, video, fotografie, testi narrativi, analisi forensi, involucri di shell e altri elementi di prova.
Nella maggior parte dei casi, sono troppi i dati che gli investigatori possono esaminare in modo efficiente. Ciò costringe gli investigatori a esaminare un sottoinsieme di dati usando la loro intuizione o un processo sistemico di definizione delle priorità. L’apprendimento automatico può prendere in considerazione tutti i dati e trovare relazioni che altrimenti potrebbero essere state trascurate.
3) Segnalazione
Quando viene emessa una segnalazione, gli agenti osservano per le strade: persone; veicoli sospetti; targhe; persone scomparse. Più recentemente i video della città sono monitorati ma con nuove soluzioni nascono nuovi problemi. Immagina una persona che cerca di monitorare un videowall di alcune centinaia di videocamere per localizzare una persona. Non si deve lasciar distrarre da un sms della figlia, deve costantemente guardare le telecamere, non andare al bagno. Senza l’automazione dell’apprendimento automatico questo è un compito difficile, se non impossibile.
Con l’apprendimento automatico una volta insegnato cosa cercare e con un modello di apprendimento automatico, si possono sia monitorare i video in tempo reale sia cercare attraverso migliaia di ore di video registrati in precedenza, un compito che va ben oltre quello che è umanamente possibile.
4) Controllo della folla
I modelli di apprendimento automatico possono essere utilizzati per monitorare i social media in cui i raduni e le proteste sono ora comunicati molto velocemente. I modelli di apprendimento automatico possono essere addestrati per identificare la formazione di folle nei video in diretta, valutare le dimensioni della folla e tenere traccia dei suoi movimenti.
Allo stesso modo, l’analisi video in tempo reale può fornire una ulteriore sorveglianza durante le riunioni di massa, maratone, feste e festival. È possibile insegnare ai modelli di apprendimento automatico ad individuare attività anomale o comportamenti sospetti in mezzo alla folla. Possono anche essere addestrati a identificare oggetti come armi o borse incustodite.
Oppure l’apprendimento automatico può essere utilizzato per identificare la dispersione improvvisa di una folla, che può essere un indicatore di una minaccia.
____
Leggi articolo completo su: https://www.policeone.com/police-products/police-technology/articles/how-machine-learning-can-be-a-force-multiplier-for-public-safety-30AaqNplj9Hq95ap/
Foto di Skitterphoto da Pexels
