人工智慧（AI）幾乎應用於所有可想像的產業，公共安全與保全也不例外。 世界各地的城市都在利用人工智慧來確保公民的安全，同時保護隱私和基本人權。 使用人工智慧進行監控與預測性警務有明顯的優勢。 然而，關於倫理與隱私的一些現有挑戰，將使在公共安全領域採用人工智慧成為一個具爭議性的議題。
德勤最近的一項研究發現，智慧科技可以幫助將犯罪率減少 30% 至 40% 1，並將緊急服務的回應時間縮短 20% 至 35%，使城市更安全，緊急服務更具影響力。目前，智慧城市已經開始採用各種人工智能工具，包括面部識別和生物識別（84%）、警察車載和執法記錄儀（55%）、無人機和空中監視（46%），以及眾包犯罪報告和緊急應用程序（39%）。
人工智慧在公共安全中的應用
以下是人工智慧可以幫助在世界各地創建智慧、安全城市的幾種具體方法。
打擊恐怖主義威脅和活動
過去十年，恐怖分子平均每年殺害26,000人。3 人工智慧能以超過99.9%的準確率偵測恐怖主義宣傳，分析上傳的影像與影片並將其從網路上移除。 這有助於防止網路恐怖主義招募，並阻止有害宣傳的擴散。
主動識別可疑銀行活動
人工智慧與機器學習能透過偵測數據異常並即時更新紅旗與犯罪策略來支援銀行業務。 它也能彙整這些龐大的數據以識別趨勢。
自然災害應變
機器學習演算法可與衛星影像結合，為政府官員提供更多關於自然災害潛在影響的洞察。 例如，在颶風區域，AI 能協助判斷哪些災害會發生、哪些系統可能失效，以及哪些區域最危險。 這有助於緊急應變團隊隨時待命，迅速進入該區域，或適當優先處理疏散。
人群和交通管制
人群可能非常危險，而 AI 有助於降低人流密集區域和場地中的不確定性與風險。 AI 能提供流量與人員重新導向的建議，並優化威脅應對。 例如，在COVID期間，AI被用來監控高流量區域並彙整接觸率最高的表面數據。5 這有助於接觸者追蹤與傳染預防。
人工智慧在公共安全中的真實範例
世界各地的城市都在其政府和民間活動中實施人工智慧解決方案，以改善公共安全並減少犯罪。
新加坡
新加坡是最早在警察、醫療機構、邊境安全和國土安全領域採用人工智慧的國家之一。例如，新加坡民防部隊使用無人機等無人機進行火災追蹤、監視和搜救。6 在新冠疫情期間，SPOTON 被用作大規模體溫篩查解決方案7 新加坡五百六十萬居民8， 而 Ambiq® 則啟用了該國的 TraceTogether 代幣用於社區接觸者追蹤。
日本透過深度學習演算法使用人工智慧預測警務來衡量警察部隊的統計數據，同時提供對其他犯罪詳細資訊的訪問，例如時間、地點、天氣和地理條件。
里約熱內盧
CrimeRadar 首次用於該市舉辦奧運會時，里約熱內盧政府也使用了 CrimeRadar。 這款預測犯罪應用程式利用先進數據監控犯罪率及潛在風險，如夜間或高流量事件。 因此，這個世界上最危險城市之一的犯罪率已降低30%至40%。
人工智慧在公共監控中的風險
如同許多領域的人工智慧採用，人工智慧在公共監控與安全領域也面臨挑戰。 對技術不完美導致結果偏頗的擔憂，是廣泛採用的重大挑戰。
不完善的技術
人工智慧持續演進與進步。 同時，如果人類不願意查證數據和見解，這些資訊也可能被利用來做出可能有害的決策。
偏見
隨著人工智慧的誕生，它有可能吸收設計者的偏見。 機器學習模型的可靠性取決於用於訓練的資料;它們可能無意中反映出設計者甚至科學家的偏見。 事實上，由於機器學習的基礎是基於偏見的實例（例如，黑色素瘤模型可能成功預測有家族病史的病患），我們必須持續改進準確模型建構的指引。
根據 Tech Target 的說法，如果開發人員遵循以下步驟，可以改善機器學習偏差：10
- 識別潛在的偏見來源
- 設定消除偏見的準則
- 識別準確的代表性資料
- 記錄資料的選取和清理方式
- 偏置和效能的螢幕模型
- 監控和審查實際使用中的模型
公民自由和隱私問題
許多人也提出關於 AI 公共監控的隱私疑慮。 這些工具為智慧城市提供了大量關於人們一天中行動的詳細數據，引發了人們對 AI 可能被用於損害公民自由的擔憂。
Ambiq 的貢獻
人工智慧介入以增強人類的能力。在公共安全領域，這在處理大量人群和廣闊的物理區域時特別有用。Ambiq 的 SPOT® 技術為人工智能工具提供最大的能源效率和更長的電池壽命，有助於改善公共安全並為公民創造更好的生活質量。
資源
1 透過人工智慧進行監控和預測性警務 |2023
2 透過人工智慧進行監控和預測性警務 |2023
3 恐怖主義 |2022 年 10 月
4 人工智慧如何成為最新的公共安全官員 |一月1,2020
5 人工智慧是人群管理的最佳解決方案嗎 |2021 年 9 月 17 日
6 新加坡視角 |2022
7 SPOTON – 用於人群體溫篩查的智能熱掃描儀 |八月11,2022
8 全國人口司和人才司 – 概述 |2023 年 7 月 5 日
9 CrimeRadar 正在使用機器學習來預測里約熱內盧的犯罪 |2016 年 8 月
10 減少 機器學習中不同類型偏見的 6 種方法 |2023 年 7 月 28 日
