KTU mokslininkės kuriamas dirbtinis intelektas iš anksto perspės, kur gali įvykti nusikaltimai

Mokslininkai siekia atverti naujas galimybes verslui, policijai ir miesto planavimo specialistams. Kauno technologijos universiteto (KTU) Statybos ir architektūros fakulteto (SAF) mokslininkė dr. Irina Matijošaitienė kartu su Jungtinių Amerikos Valstijų (JAV) mokslininkų pagalba kuria dirbtinio intelekto produktą, kuris padės apskaičiuoti jau esamos ar planuojamos teritorijos palankumą nusikaltimams vykdyti. Tikimasi, kad šis savaime besimokančio dirbtinio intelekto pagrindu kuriamas įrankis tiksliai nuspės, kurioms vietoms reikia daugiau priežiūros ir kaip juose užkirsti kelią nusikaltimams.

„Šiuo metu miestuose surenkame itin daug duomenų, kuriuos ne visada panaudojame. Nors jau įprasta, kad analizuodami automobilių judėjimą, miestų tankumą galime projektuoti miestus, bet siūlome tuo neapsiriboti. Apmokę dirbtinį intelektą analizuoti gaunamus miesto duomenis, pagal nusikaltimų prevencijos per aplinkos planavimo (CPTED) programą, galėsime tiksliai prognozuoti, kur bus įvykdomi nusikaltimai“, – tikina KTU SAF mokslininkė Irina Matijošaitienė.

Pasak jos, nors nusikaltimų prevencijos per aplinkos planavimą idėja ir nėra naujiena, tačiau rankiniu būdu analizuojant miestus nesugebame išnaudoti visų šios teorijos galimybių. Tai padaryti už mus puikiai galėtų kompiuterinės sistemos ir nuolat besimokantis dirbtinis intelektas. Lietuvos mokslo tarybos finansuotas (Nr. GER-010/2017) KTU SAF mokslininkės projektas „CPTED taikymas visuomenės saugumui didinti“ buvo dalinai vykdomas JAV Saint Peter‘s universitete drauge su šio universiteto mokslininkais.

„Dirbtinis intelektas įdomus tuo, kad jame naudojami algoritmai iš pradžių „apmoko“ sistemą (arba kompiuterį), kad ji vėliau pati galėtų priimti sprendimus, tarsi „mimikuodama“ žmogaus mąstymą sprendimų priėmimo procese. Tai leistų sudaryti ateities prognozes, naudojant duomenis, spręsti duomenų klasifikavimo ir klasterizavimo problemas, rasti duomenyse tam tikras tendencijas, pasikartojimus, kurie nepastebimi akimi ir kurių neatskleidžia net klasikiniai duomenų analizės ir statistiniai metodai. Dar viena problema, daugybė informacijos, kurios mums tiesiog neužtektų galimybių suvokti“, – idėją pristato I. Matijošaitienė, šiuo metu besistažuojanti JAV.

Pastebima, kad jau dabar dirbtinis intelektas pasitelkiamas miestuose valdant pėsčiųjų ir transporto srautus per šviesoforus, planuojant bendruosius planus, naudojant saugumui, atpažįstant ir prognozuojant įvairius įvykius mieste, stebint visuomeninio transporto judėjimą.

Norint prognozuoti nusikaltimų tikimybę bet kurioje vietoje, į programą buvo integruoti keletas skirtingų algoritmų. I. Matijošaitienė kartu su JAV tyrėjais sudarė audito formą ir nustatė 51 aplinkos savybių koeficientą ir suteikė jiems tam tikrą svarbą, skaičiuojant nusikaltimų tikimybę.

Pasak KTU SAF mokslininkės, programa iš pateiktų duomenų analizuoja, kiek teritorijoje yra „aklų taškų“ – vietų, kur galima pasislėpti, kaip gerai vieta matoma nuo gatvės, ar yra žmonių pritraukimo vietų, žaidimų aikštelių. Taip pat svarbios net ir tokios detalės, kaip pagrindinių durų atstumas iki artimiausio lango, gatvės numerio lentelės matomumas, pastatų būklė ir ar yra gėlynų, nupjauta žolė.

SAF mokslininkai taip pat skiria daug dėmesio ir architektūrinių  sprendimų tyrimams,  kurie gali ženkliai prisidėti prie miestų saugumo didinimo.

„Nusikalstamai veiklai nėra nesvarbių detalių. Moksliškai pagrįsta, kad nusikaltimų įvyksta mažiau, kur nusikaltėliai visada jaučiasi gerai matomi, nėra vietų pasislėpti. Tvarkinga ir prižiūrėta aplinka byloja apie rūpestingus ir atidžius gyventojus. Kyla didesnė rizika būti pagautam. Iš principo visi šie rodikliai veikia kaip atgrasymo sistema. Mūsų kuriama programa sugeba juos įvertinti pagal suteiktą reikšmingumą ir apskaičiuoja norimos vietos tinkamumą nusikaltimui įgyvendinti“, – tikina I. Matijošaitienė.

Tikimasi, kad tokia programine įranga susidomės ne tik policija, miestų planuotojai, bet ir verslo atstovai. Visgi programa leistų nustatyti naujai statomų kvartalų saugumo tendencijas ir geri rezultatai suteiktų jiems patrauklumo.