Sissejuhatus: AI arenev roll terrorismivastases võitluses

Tehisintellekt on kujunenud ümberkujundava jõuna riiklikus julgeolekus, pakkudes valitsustele ja luureagentuuridele enneolematut suutlikkust terroristlike plaanide avastamiseks ja ennetamiseks. Traditsioonilisi terrorismivastaseid meetodeid – toetudes inimeste luurele, füüsilisele jälgimisele ja vihjetele – täiendavad üha enam tehisintellekti süsteemid, mis suudavad töödelda suuri andmekogumeid, tuvastada varjatud mustreid ja märgistada kahtlast tegevust masinakiirusel. See nihe ei ole pelgalt automatiseerimine; see kujutab endast põhimõttelist muutust selles, kuidas ohuluuret kogutakse ja analüüsitakse. AI-vahendid võimaldavad julgeolekujõududel püsida ees vastastest, kes ise muutuvad tehnoloogiliselt keerukamaks. Siiski tõstatab nende süsteemide kasutuselevõtt keerukaid küsimusi privaatsuse, kodanikuvabaduste ja algoritilise otsustusvõimekuse kohta, mida need võivad tulevikus ette kujutada.

Kuidas AI töötab terrorismivastases võitluses

Terrorismivastases võitluses kasutatavad tehisintellekti süsteemid kasutavad ära masinõppe, loomuliku keele töötlemise, arvutinägemise ja täiustatud analüüsi kombinatsiooni. Need tehnoloogiad töötavad koos, et parsida tohutul hulgal struktureeritud ja struktureerimata andmeid – alates sotsiaalmeedia postitustest kuni satelliidipiltideni – ning destilleerida toimiv luure. Peamine eelis on kiirus: mis võtaks inimanalüütikute meeskonnal nädalaid või kuid, saab saavutada minutitega. Kuid täpsus paraneb ka siis, kui algoritmid õpivad uutest andmetest, vähendades aja jooksul valepositiivseid, kohandades samal ajal areneva ohutaktikaga.

Masinõpe ja mustrite äratundmine

Enamiku tehisintellekti terrorismivastaste rakenduste keskmes on masinõpe (ML). Algoritme õpetatakse teadaolevate terroritegevuste ajalooliste andmete – side, reisimustrite, finantstehingute ja rünnakumeetodite kohta. Kui need mudelid on välja õpetatud, suudavad nad tuvastada anomaaliaid reaalajas andmevoogudes. Näiteks võib ML- mudel tähistada ootamatut tõusu krüpteeritud sõnumivahetuses varem ühendamata isikute rühma seas või ebatavalist lähteainete ostmist. Mustrituvastus laieneb georuumilisele analüüsile, kus AI tuvastab kahtlasi liikumisi tundliku infrastruktuuri läheduses. Järelevalveline õppimine jääb klassifitseerimisülesannete puhul tavaliseks (nt oht vs. oht).

Loomuliku keele töötlemine

Loomuliku keele töötlemine (NLP) võimaldab tehisintellektil mõista ja analüüsida inimkeelt erinevatest allikatest – sotsiaalmeediast, foorumitest, uudisteartiklitest ja pealtkuulatud kommunikatsioonidest. Tundeanalüüs, teema modelleerimine ja üksuse tuvastamine võimaldavad süsteemidel tuvastada radikaliseerumiskeelt, värbamispüüdlusi ja operatiivseid arutelusid. NLP- tööriistad võivad töötada mitme keele ja murde vahel, mis sisaldavad olulisel määral araabia, pašto, somaali ja muid keeli, mis on seotud tänapäeva ohumaastikega. Täimaid transformeripõhiseid mudeleid (sarna GPT arhitektuuriga) kohandatakse terrorismivastaseks võitluseks, mis on võimelised mõistma konteksti, sarkasmi ja kodeeritud terminoloogiat. NLP- süsteemid ei ole eksimatud: need võivad kultuuriliste väljenduste äratundmiseks kasutada.

Arvutivisioon ja -järelevalve

Arvutivisiooni AI töötleb videomaterjali CCTV kaameratest, droonidest ja kehakaameratest, et tuvastada huvipakkuvaid isikuid, objekte ja käitumist. Näotuvastussüsteemid sobivad kokku kahtlusalustega, kes on jälgijad rahvarohketes avalikes kohtades, samas kui objektituvastusalgoritmid tuvastavad relvi, hüljatud pakette või lubamatuid sõidukeid tundlike tsoonide lähedal. Käitumisanalüüs – näiteks loiteringi, jooksmise või ebatavalise rahvamassi liikumise tuvastamine – võib käivitada hoiatusi enne rünnakut. Privalisuse eestkõnelejad on tekitanud muret massilise jälgimise pärast, eriti kui AI- drooni kasutatakse valimatult, mitte konkreetsetele õigustatud vihjetele suunatud. Selle lahendamiseks kasutavad mõned agentuurid pigem nägemist säilitavaid arvutitehnikaid, mis hägustavad, kui kasutavad seda, et andmetöötlust lokeeruks või seda kasutada.

Andmete ühitamine ja analüüs

Ükski andmeallikas ei paku täielikku luuret. Tehisintellekt on suurepärane, kui sulandub erinevatest kanalitest – sideme metaandmetest, finantsandmetest, reisimanifestidest, biomeetrilistest andmetest ja avatud lähtekoodiga luureandmetest – saadud teave, et luua terviklik pilt. Graafilise analüüsi algoritmid kaardistavad seoseid üksikisikute, organisatsioonide ja sündmuste vahel, paljastades peidetud võrke. Linkide analüüs võib tuvastada raku keskfiguure, hinnata nende mõju ja ennustada tõenäolisi tulevasi tegevusi. See liitmine nõuab hoolikat tähelepanu andmete kvaliteedile, ajatemplitele ja puuduvatele väärtustele; prügi väljas prügi väljas hoidmine on endiselt kriitiline lõks. Seetõttu on juhtivad terrorismivastased tehisintellektisüsteemid, mis sisaldavad andmete valideerimise ja inimeste järelevalvet lipu ebakõld.

Rakendused terroriplaanide avastamisel

Tehisintellekti kasutatakse terrorismivastase võitluse mitmes valdkonnas alates varajasest hoiatusest kuni intsidendijärgse uurimiseni.Iga rakendus pakub ainulaadseid võimalusi ja väljakutseid.

Sotsiaalmeedia jälgimine

Sotsiaalmeedia on endiselt äärmusliku propaganda, värbamise ja operatiivse koordineerimise peamine vektor. AI-vahendid skaneerivad platvorme nagu X (endine Twitter), Telegram, TikTok ja krüpteeritud sõnumirakendused planeerimise näitajate jaoks. Võtmesõna tuvastamine, pildi räsimine ja võrguanalüüs võimaldavad agentuuridel tuvastada kontosid, mis jagavad vägivaldset sisu või suhtlevad tuntud äärmuslastega. Näiteks USA sisejulgeolekuministeeriumi „Sotsiaalmeedia sõelumisprogramm kasutab tehisintellekti viisataotlejate veebijälgede hindamiseks. Euroopas on ELi radikaliseerimisalane teadlikkuse võrgustik rahastanud projekte, mis kasutavad NLP-d veebis radikaliseerumise avastamiseks. Kuid valepositiivsed algoritid võivad eksiarvamused, mis viivad üksikisikutele olulistele, mis on seotud poliitilisele vaatlustele teadetele, mis on seotud hilisemate tulemustele, kuid mis on seotud inimeste poolt paljastatud, mis on seotud inimeste poolt paljastatud, mis on olulised, mis on seotud hilisemad, mis on seotud inimeste poolt paljastatud, kuid mis on olulised, mis on seotud inimeste poolt paljastatud, mis on seotud vägivallaga.

Finantstehingute analüüs

Terrorismi rahastamine voolab sageli läbi seaduslike pangakanalite, heategevusorganisatsioonide või krüptoraha. AI-põhised rahapesuvastased süsteemid analüüsivad tehingumustreid, et tuvastada kahtlane tegevus: suured sularaha liikumised, ümardatud numbrite ülekanded või tehingud, mis hõlmavad kõrge riskiga jurisdiktsioone. Järelevalveta õppimine tuvastab uudseid rahapesu tüpoloogiaid, mida reeglipõhised süsteemid ei kasuta. Rahalise tegevuse töörühm (FATF) julgustab kasutama tehisintellekti kahtlastest tehingutest teatamiseks, kuid märgib, et algoritme tuleb auditeerida eelarvamuste suhtes ning need ei tohi ebaproportsionaalselt sihtida vähemusgruppe või heategevusorganisatsioone. Praktikas õpetatakse mudeleid ajalooliste süüdimõistlike otsuste põhjal, mis võivad hõlmata varasemaid diskrimineerivaid politseilisi käitumismustreid, mis nõuavad pidevat kalibreerimist.

Võrguanalüüsi ja kommunikatsiooni järelevalve

Telefonikõnede, e-kirjade ja sõnumirakenduste metaandmeid analüüsides saab tehisintellekt rekonstrueerida sidevõrke ilma sisu lugemata – vähem pealetükkiv alternatiiv massiseirele. Sotsiaalvõrgu analüüs tuvastab kesksed sõlmed, klastrite vahelised sillad ja isikud, kes toimivad rakkudevaheliste "väljalõikudena". Sidevoogude ajarea analüüs võib näidata operatiivplaneerimise etappe. Näiteks kõnesageduse järsk suurenemine varem seisvate kontaktide seas võib eelneda rünnakule. Ühendkuningriigi GCHQ on avalikult arutanud tehisintellekti kasutamist, et seada vahepeale vahele vahelekuulamisi, vähendades inimanalüütikute koormust. Metaandmed on endiselt vastuoluline: metaandmed võivad paljastada selliseid isiklikke andmeid kui poliitilisi kohtumisi, mis viivad mitmetes jurisdiktsioonides või poliitilisi kohtumisi.

Prognoositav politseitöö ja riskihindamine

Prognoosivate analüüside mudelid hindavad tulevaste rünnakute tõenäosust ajalooliste andmete, sotsiaalmajanduslike tegurite ja praeguse luureandmete põhjal. Need mudelid aitavad ressursse – patroonid, jälgimisrühmad, sadama turvalisus – tõhusamalt jaotada. Mõned süsteemid määravad riskiskoorid üksikisikutele, märgistades neid suurema jälgimise või jälgimisnimekirjade lisamise eest. Kriitikud väidavad siiski, et prognoosiv politsei võib luua isetäituvaid tsükleid, kus politsei suurema kontrolliga piirkonnad genereerivad rohkem andmeid, tugevdades mudeli keskendumist samadele kogukondadele. Sõltumatud uuringud on näidanud, et ennustavad vahendid võivad võimendada rassilisi ja usulisi eelarvamusi, kui neid hoolikalt ei kujundata. RAND Corporation soovitab, et ennustavad mudelid oleksid läbipaistvad, mida välisauditiga tehakse, ning neid kasutataks ühe sisendina paljude inimeste otsuste tegemisel.

Väljakutsed ja eetilised kaalutlused

Tehisintellekti integreerimine terrorismivastasesse võitlusesse ei ole ilma oluliste puudusteta.Privaatsuse, erapoolikuse, vastutuse ja väärkasutamise võimalusega seotud mured nõuavad poliitikakujundajatelt, tehnoloogidelt ja kodanikuühiskonnalt hoolikat tähelepanu.

Eraelu puutumatus ja kodanikuvabadused

AI võimaldatav massiline jälgimine – kõigi suhtluse, sotsiaalmeedia ja liikumiste skannimine – on vastuolus demokraatlike ühiskondade põhiliste eraelu puutumatuse õigustega.Euroopa Liidu isikuandmete kaitse üldmäärus (GDPR) kehtestab ranged piirangud automatiseeritud otsuste tegemisele ja profileerimisele, nõudes selgesõnalist nõusolekut või õiguslikku alust. Ameerika Ühendriikides kaitseb neljas muudatus põhjendamatute otsingute eest, kuid massiivsed andmekogumisprogrammid nagu NSA PRISM olid mõnes tõlgenduses vastuolus. Väljakutse on kujundada AI-süsteemid, mis on suunatud, proportsionaalsed ja allutatud sõltumatule järelevalvele, mitte koguda kõike lootuses leida nõel heinakukku. Privaatsus-disaini lähenemisviisid, sellised erinevad õppimisvõimalused ja piiratud, kuid nende rakendamine on piiratud.

Algoritmiline õiglus ja eelarvamused

Tehisintellekti mudelid, mis on saanud väljaõppe terrorismivastase võitluse ajalooliste andmete põhjal, võivad pärida eelarvamusi varasematest inimotsustest, sealhulgas rassilisest, usulisest või etnilisest profiilist. Näiteks kui varasemad uurimised on ebaproportsionaalselt keskendunud teatud taustaga isikutele, õpib mudel märkima sarnaseid profiile, luues diskrimineerimise tagasisideahela. Tagajärjed võivad olla tõsised: väär lisamine jälgimisnimekirjadesse, jälitustegevuse ahistamine, reisiõiguste keelamine ja avalik häbimärgistamine. Leevendamisstrateegiad hõlmavad koolitusandmekogumite kallutamist, erinevate sidusrühmade kaasamist süsteemi kujundamisse. ÜRO on nõudnud inimõiguste mõju hindamist enne tehisintellekti riikliku julgeoleku kontekstis.

Valepositiivsed ja süüdistused

Isegi väga täpsed tehisintellekti süsteemid toodavad valepositiivseid – lippe, mis osutuvad süütuks tegevuseks. Terrorismivastases võitluses võib valepositiivne vallandada politseiretke, vahistamise või isegi droonirünnaku (sõjalises kontekstis). Vigade maksumus ei ole ainult administratiivne; see võib hävitada elusid. AI-l põhinevate terroristide jälgimisnimekirjade uuringud on näidanud, et märkimisväärne osa nimedest on ekslikud või aegunud. Valepositiivsete tulemuste vähendamine nõuab keerukamaid mudeleid, suuremaid ja mitmekesisemaid koolitusandmekogumeid ning tugevat inim-in-the- loop kontrolli. Mõned agentuurid kasutavad kaheastmelist protsessi: AI süsteem tähistab potentsiaalseid ohte, kuid inimanalüütik peab kinnitama, et tegu ei ole inimliku asendusega.

Vastutus ja järelevalve

Kui tehisintellekti süsteem annab valepositiivse tulemuse või viib õiguste rikkumiseni, siis kes vastutab? Algoritmi arendaja? Operaator, kes võttis selle kasutusele? AI-st aruandmise üle? AI-st aruandmise õiguslikud raamistikud on alles tärkamas. Paljudes riikides ei käsitle olemasolevad kriminaal- ja tsiviilmenetlused piisavalt algoritmilist kahju. Läbipaistvus – mudelite töö, nende kasutatavate andmete ja nende tulemuslikkuse mõõdikute avaldamine – on esimene oluline samm. Mitmed valitsused on loonud tehisintellekti eetikanõukogud riikliku julgeoleku valdkonnas, näiteks USA kaitseinnovatsiooniameti AI põhimõtted ja Euroopa Komisjoni tehisintellekti kõrgetasemeline ekspertrühm.

Probleemide lahendamine

Tunnistades neid väljakutseid, töötavad valitsused, valitsustevahelised organisatsioonid ja erasektori partnerid välja raamistikke, et tagada tehisintellekti vastutustundlik kasutamine terrorismivastases võitluses.

Õigusraamistik

Euroopa Liidu esitatud tehisintellekti seaduses liigitatakse tehisintellekti terrorismivastane kasutamine „kõrge riskiga tegevuseks, mille suhtes kohaldatakse rangeid vastavushinnanguid, inimeste järelevalvet ja läbipaistvusnõudeid. Ameerika Ühendriikides on riiklik standardite ja tehnoloogia instituut (NIST) avaldanud tehisintellekti riskijuhtimise raamistiku, mis käsitleb erapoolikust, usaldusväärsust ja selgitatavust. Rahvusvahelised organid, nagu ÜRO terrorismivastase võitluse komitee (CTC) on välja andnud suunised uute tehnoloogiate kasutamise kohta, rõhutades inimõigusi ja õigusriigi põhimõtteid. Riiklikud õigusaktid kodifitseerivad neid põhimõtteid järk-järgult, kuigi jõustamine jääb ebaühtseks. Kriitikud märgivad, et regulatiivsed raamistikud jäävad sageli maha tehnoloogilisest kasutuselevõtust, mida on võimalik ära kasutada.

Läbipaistvus ja selgitus

Selleks et tehisintellekti otsuseid saaks usaldada, peavad need olema selgitatavad. Selgitatavad tehisintellekti (XAI) tehnikad loovad inimesele loetavaid põhjendusi, miks konkreetne hoiatus tõsteti – näiteks „see isik märgistati kolme telefonikõne tõttu tuntud äärmuslasele 24 tunni jooksul, lisaks lennu broneerimine konfliktipiirkonda. Black-boxi mudelid (sügavad närvivõrgud) on terrorismivastaseks võitluseks vähem sobivad ilma XAI lisanditeta, sest nende sisemine põhjendus on läbipaistmatu. Ametid nõuavad üha enam, et kasutusele võetud süsteemid pakuksid lõppkasutajatele ja vajaduse korral mõjutatud isikutele selgitatavust.

Inim-in-the-Loop süsteemid

Enamik riikliku julgeoleku tehisintellekti eetikajuhiseid nõuab mõtestatud inimkontrolli. Inim-in-the- aloop (HITL) tähendab, et automatiseeritud väljundid peab enne tegevuse alustamist läbi vaatama kvalifitseeritud isik. HITL võib ulatuda lihtsast kinnitamisest (inimene kiidab aruande avaldamise heaks) aktiivse koostööni (inimene kohandab AI soovitustel põhinevaid parameetreid). Kriitilistestes otsustes – vahistamine, jälitusluba, sihitud löögid – inimlik otsustus on endiselt ülim. USA kaitseministeeriumi autonoomsete relvade poliitika nõuab inimkontrolli üle surmavaid otsuseid, põhimõte, mis peaks loogiliselt laienema AI- toel põhinevale ohu tuvastamisele, mis võib viia surmavate tagajärgedeni. Koolitusanalüütikute piirangute mõistmiseks on algoritilise väljundi prioriteet.

AI tulevik terrorismivastases võitluses

Kuna tehisintellekti tehnoloogia areneb jätkuvalt, laieneb selle roll terrorismivastases võitluses ulatuselt ja keerukuselt.Tulevikusuundumuste prognoosimine võimaldab poliitikakujundajatel valmistuda nii võimalusteks kui ka riskideks.

Reaalajas ohu tuvastamine

Serveri AI – pigem kohalike seadmete kui pilveserverite mudelid – võimaldab minimaalse latentsusega kiiremat jälgimisvoogude ja sensoriandmete töötlemist. Staadionil asuv kaamera võib koheselt tuvastada relva ja hoiatada turvalisust enne ründaja saabumist. Püütud vestluste reaalajas tõlkimine ja transkriptsioonimine võib hoiatada asutusi operatiivkeelest sekunditega. Reaalajas tuvastamine suurendab aga ka survet täiusliku täpsuse saavutamiseks, sest sekundi murdosa stsenaariumide puhul ei ole aega inimlikuks ülevaatamiseks. See suurendab algoritmilise ebaõnnestumise ohtu.

AI-tekkeliste ohtude vastu võitlemine

Terroristide rühmitused võivad kasutada tehisintellekti süvavideote loomiseks propaganda jaoks, värbamisvestlusrobotite automatiseerimiseks või avastamisest kõrvalehoidmiseks realistlike, kuid sünteetiliste suhtlusmustrite loomise abil.Tehisintellektiga töötavad sotsiaalsed robotid võivad levitada desinformatsiooni vägivalla õhutamiseks või tegevusplaanide katmiseks. Terrorismivastase tehisintellekti avastamiseks peab arenema võitlus tehisintellekti vahel. See relvade võidujooks ründava ja kaitsva tehisintellekti vahel nõuab pidevaid investeeringuid teadusuuringutesse, samuti koostööd valitsuste, tehnoloogiaettevõtete ja akadeemiliste ringkondade vahel.

Rahvusvaheline koostöö

Terrorism on riikidevaheline oht, kuid tehisintellekti süsteeme arendatakse ja võetakse sageli kasutusele riigipiirides.Tehisintellekti vahendite koostalitlusvõime riikide vahel – ohunäitajate, mudelite väljundite ja parimate tavade jagamine – võib ennetust oluliselt tõhustada. Ülemaailmne terrorismivastase võitluse foorum (GCTF) ja INTERPOL on algatanud programme sellise koostöö hõlbustamiseks. Siiski kujutavad endast tõkkeid andmete suveräänsust käsitlevad õigusaktid, luureandmete jagamise piirangud ja erinevad eraelu puutumatuse standardid. Vajalikuks võivad osutuda rahvusvahelised kokkulepped tehisintellekti minimaalsete eetiliste standardite kohta julgeoleku valdkonnas, mis on sarnased Genfi autonoomsete relvade konventsioonidega.

Järeldus

Tehisintellekt pakub võimsaid vahendeid terroriplaanide avastamiseks ja ennetamiseks, võimaldades kiiremat analüüsi, laiemat jälgimist ja täpsemat mustrituvastust kui ainult traditsioonilised meetodid. Alates sotsiaalmeedia jälgimisest ja finantsanalüüsist kuni politsei ja võrgu kaardistamiseni kujundab tehisintellekt juba praegu ümber terrorismivastaseid operatsioone kogu maailmas. Ometi kaasnevad sellega suured kohustused: eraelu puutumatuse kaitse, eelarvamuste vältimine, vastutuse tagamine ja inimjärelevalve säilitamine. Tulevik näeb tõenäoliselt tehisintellekti veelgi suuremat integreerimist julgeolekuarhitektuuridesse, kuid ainult siis, kui arendatakse ja jõustatakse jõulisi eetikaraamistikke. Tehnoloogia arenedes peab seda reguleeriv poliitika ka tagama, et terrorismivastane võitlus ei õõnestaks neid vabadusi, mida see kaitseb.