इंटरपोलने म्हटले आहे की ऑनलाइन ऑपरेशनद्वारे 126 संशयित परदेशी दहशतवादी लढवय्ये ओळखले गेले आहेत ज्यांनी जिहादी नेटवर्कद्वारे प्रकाशित मोठ्या प्रमाणात सामग्रीवर प्रक्रिया करण्यासाठी कृत्रिम बुद्धिमत्तेचा वापर केला होता - आंतरराष्ट्रीय कायद्याची अंमलबजावणी करणाऱ्या एजन्सीने AI एजंट्सना थेट ऑपरेशनल पाइपलाइनमध्ये ठेवण्याचे स्पष्ट उदाहरणांपैकी एक.

ऑपरेशन शम्स असे सांकेतिक नाव असलेल्या या ऑपरेशनची शुक्रवारी इंटरपोलने घोषणा केली. एजन्सीच्या खात्यानुसार, TVC न्यूज आणि नायजेरियाच्या द व्हिस्लरसह आउटलेट्सद्वारे चालते, निकाल आधीच इंटरपोलच्या जागतिक डेटाबेसमध्ये दुमडले गेले आहेत. AI सुरक्षा आणि पोलिसिंग कसे बदलत आहे याबद्दल अधिक माहितीसाठी, आमचे सध्या सुरू असलेले AI पॉलिसी कव्हरेज पहा.

ऑपरेशन शम्स कसे कार्य केले

जिहादी गटांनी ऑनलाइन प्रकाशित केलेल्या व्हिज्युअल सामग्रीचे विश्लेषण करून 11 देशांतील विशेष अधिकारी आणि तज्ञांनी या ऑपरेशनमध्ये भाग घेतला. इंटरपोलच्या म्हणण्यानुसार, टीमने त्या सामग्रीमधून 108,076 चेहर्यावरील प्रतिमा काढल्या.

एआयचे काम पुढे आले. इंटरपोलचे म्हणणे आहे की त्यांच्या अधिकाऱ्यांनी माहिती संकलित करण्यासाठी एआय एजंट्स आणि प्रगत स्क्रिप्टचा वापर केला आणि डेटासेट 6,362 अद्वितीय चेहर्यावरील प्रतिमांवर संकुचित केला, ज्यावर नंतर इंटरपोलच्या फेशियल रेकग्निशन सिस्टमद्वारे प्रक्रिया केली गेली. ते फनेल — एक लाखाहून अधिक कच्च्या प्रतिमांपासून ते काही हजार भिन्न चेहऱ्यांपर्यंत — जेथे ऑटोमेशनने आपला ठेवा मिळवला, मॅन्युअल ट्रायजचे आठवडे अगदी कमी वेळेत मोजलेल्या कार्यात बदलले.

माणसं लूपमध्येच राहिली

इंटरपोलने स्पष्ट केले की एआयने एकट्याने काम केले नाही. एजन्सीने सांगितले की सर्व AI-व्युत्पन्न परिणामांचे पुनरावलोकन आणि पडताळणी प्रशिक्षित अधिकारी आणि विश्लेषकांनी केली आहे, डेटाच्या प्रक्रियेवरील त्याच्या नियमांनुसार - सदस्य देशांची माहिती कशी संकलित, संग्रहित आणि सामायिक केली जाऊ शकते हे नियंत्रित करणारी फ्रेमवर्क.

टीव्हीसी न्यूजनुसार एजन्सीने म्हटले आहे की, "आतापर्यंत ओळखल्या गेलेल्या परदेशी दहशतवादी लढवय्यांवर एकत्रित केलेली गुप्तचर विद्यमान संशयित प्रोफाइल समृद्ध करण्यासाठी आणि दहशतवादी हालचालींना अडथळा आणण्यासाठी इंटरपोलच्या जागतिक डेटाबेसमध्ये जोडण्यात आली आहे."

इंटरपोलने मानवी पडताळणी आणि स्थापित डेटा-प्रोसेसिंग सुरक्षितता राखून मोठ्या प्रमाणात ऑनलाइन सामग्रीवर प्रक्रिया करण्यासाठी तपासकर्त्यांना कृत्रिम बुद्धिमत्ता कशी मदत करू शकते याचे प्रात्यक्षिक म्हणून ऑपरेशन तयार केले. ते फ्रेमिंग महत्त्वाचे आहे: एजन्सी एआय-सहाय्यित पोलिसिंगसाठी एक टेम्पलेट प्रभावीपणे सादर करत आहे ज्यामध्ये मशीन लर्निंग गवताची गंजी अरुंद करते आणि मानव सुयाची पुष्टी करतात.

पोलिसिंगमध्ये AI साठी टेम्पलेट?

कायद्याची अंमलबजावणी करण्याचे कार्यप्रवाह कोठे जात आहेत याची झलक या ऑपरेशनमध्ये देते. अतिरेकी गटांच्या प्रचार आउटपुटने मॅन्युअल पुनरावलोकन क्षमतेवर दीर्घकाळ दबदबा निर्माण केला आहे आणि इंटरपोलच्या स्केलवर प्रतिमा जुळवणे हे अगदी उच्च-खंड, नमुना-चालित कार्य आहे जेथे वर्तमान AI टूलिंग सर्वोत्तम कामगिरी करते. 108,076 प्रतिमा कमी करून 6,362 अनन्य चेहऱ्यांवर फेशियल रेकग्निशन रन करणे ही एक फिल्टरिंग समस्या आहे आणि AI एजंट्स वाढत्या कामासाठी तयार होत आहेत.

11-देशांची रचना देखील लक्षणीय आहे. यासारख्या ऑपरेशन्स सदस्य देशांचे योगदान अधिकारी आणि सामायिक नियमांनुसार डेटावर अवलंबून असतात, जे इंटरपोलला अशा काही ठिकाणांपैकी एक बनवते जिथे AI-सहाय्यित पोलिसिंगची चाचणी एकाच राष्ट्रीय कायदेशीर चौकटीत न करता संपूर्ण अधिकारक्षेत्रांमध्ये केली जाते.

प्रतिमा कोठून येतात ते देखील जोखीम प्रोफाइलला आकार देतात. अतिरेकी गटांद्वारे जारी केलेला प्रचार हा रचनेनुसार विरोधी असतो: प्रकाशक जे दाखवले जाते त्यावर नियंत्रण ठेवतात, मनोवैज्ञानिक प्रभावासाठी ते फ्रेम करतात आणि भरती आणि प्रचार साधने म्हणून रिलीज व्हिडिओंचा दीर्घकाळ वापर करतात. प्रतिद्वंद्वी-क्युरेटेड सामग्रीवर तयार केलेली ओळख पाइपलाइन त्या विकृतींचा वारसा घेते, जे आणखी एक कारण आहे की मानवी-पुनरावलोकन स्तर ही औपचारिकता नसून प्रक्रियेचा लोड-असर भाग आहे.

चेहऱ्याच्या ओळखीवर व्यापक वाद

पोलिसिंगमध्ये चेहर्यावरील ओळखीवरून न सुटलेल्या वादाच्या मध्यभागी ही घोषणा येते. नागरी स्वातंत्र्य गटांनी वारंवार चेतावणी दिली आहे की तंत्रज्ञान लोकांची चुकीची ओळख करून देते, विशिष्ट समुदायांवर असमानतेने परिणाम करते आणि अज्ञात सार्वजनिक उपस्थिती कायमस्वरूपी, शोधण्यायोग्य रेकॉर्डमध्ये बदलू शकते. इंटरपोलची मानवी-पडताळणी आवश्यकता त्या समालोचनाचा भाग संबोधित करते — एकट्या मशीनच्या आउटपुटवर कोणतीही अटक किंवा डेटाबेस एंट्री झाली नाही — परंतु ते स्केल, संमती किंवा अंतर्निहित प्रतिमांच्या मूळतेबद्दलच्या चिंतांचे निराकरण करत नाही.

जंगलातील त्रुटी दरांचा प्रश्न देखील आहे. इंटरपोलने 6,362 अनन्य प्रतिमांपैकी किती आत्मविश्वासपूर्ण सामने निर्माण केले, मानवी पुनरावलोकनादरम्यान किती सामने नाकारले गेले किंवा ज्या प्रतिमांची ओळख पटत नाही त्यांचे काय होते याचे तपशील प्रकाशित केलेले नाहीत. सेफगार्ड फ्रेमवर्कने वर्णन केल्याप्रमाणे काम केले की नाही हे मूल्यांकन करण्यासाठी त्या संख्या खूप महत्त्वाच्या असतील आणि त्यांच्या अनुपस्थितीमुळे सर्व बाजूंनी संशय निर्माण होईल.

पुढे काय येईल

इंटरपोलचे म्हणणे आहे की आतापर्यंत गोळा केलेली बुद्धिमत्ता त्याच्या जागतिक डेटाबेसमध्ये जोडली गेली आहे आणि सदस्य देशांनी सामग्रीवर प्रक्रिया केल्यामुळे पुढील ओळख होऊ शकते. ऑपरेशन शम्स हा एक आवर्ती कार्यक्रम होईल की नाही हे एजन्सीने सांगितले नाही, जरी रचना - नियतकालिक, बहु-देश, ऑनलाइन अतिरेकी सामग्रीचे एआय-सहाय्यित स्वीप - आंतरराष्ट्रीय पोलिस सहकार्यासाठी प्रवासाच्या दिशेने बसते.

AI उद्योगासाठी, ऑपरेशन हे एक चिन्हक आहे जिथे मागणी मजबूत होत आहे: आकर्षक स्वायत्त पोलिसिंगमध्ये नाही, तर मानवी साइन-ऑफसह अनग्लॅमरस उच्च-वॉल्यूम फिल्टरिंगमध्ये. समीक्षकांसाठी, हे एक स्मरणपत्र आहे की वस्तुमान प्रतिमा विश्लेषणाची पायाभूत सुविधा आधीच तयार केली गेली आहे आणि आधीपासूनच वापरात आहे. दोन्ही गोष्टी एकाच वेळी खऱ्या आहेत आणि ऑपरेशन शम्स हे त्यांच्यातील तडजोडीचे अगदी अलीकडचे उदाहरण आहे.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →