В Казахстане искусственный интеллект подключили к розыску преступников
В Казахстане начали использовать искусственный интеллект для розыска должников, преступников и пропавших без вести. Об этом на днях в соцсети X (бывший Twitter) сообщил генеральный прокурор республики Берик Асылов. Его ведомство в августе подключило к камерам видеонаблюдения в двух городах – Алматы и Атырау – собственную IT-разработку по автоматическому определению лиц, находящихся в розыске. "За два дня уже распознано два лица, скрывавшихся от следствия, и двое без вести пропавших", - поделился генпрокурор. Он поручил сотрудникам надзорного ведомства внедрить эту систему во всех регионах. "Фергана" выяснила, как работают камеры с системой распознавания лиц и где их уже применяют.
Буквально за месяц до заявления Берика Асылова о внедрении новой национальной системы видеомониторинга рассказали в полиции Алматы. Речь об информационной платформе, которая в режиме реального времени контролирует дорожное движение, "ищет" оставленные предметы, фиксирует нарушения правил парковки и случаи вторжения на охраняемую территорию, а также помогает в розыске преступников.
В марте 2024 года эта система зафиксировала гражданина А., подозреваемого в краже, который пытался скрыться в одном из центральных районов города. Информацию передали мобильному патрулю, и подозреваемый был задержан в течение 15 минут с момента совершения преступления.
Всего в этом году с помощью искусственного интеллекта задержали семерых подозреваемых в грабежах и кражах, одного подозреваемого в угоне и еще одного предполагаемого мошенника.
"В основе системы распознавания лиц лежит сложная комбинация технологий компьютерного зрения и машинного обучения, - рассказал "Фергане" руководитель департамента цифровых технологий группы компаний Integra Илья Беляков. - Как правило, работа системы состоит из нескольких этапов.
Сначала она захватывает изображение лица с помощью камеры. Это может быть фотография или видеопоток. Далее происходит предобработка изображения, которая включает нормализацию цвета, масштабирование и устранение шума. Часто используется выравнивание лица, которое корректирует изображение так, чтобы глаза и рот находились на определенных местах, независимо от поворота головы.
С помощью алгоритмов (например, каскадов Хаара, HOG или нейронных сетей) система ищет на изображении область, где находится лицо, и идентифицирует его ключевые особенности - глаза, нос и рот. Далее начинается извлечение признаков. Чаще всего на этом этапе используются сверточные нейронные сети (CNN). Алгоритмы обучаются выделять особенности, которые уникальны для каждого лица, например, расстояние между глазами, форму челюсти, текстуру кожи и так далее.
На основе извлеченных признаков создается математический шаблон, который представляет лицо. Его также называют вектором признаков. Он сравнивается с векторами из базы данных известных лиц. Для этого используется метод сравнения, такой как евклидово расстояние или косинусная мера сходства. Если степень соответствия превышает определенный порог, лицо идентифицируется как известное, иначе - как неизвестное".
В своем посте в X генпрокурор Берик Асылов подчеркнул, что с помощью искусственного интеллекта по камерам можно найти даже тех, чья внешность изменилась - в силу возраста или приложенных на то усилий. Собеседник "Ферганы" подтвердил, что это возможно.
"В основе этого процесса лежат алгоритмы, которые способны выделять более стабильные и уникальные биометрические признаки, менее подверженные изменениям, а также адаптироваться к изменяющимся условиям.
Для улучшения точности и устойчивости к изменениям внешности во время обучения алгоритмов используется аугментация данных - создание измененных версий исходных изображений. Например, повороты, изменения освещения, добавление искусственных аксессуаров, что помогает системе распознавать лица в различных ситуациях.
Мы, например, в зависимости от задач, стоящих перед системой, комбинируем различные биометрические данные - структуру лица, голос, походку и даже сетчатку глаза. Это позволяет компенсировать изменения в одной области за счет стабильности других признаков", - пояснил Илья Беляков.
В Казахстане семь лет назад начали внедрять системы видеофиксации. С 2017-го в стране работают камеры контроля дорожного движения "Сергек". Считалось, что они предназначены прежде всего для пополнения казны штрафами от автолюбителей, однако впоследствии их начали устанавливать и в местах массового скопления людей для профилактики преступлений.
В 2020 году на фоне скандала со слежкой китайских властей за миллионами уйгуров в Синьцзян-Уйгурском автономном районе КНР, в казахстанском сегменте соцсетей появились сообщения об установке в городах "умных камер", способных распознавать лица. Слухи спровоцировал пилотный проект Face Pay, который собирались внедрять в общественном транспорте столицы (тогда еще Нур-Султане). Суть его заключалась в том, что пассажир мог оплатить проезд, посмотрев в камеру, установленную в автобусе. Для этого нужно было ввести свой ИИН в специальную базу и отправить селфи в Telegram-бот. Этот проект свернули из-за пандемии и вернулись к нему лишь три года спустя в Алматы. Однако встревоженных граждан пришлось успокаивать официальным опровержением. Оно было опубликовано на сайте StopFake.kz, созданном при поддержке казахстанских властей для борьбы с фейками.
"На балансе органов внутренних дел Республики Казахстан камер с системой распознавания лиц не имеется. Сбор данных не производится, так как система распознавания лиц не внедрена", - приводился в сообщении комментарий МВД РК.
Спустя два года стало известно о нескольких пилотных проектах, в частности, по установке камер с распознаванием лиц в аэропорту и религиозных учреждениях казахстанской столицы, а также в подземных переходах, однако подобного ажиотажа они уже не вызывали.
Кроме того, в противовес отдельным сообщениям о том, что в Казахстане используют, в основном, камеры китайского производства, нынешнюю систему с искусственным интеллектом власти стали позиционировать как "собственную разработку".
Аналогичные по функционалу и предназначению системы широко внедряются в различных странах. В качестве примера представитель Integra Илья Беляков привел систему PredPol, которая работает в Лос-Анджелесе (США). С его слов, она помогла сократить число насильственных преступлений на 21%, а краж со взломом - на 33%. Эта система пытается предсказать время и место преступлений, основываясь на анализе большого объема информации о предыдущих правонарушениях. На основе полученных предсказаний офицеры полиции составляют оптимальные маршруты патрулирования, чтобы вовремя оказаться на месте и задержать нарушителей. Впрочем, есть у нее и свои критики - систему обвиняют в большом количестве ошибочных прогнозов и даже расовой предвзятости.
"В канадском Ванкувере использование системы Esri способствовало снижению количества преступлений, связанных с собственностью, на 24%, насильственных преступлений - на 9%. В Амстердаме с помощью системы CAS удалось снизить количество преступлений, связанных с наркотиками, на 34%, а общий уровень преступности - на 8%. Наконец, в Москве использование системы "Сфера" позволило добиться снижения количества преступлений в жилом секторе на 31%, в том числе на 24,1% в подъездах жилых домов", - отметил собеседник "Ферганы".
В России накопили уже солидный опыт использования технологии распознавания лиц, и если с одной стороны она действительно позволила в разы ускорить расследования преступлений, то с другой - "подсветила" серьезные проблемы. Например, известно несколько случаев, когда система ошибалась, принимая за преступников законопослушных граждан и создавая им тем самым проблемы. Несколько лет назад российские СМИ писали также, что данные с "умных камер" плохо защищены и продаются в даркнете.
Тем не менее системы распознавания лиц с каждым годом становятся все сложнее и учитывают все больше факторов, чтобы успешно идентифицировать людей. Казахстан пока находится в самом начале пути внедрения этой технологии, однако его властям уже сейчас стоит обратить внимание на опыт соседей, чтобы минимизировать риски вмешательства в частную жизнь и использовать такие системы во благо.
