تقنية الذكاء الاصطناعي في العمل الشرطي في دولة الإمارات العربية المتحدة – الأستاذة: خلود محمد اللنجاوي قسم العمادة الأكاديمية كلية الشرطة بأبوظبي دولة الامارات العربية المتحدة

19 أغسطس, 2023

تقنية الذكاء الاصطناعي في العمل الشرطي في دولة الإمارات العربية المتحدة

Artificial Intelligence (AI) in police work the case of United Arab Emirates

الأستاذة: خلود محمد اللنجاوي

قسم العمادة الأكاديمية كلية الشرطة بأبوظبي

دولة الامارات العربية المتحدة

الملخص:

تهدف الدراسة إلى تحليل وفهم قدرات وسلوكيات الذكاء الاصطناعي في قطاع صناعة الأمن والتكنلوجيا كما نعرج في هذه الدراسة على والمعنى الأساسي للذكاء والذكاء الاصطناعي وتاريخ بدء الاهتمام بهذه التكنلوجيا وأهميتها في تطوير قدرات عمليات الشرطة في مختلف الإدارات ، بالإضافة إلى التعرف على تقنيات الذكاء الاصطناعي وتحليل المشكلات والتحديات التي يواجهها النظام والتعرف على تجربة وزارة الداخلية في مجال تقنيات الذكاء الاصطناعي.

بالإجابة على إشكالية الدراسة وتساؤلاتها، استخدم الباحث المنهج الوصفي التحليلي وذلك لملائمته لهذا النوع من الدراسات لتحليل التقنيات والتكنلوجيا المستخدمة في الذكاء الاصطناعي والتعلم العميق.

توصي الدراسة بضرورة تحليل التحديات التقنية والتكنلوجية التي تواجه صُنّاع الذكاء الاصطناعي في القطاع الأمني والشرطي للتغلب على المعوقات التي تواجه الشرطة والأمن في ضل الوضع الراهن وزيادة الاختراقات الأمنية وتطور وسائل الجريمة التكنلوجية.

الكلمات الافتتاحية: الذكاء الاصطناعي ، الشرطة ، تكنلوجيا ، الأمن

Abstract

The study aims to analyze and understand the capabilities and behaviors of artificial intelligence in the security and technology industry sector. In this study, we also will discuss the deep meaning of intelligence and Artificial Intelligence, the database in this contemporary technology, and its importance in developing the capabilities of police operations in various departments. This study covers artificial intelligence technologies and analyze the obstacles and challenges that faces the police sector. The system recognizes the experience of the Ministry of Interior in the field of artificial intelligence technologies.

In answering the problem of the study and its questions, the researcher used the descriptive analytical approach due to its suitability for this type of study which allows to analyze the techniques and technology used in artificial intelligence and deep learning.

The study recommends the necessity of analyzing the technical and technological challenges facing the makers of artificial intelligence in the security and police sectors to overcome the obstacles facing the police and security considering the current situation which is the increase in security breaches and the development of technological crime methods.

المقدمة

تمر الثورة البشرية الحالية بما يسمى بالثورة الصناعية الرابعة وهي التي تعتمد على الثورة الرقمية التي حدثت منذ منتصف القرن الماضي والذي يتميز بدمج التقنيات التي يقل فيها التمييز بين الواقع المادي والرقمي والبيولوجي. وتعتمد الثورة الصناعية الرابعة على منتجات عديدة منها البيانات الضخمة، وتقنيات الذكاء الاصطناعي وأدواته التي يتم يتهافت الجميع على استخدامها حالياً في شتى المجالات إما التجارية، أو الطبية، أو الأمنية، ،من أبرز الأدوات هي الروبوتات، وإنترنت الأشياء ، والمدن والمنشآت الذكية، والطابعة ثلاثية الأبعاد، والهندسة الوراثية. وبالرجوع إلى العديد من المراجع فبدايات الذكاء الاصطناعي يعود إلى بدايات القرن العشرين. الدافع الأساسي من هذا البحث هو تسليط الضوء على تطبيقات الذكاء الاصطناعي في المجال الأمني والشرطي في دولة الإمارات العربية المتحدة.

إشكالية الدراسة:

تناقش الدراسة قدرات الذكاء الاصطناعي هذا التطور العظيم والجديد في عالمنا المعاصر بالتحديد في المجال الشرطي وإنفاذ القانون ، حيث كرس العديد من العلماء من جميع المجالات وشتى القطاعات في فهم ماهية الذكاء الاصطناعي وما هي مكونات الذكاء الاصطناعي واستيعاب القدرات التي تمنح القوة لهذه التكنلوجيا. وأضع بين يديك في الفصل الأول العديد من المفاهيم والتعاريف من مختلف المراجع التي تبلور فكرة الذكاء الاصطناعي منذ عام 1921 عامنا هذا 2023. يعد الفهم الاصطلاحي والمفاهيمي بشكل تفصيلي وشرح العديد من المستويات المتداخلة في مفهوم الذكاء والذكاء الاصطناعي علم البيانات ضرورة حتمية للقارئ لأخذ فكرة شمولية عن الذكاء الاصطناعي و الذي يسهم في استيعاب مدخلات الذكاء الاصطناعي. ومن ثم سننتقل للفصل العملي الذي هو المحور الأهم في بحثنا الذي يناقش التقنيات الحديثة المستخدمة في قطاع قوة الشرطة والأمن والتي تنهض بمستوى الإنجاز الأمني والحماية والتصدي للجرائم يختلف أنواعها. وأثبتت الكثير من الإدارات الأمنية ضرورة تطوير واستحداث التكنلوجيا في القطاع الشرطي وأن التكنولوجيا الذكية الحديثة والموجة المستمرة من التكنولوجيا المتقدمة التي نراها اليوم لا تنعكس فقط على المستهلكين والعملاء في قطاع الصناعات والصادرات والواردات فقط، ولكنها تلقي بظلالها أيضاً على جميع المؤسسات والإدارات والمجموعات في البلدان المتقدمة وتلك البلدان التي تشهد نموًا سريعًا ، مما يؤثر بشكل مباشر على أدائهم وطريقة التعامل معهم والتواصل معهم وإن تأثيرها على الدولة ومؤسساتها الحيوية والمهمة أصبح أكثر وضوحًا اليوم في إدارات الشرطة وعمل الشرطة ، وأصبح جزءًا لا يتجزأ من عملها.

أهداف الدراسة: تنقسم الدراسة إلى قسمين كالتالي:

الأهمية العلمية:

حيث تكمن الأهمية العلمية في فهم وتحليل ماهية الذكاء الاصطناعي ومكوناتها وتفرعاتها ، هذا الفهم يعطي قيمة أكير لأهمية تبني القطاعات الحيوية والشرطية في الدولة لهذه التكنلوجيا. مثال على ذلك أن وصف الباحث للذكاء الاصطناعي يؤكد أن التكنولوجيا غالبًا ما يركز على أتمتة أنواع محددة من المهام: تلك التي يُعتقد أنها تنطوي على الذكاء عندما يؤديها الناس (Harry Surden, 2019). هذا يعطي فهم تفصيلياً بأن طبقات ومستويات الذكاء الاصطناعي تنطوي على مراجل عدة منها في المقدمة الذكاء ومحاكاة الذكاء البشري للآلات ، ثم البيانات الضرورية ثم العمليات المبرمجة ، ثم يصبح لدينا ما يسمى بالذكاء الاصطناعي.

الأهمية العملية:

الاستخدامات الحديثة في مجال الذكاء الاصطناعي في القطاع الشرطي واستخداماتها وجدوى تطبيق الذكاء الاصطناعي لمكافحة الجريمة والقبض على المجرمين. تحرص المؤسسات المعنية بالأمن على مواكبة التقنيات الحديثة واستراتيجيات التحول الرقمي والذكاء الاصطناعي للمحافظة على مستويات الأمن والأمان في دولة الإمارات العربية المتحدة. حيث بات التحدي اليوم أكبر بكثير عما مضى وتعدد أساليب الجريمة وتنوع أدواتها أصبح لزاماً على المؤسسات الحيوية في الدولة على تطبيقها في مختلف إجراءات، وعمليات قطاع ،وزارة الداخلية ،والشرطة.

أهداف الدراسة:

ترمي هذه الدراسة التي بين أيدينا إلى تحقيق عدة أهداف متتالية منها:

تحليل فهم قدرات وسلوكيات الذكاء الاصطناعي والمعنى الأساسي للذكاء الاصطناعي
تحليل وصف الذكاء الاصطناعي وعمليات الأتمتة وطريقة عمل الذكاء الاصطناعي
التعرف على تقنيات الذكاء الاصطناعي وتحليل المشكلات والتحديات التي يواجهها النظام
التعرف على تجربة وزارة الداخلية في مجال تقنيات الذكاء الاصطناعي

تساؤلات الدراسة:

ما هو الذكاء مفهوماً واصطلاحاً وخطوات الذكاء الاصطناعي ومحاكاة العقل البشري
متى بدأ الذكاء الاصطناعي بالظهور وأخذ اهتماما شاسعاً في المؤتمرات والندوات وحتى على المستوى الأدبي
ما هي أهم تقنيات الذكاء التي تبنتها المؤسسات الأمنية والشرطية مثل التعلم العميق واستخدام الخوارزميات
ما هي التحديات التقنية التي يواجهها المهندسين عند تطوير وتصميم وتنفيذ أنظمة الذكاء الاصطناعي

نهج الدراسة:

للإجابة على التساؤلات المطروحة سيتم الاعتماد على المنهج الوصفي التحليلي من خلال تحليل عوامل الذكاء الاصطناعي ومدخلات التقنيات المستخدمة في تطوير الذكاء الاصطناعي. مما يسمح للقارئ بمعرفة وفهم الجوانب التي تطرحها الدراسة التي تتعلق بالتقنيات ومحتويات الأنظمة والأجهزة وقواعد البيانات التي تساعد على سبيل المثال لا الحصر في تأكيد هويات المجرمين برغم اختلاف السمات والملامح مع مرور عمر الشخص المطلوب للعدالة بنسبة تطابق تصل إلى 80%.

تقسيم الدراسة:

قسمت الدراسة إلى مبحثين، خصصنا المبحث الأول لتحليل ماهية تكنلوجيا الذكاء الاصطناعي ومفهوم الذكاء الاصطناعي، ويشمل الفصل تاريخ الذكاء الاصطناعي والاهتمام به في المؤتمرات والأبحاث العلمية من قبل علماء من مختلف المجالات. كما يشمل المبحث الأول على التعريف الأصلي للذكاء الاصطناعي من قبل عدد من الأبحاث في علوم هندسة صناعات الآلات ومصطلحات المؤتمرات التي تمت في عدد من الجامعات التي وضعت التعاريف الأساسية للمفهوم. أما المبحث الثاني فقد خٌصِص للتعرف على تقنيات الذكاء الاصطناعي في المجال الشرطي والأمني، حيث يتناول هذا المبحث أهم التقنيات التي تم تبنيها في القطاع وتطوير وتصميم الأنظمة والتطبيقات وقواعد البيانات ، وسمات وخصائص التقنيات والتحديات التي تواجه تصميم التقنيات التي قد تؤثر على أداء وفعالية تطبيق الأنظمة. بالإضافة إلى عدة نقاط جوهرية تلخص فوائد الذكاء الاصطناعي في العمل الشرطي في دولة الإمارات العربية المتحدة في المستقبل.

المبحث الأول: ماهية الذكاء الاصطناعي:

المطلب الأول: مفهوم الذكاء الاصطناعي:

Oxford English Dictionary بحسب

فإن مصطلح الذكاء الاصطناعي هو: قدرة أجهزة الحاسوب أو الأجهزة الأخرى على عرض أو محاكاة السلوك الذكي. أما التعريف الأكثر حداثة للذكاء الاصطناعي هو: فرع واسع من علوم الحاسوب يهتم بإنشاء آلات يمكنها التعلم واتخاذ القرارات وأداء المهام إلى مستوى يشبه أداء الإنسان. يمكن لآلات الذكاء الاصطناعي المتقدمة أن تتعلم وتنمو من تلقاء نفسها ، بغض النظر عن التدخل البشري. حتى الذكاء الاصطناعي الأساسي يمكنه التعامل مع المهام المعقدة التي تتطلب عادةً لمسة بشرية، ولكنها قد تحتاج إلى مساعدة مبرمج للتعلم من أخطائه وتحسينه (Tableau، 2023) .

كما يؤكد مقال من جامعة Stanford Universityأن التعريف الأصلي للذكاء الاصطناعي ، تم تحديده في عام 1955 من قبل John McCarthy ، أحد المبدعين الأصليين لهذا المجال ، وكان التعريف واسعًا وشاملًا للجميع ألا وهو أن الذكاء الاصطناعي : “هو علم وهندسة صناعة الآلات الذكية (Manning, 2020) “. استخدم “John McCarthy” هذا المصطلح لأول مرة في مؤتمر عقد في كلية دارتموث في عام 1956. IPL ، كلغة برمجة ، وفي عام 1958 ، واخترع مكارثي ((Lisp) – وهي لغة برمجة عملت على تحسين IPL وهو مصطلح مركزي لتحميل نظام التشغيل في الذاكرة الرئيسية للكمبيوتر ويحتوي نظام تشغيل حاسب مركزي (مثل OS / 390) على عدة ميغا بايت من التعليمات البرمجية التي يتم تخصيصها بواسطة كل تثبيت ، مما يتطلب بعض الوقت لتحميل الكود في الذاكرة). الهياكل النحوية أو بما يسمى (Logic Theorist) (1957) ، وهو كتاب عن بنية اللغة الطبيعية للغوي الأمريكي “Noam Chomsky” ، جعل معالجة اللغة الطبيعية في مجال دراسة داخل الذكاء الاصطناعي. في السنوات القليلة التالية ، بدأ العديد من الباحثين في دراسة الذكاء الاصطناعي ، ووضع الأساس للعديد من التطبيقات اللاحقة ، مثل أدوات حل المشكلات العامة ، والآلات الذكية ، والأنظمة الخبيرة

على المستوى الأساسي ، يعمل الذكاء الاصطناعي من خلال أخذ البيانات واستخدام نظام معالجة تكراري وخوارزميات مختلفة للتعلم من الأنماط الموجودة في البيانات ، ثم التفاعل معها بطريقة معينة. يمكن للذكاء الاصطناعي المتقدم أيضًا قياس أدائه في كل مرة يتم فيها تشغيل هذا التسلسل والبدء في تكرار وتحسين أدائه. تعمل الأنواع المختلفة من الذكاء الاصطناعي على تشغيل خوارزميات أساسية مختلفة للذكاء الاصطناعي ، مما يجعلها تتفاعل وتتعلم بطرق مختلفة. يقوم البعض بمهام بسيطة لتصنيف البيانات أو عمل تنبؤات. يقوم البعض الآخر بمهام أكثر تعقيدًا ، مثل قيادة سيارة دون أن يقودها إنسان.

الذكاء الاصطناعي هو محاكاة عمليات الذكاء البشري بواسطة الآلات ، وخاصة أنظمة الحاسوب. تشمل التطبيقات المحددة للذكاء الاصطناعي الأنظمة الخبيرة ومعالجة لغة البيانات والتعرف على الكلام ورؤية الآلة. الذكاء الاصطناعي هو فرع من العلوم الحاسوبية والذي يتعلق بإنشاء أنظمة حاسوبية تتمتع بالقدرة على القيام بمهام تتطلب ذكاءً بشريًا، مثل التعلم والتفكير والتخطيط واتخاذ القرارات والتعامل مع اللغة الطبيعية والرؤية والتفاعل مع البيئة المحيطة. تعتمد تقنيات الذكاء الاصطناعي على استخدام البيانات والتحليل الإحصائي والتعلم الآلي والشبكات العصبية والتعلم العميق وغيرها من التقنيات الحاسوبية المتطورة لتمكين الأنظمة الحاسوبية من تعلم وتحسين أدائها بشكل مستمر. ويستخدم الذكاء الاصطناعي في مجالات متعددة مثل التحليل الضخم للبيانات، الصناعات الذكية، والروبوتات الذكية، والألعاب، والطب والعمل الشرطي، والتعليم، والترجمة الآلية، وغيرها من المجالات التي تتطلب مستويات عالية من التفكير الحسابي والذكاء الاصطناعي.

يمكن استخدام التقنيات الحديثة في مجال الذكاء الاصطناعي لتحسين أداء الشرطة وتعزيز الأمن العام وهو محور بحثنا. إلا أن هناك بعض المخاطر المحتملة، مثل انتهاك حقوق الخصوصية وتمييز عنصري غير مقصود، لذلك يجب أن يتم استخدام التكنولوجيا بشكل مسؤول وفقًا للقوانين والأنظمة المنصوص عليها ، بالإضافة إلى ذلك لا ينبغي أن يحل محل الحكم البشري ، لأن الرقابة البشرية ضرورية لضمان أن تكون القرارات التي تتخذها أنظمة الذكاء الاصطناعي عادلة وغير متحيزة.

أما عن تعريف الذكاء: لمعرفة الذكاء يجب علينا التحدث عن متطلبات “التفكير”، حيث يقوم الذكاء الاصطناعي بنفس الخطوات التي يقوم بها التفكير ،هي كالتالي:

تمثيل المعرفة

التعلم

منطق

التنبؤ / التخطيط

يتمثل النشاط الأول للذكاء الاصطناعي في فهم كيفية ترابط الحقائق المتعددة لتشكيل المعرفة وتمثيل تلك المعرفة في شكل يمكن فهمه آليًا. المهمة التالية هي فهم وتوثيق عملية التفكير للوصول إلى نتيجة. المكون الأخير للذكاء الاصطناعي هو إضافة ، كلما أمكن ، عملية التعلم التي تعزز معرفة النظام.

فإذا أخذنا الخطوة الأولى في تعريف الذكاء ألا وهي تمثيل المعرفة:

فنستطيع أن نوضح بأنها (الحقائق) وهي أجزاء بسيطة من المعلومات يمكن اعتبارها إما صحيحة أو خاطئة ، على الرغم من وجود مستويات من الحقيقة في المنطق الغامض. عندما يتم تنظيم الحقائق ، فإنها تصبح معلومات ، وعندما يتم فهم المعلومات جيدًا ، بمرور الوقت ، تصبح معرفة. لاستخدام المعرفة في الذكاء الاصطناعي ، خاصة عند كتابة البرامج ، يجب تمثيلها بطريقة ملموسة. في البداية رأى معظم أولئك الذين طوروا برامج الذكاء الاصطناعي أن المعرفة ممثلة بشكل رمزي ، وكان تمثيلهم المعرفي المبكر رمزيًا. كانت الشبكات الدلالية ، والرسوم البيانية الموجهة للحقائق مع المحتوى الدلالي المضافة ، تمثيلات ناجحة للغاية مستخدمة في العديد من برامج الذكاء الاصطناعي المبكرة. في وقت لاحق ، تم توسيع عقد الشبكات الدلالية لتحتوي على مزيد من المعلومات ، وتمت الإشارة إلى تمثيل المعرفة الناتج على أنه إطارات. كان تمثيل إطار المعرفة مشابهًا جدًا لتمثيل البيانات الموجه للكائنات ، بما في ذلك نظرية الوراثة

طريقة أخرى شائعة لتمثيل المعرفة في الذكاء الاصطناعي هي التعبيرات المنطقية. عالم الرياضيات الإنجليزي George Boole مثّل المعرفة كَتعبير منطقي في القرن التاسع عشر. قام عالم الرياضيات الإنجليزي Bertrand Russell وAlfred Whitehead بتوسيع هذا إلى التعبيرات الكمية في عام 1910 ، وقام عالم الحاسوب الفرنسي Alain Colmerauer بدمجها في البرمجة المنطقية ، باستخدام لغة البرمجة برولوج ، في السبعينيات. إن معرفة النظام الخبير القائم على القواعد مضمنة في قواعد النظام if-then ، ولأن كل قاعدة if-then لها تمثيل منطقي ، يمكن اعتبارها شكلاً من أشكال تمثيل المعرفة العلائقية.

تقوم الشبكات العصبية بنمذجة النظام العصبي البشري وتستخدم هذا النموذج لتمثيل المعرفة. الدماغ هو نظام كهروكيميائي يخزن معرفته في نقاط الاشتباك العصبي. عندما تمر الإشارات الكهروكيميائية عبر المشبك ، فإنها تعدلها ، مما يؤدي إلى اكتساب المعرفة. في نموذج الشبكة العصبية ، يتم تمثيل نقاط الاشتباك العصبي بأوزان مصفوفة الوزن ، وتضاف المعرفة إلى النظام عن طريق تعديل الأوزان.

التعلم:

يتضمن التعلم في نظام ذكاء اصطناعي تعديل المعرفة أو الإضافة إليها. لكل من أنظمة البرمجة الدلالية والشبكات المنطقية. يتم التعلم عن طريق إضافة أو تعديل الشبكات الدلالية أو القواعد المنطقية على التوالي. على الرغم من بذل الكثير من الجهد في تطوير خوارزميات التعلم لهذه الأنظمة ، فقد استخدمت جميعًا ، حتى الآن ، طرقًا مخصصة وحققت نجاحًا محدودًا. من ناحية أخرى ، نجحت الشبكات العصبية في تطوير خوارزميات التعلم. يحتوي Backpropagation على خوارزمية تعلم قوية خاضعة للإشراف حيث يتعلم النظام من مجموعة من أزواج التدريب ، باستخدام تحسين الانحدار المتدرج ، والعديد من خوارزميات التعلم غير الخاضعة للإشراف تتعلم من خلال دراسة تجميع متجهات الإدخال.

المنطق:

المنطق هي عملية تحديد المعلومات الجديدة من المعلومات المعروفة. تضيف أنظمة الذكاء الاصطناعي المنطق بعد فترة وجيزة من تطوير طريقة تمثيل المعرفة. إذا تم تمثيل المعرفة في الشبكات الدلالية ، فإن معظم التفكير ينطوي على نوع من البحث الشجري. تتمثل إحدى تقنيات التفكير الشائعة في اجتياز شجرة القرار ، حيث يتم تمثيل المنطق من خلال مسار يتم اتخاذه عبر الشجرة. يمكن أن تستغرق عمليات البحث الشجري للشبكات الدلالية العامة وقتًا طويلاً وقد أدت إلى العديد من التطورات في خوارزميات البحث الشجري ، مثل وضع حدود على عمق البحث والتراجع.

في البرمجة المنطقية عادةً ما يتبع أسلوب الاستدلال المتجسد في حساب التفاضل والتكامل الأصلي من الدرجة الأولى. بعض محركات الاستدلال ، مثل محرك برولوج ، تستخدم تقنية التسلسل الخلفي للتفكير من نتيجة ، مثل نظرية الهندسة ، إلى أسلافها ، البديهيات ، وتوضح أيضًا كيف أدت عملية التفكير إلى الاستنتاج. تستخدم محركات الاستدلال الأخرى ، مثل محرك shell CLIPS الخاص بالنظام الخبير ، محرك استدلال التسلسل الأمامي لمعرفة الحقائق التي يمكن اشتقاقها من مجموعة من الحقائق المعروف

الشبكات العصبية ، مثل backpropagation ، لديها خوارزمية تفكير بسيطة بشكل خاص. يتم تمثيل معرفة الشبكة العصبية كمصفوفة من الاتصالات الشبكية ، وربما تكون قليلة جدًا. يتم تمثيل المعلومات التي سيتم تقييمها بواسطة الشبكة العصبية كمتجه إدخال بالحجم المناسب ، وتتمثل عملية التفكير في مضاعفة مصفوفة الاتصال بواسطة متجه الإدخال للحصول على الاستنتاج كمتجه إخراج.

سابقاً كانت كل تلك الخطوات تعتبر تحديات في عالم البشر، لكن في هذا العصر ومع وجود ذكاء مثل سيري التابعة لأبل وأليكسا التابعة لأمازون، أصبح الذكاء الاصطناعي حل للعديد من المشكلات. كما عرف البروفيسور (Manning, 2020). ويعرف الذكاء كمصطلح بأنه القدرة على التعلم وتنفيذ التقنيات المناسبة لحل المشاكل وتحقيق الأهداف المناسبة للسياق في حالة عدم اليقين في عالم دائم التغيير. ويمكن اعتبار الروبوت المصنع والمبرمج بالكامل على أنه مرن ودقيق ومتسق، ولكنه ليس ذكي. لكننا من المهم عند تعريف الذكاء الاصطناعي أن نتذكر أن البرامج والآلات والنماذج التي طورها علماء الحاسوب والمهندسون والعلماء المعرفيون ليس لديها ذكاء بشري في الواقع ؛ فهم فقط يظهرون “السلوك الذكي”. قد يكون من الصعب تذكر ذلك لأن أنظمة الذكاء الاصطناعي غالبًا ما تحتوي على أعداد كبيرة من الحقائق والبيانات ، مثل معلومات الطقس لمدينة نيويورك ؛ أنماط التفكير المعقدة ، مثل التفكير المطلوب لإثبات نظرية هندسية ؛ المعارف المعقدة ، مثل فهم جميع القواعد المطلوبة لصناعة السيارات ؛ والقدرة على التعلم ، مثل تعلم الشبكة العصبية للتعرف على الخلايا السرطانية. يواصل العلماء والباحثون عن نماذج أفضل قد تحاكي الدماغ والذكاء البشري.

وفيما يتعلق بمصطلح الاصطناعي فهو يقصد به (من صنع الإنسان) أو من إنتاج البشر ولم يحدث بشكل طبيعي كنسخة من الطبيعة.

المطلب الثاني: قدرات الذكاء الاصطناعي: بداية إذا أردنا أن نعرف حقاً ما هو الذكاء الاصطناعي يجب علينا أن نفهم ما هي قدرات الذكاء الاصطناعي ومن المنطقي معرفة المعنى الأساسي للذكاء الاصطناعي.
الذكاء الصنعي أو الذكاء الاصطناعي ( بالإنجليزية : (Artificial intelligence)‏ هو سلوك وخصائص معينة تتسم بها البرامج الحاسوبية، تجعلها تحاكي القدرات الذهنية البشرية أو تفوق القدرات البشرية Wikipedia,2023)). أيضاً هذا الوصف للذكاء الاصطناعي يؤكد أن التكنولوجيا غالبًا ما يركز على أتمتة أنواع محددة من المهام: تلك التي يُعتقد أنها تنطوي على الذكاء عندما يؤديها الناس (Harry Surden, 2019). ستساعد بعض الأمثلة في توضيح هذا الأداء للذكاء الاصطناعي على سبيل المثال نجح الباحثون في تطبيق تقنية الذكاء الاصطناعي لأتمتة بعض الأنشطة المعقدة ، بما في ذلك لعب الشطرنج وترجمة اللغات وقيادة المركبات لكن ما الذي يجعل مهام الذكاء الاصطناعي بدلاً من مهام الأتمتة بشكل عام؟ ذلك لأنهم جميعًا يشتركون في ميزة واحدة: هي أنه عندما يقوم الأشخاص بهذه الأنشطة ، فإنهم يستخدمون عمليات معرفية عالية المستوى مرتبطة بالذكاء البشري. على سبيل المثال ، عندما يلعب البشر الشطرنج ، فإنهم يستخدمون مجموعة من القدرات المعرفية ، بما في ذلك التفكير والاستراتيجيات والتخطيط واتخاذ القرار. وكذلك ، عندما يترجم الأشخاص من لغة إلى أخرى ، فإنهم ينَشطون مراكز دماغية عالية المستوى لمعالجة الرموز والسياق المستخدم والمجال واللغة والمعنى الذي هو أهم مرحلة في الترجمة لتوضيح الفكرة. وكذلك عندما يقود الأشخاص السيارات ، فإنهم يشاركون في مجموعة متنوعة من أنظمة الدماغ ، بما في ذلك تلك المرتبطة بالرؤية ، والتعرف المكاني ، والوعي بالمواقف ، والحركة ، والتحكم، والتركيز.
المطلب الثالث: تاريخ الذكاء الاصطناعي: حسب مقال (Tableau، 2023) أن الذكاء الاصطناعي بدأ منذ القرن العشرين بفكرة “الآلات”، حين بدأ المهندسون والعلماء باختراع الآلات التي تعمل بدون جهود وتدخلات بشرية ، وفي أوائل القرن العشرين ما بين 1990 – 1950 ، كان هناك الكثير من وسائل الإعلام التي تركزت حول فكرة الإنسان الاصطناعي. لدرجة أن العلماء من جميع المجالات بدأوا في طرح السؤال: هل من الممكن إنشاء دماغ اصطناعي؟ حتى أن بعض المبدعين صنعوا بعض الإصدارات مما نسميه الآن “الروبوتات” (وقد صيغت الكلمة في مسرحية تشيكية في عام 1921) على الرغم من أن معظمها كان بسيطًا نسبيًا حيث كانت الآلات في تلك الفترة من الزمن تعمل معظمها بالبخار ، وكان لبعضها أن يقوم بتعبيرات الوجه البسيطة وحتى المشي. يُفهم مفهوم “الذكاء الاصطناعي” (AI) على نطاق واسع على أنه أي نوع من النظام الحسابي الاصطناعي الذي يُظهر سلوكًا ذكيًا ، أي السلوك المعقد الذي يؤدي إلى الوصول إلى الأهداف. على وجه الخصوص ، لا نرغب في قصر “الذكاء” على ما يتطلب الذكاء إذا قام به البشر ، كما اقترح مينسكي (1985). هذا يعني أننا ندمج مجموعة من الآلات ، بما في ذلك تلك الموجودة في “الذكاء الاصطناعي التقني” ، والتي تُظهر فقط قدرات محدودة في التعلم أو الاستدلال، ولكنها تتفوق في أتمتة مهام معينة ، وكذلك الآلات في “الذكاء الاصطناعي العام” التي تهدف إلى إنشاء عامل ذكي .(Müller,2021)

المبحث الثاني: تقنيات الذكاء الاصطناعي

تقنيات الذكاء الاصطناعي في المجال الشرطي والأمني

وبحسب الباحث (Harry Surden, 2019) يأتي استخدام الذكاء الاصطناعي في إنفاذ القانون في مجال العمل الشرطي حيث استخدمت العديد من الدولة في قطاع قوة الشرطة تقنية الذكاء الاصطناعي بشكل أساسي في سياقين رئيسيين. الاستخدام الأول ينطوي على ما يسمى (الشرطة التنبؤية) وهو استخدام تقنية التعلم الآلي لاكتشاف الأنماط (Pattern) من بيانات الجريمة السابقة لمحاولة التنبؤ بمكان ووقت محاولات الجريمة المستقبلية. وتمكنت الشرطة أيضاً استخدام هذه البيانات لتوجيه مواردها ووجودها الشرطي في المناطق التي تعتقد أنها أكثر فعالية. الاستخدام الرئيسي الثاني للذكاء الاصطناعي في إنفاذ القانون أو المجال الشرطي يأتي في تقنية التعرف على الوجه. حيث بدأت إدارات الشرطة بشكل روتيني في مسح وجوه الأشخاص أو محاولة تحديد المشتبه بهم من خلال مطابقة بيانات الصور أو الفيديو مع قواعد البيانات التي تحتوي على صور لأولئك الذين سبق لهم الاتصال بالحكومة أو سلطات إنفاذ القانون.

المطلب الأول: أهم التقنيات في المجال الشرطي

الفرع الأول: تقنية التعرف على الوجه:

تستخدم العديد من الشركات في مختلف القطاعات تطبيقات التعرف على الوجوه ، مثل الأمن والدفاع في الأماكن العامة والتسويق والموارد البشرية والرعاية الصحية. في قطاع الأمن ، تستخدم مراكز الشرطة أنظمة التعرف على الوجوه لاكتشاف المجرمين والأشخاص المطلوبين ومعرفة معلوماتهم باستخدام تقنية التعرف على الوجه. ومع ذلك ، فإن تحديد الأشخاص المطلوبين يكون صعبًا في بعض الأحيان بدون أنظمة مطورة أو كاميرات عالية الجودة تساعد في اكتشاف الوجوه والتعرف عليها. نتيجة لذلك ، يتنقل العديد من الأشخاص المطلوبين أو يدخلون مناطق حساسة دون أن يعرفوا أن الشرطة تريدهم حتى يقوموا ببعض المعاملات في الأماكن الحكومية أو يتجولون في مراكز الشرطة ويستخدمون بطاقات هويتهم. سيعالج هذا المشروع مشكلة تحديد هوية الأشخاص المطلوبين باستخدام تقنية التعرف على الوجوه التي تلتقط وجوه الأشخاص من خلال زياراتهم إلى مراكز الشرطة أو المنافذ الحدودية سواء الجوية أو البرية أو البحرية (We Cobble, 2021).

يؤدي تحديد الأشخاص المطلوبين إلى زيادة الحاجة إلى تطوير وتصميم نظام التعرف على الوجوه باستخدام الذكاء الاصطناعي والذي سيساعد في إجراءات تعزيز المعاملات الأمنية باستخدام الكاميرا أو الصور لالتقاط وجوه الأشخاص المطلوبين والتقاطها وعلى سبيل التحديد فإن تطبيقات التعرف على الوجه تركز على التالي: تحديد الأشخاص المطلوبين من خلال زياراتهم لمباني مراكز الشرطة أو الأماكن العامة من خلال تعزيز القدرة على استخدام التعرف على الوجوه للأشخاص المطلوبين والحصول على معلومات عنهم بما في ذلك صورهم من أجل حفظها في قاعدة البيانات. تطوير نظام ذكي لأقسام الشرطة ، للتعرف على المجرمين أو المطلوبين من أجل زيادة الأمن والقبض عليهم. والأشخاص المطلوبين يتم تحديدهم من خلال استخدام خوارزميات التعلم العميق وتقنيات التعرف على الوجوه التي تعزز القدرة على اكتشاف الوجه للأشخاص المطلوبين وتخزين معلوماتهم في قاعدة البيانات. وبالتالي يتوجب تطوير نظام جديد بواجهة مستخدم تستخدم لاكتشاف الوجه والتعرف عليه في مراكز الشرطة حيث يحدد الأشخاص المطلوبين ويسهل عملية تسجيل المعلومات الجديدة عن الأشخاص المطلوبين أو المجرمين. هناك بعض القيود والافتراضات التي يجب أخذها في الاعتبار عند تنفيذ هذا المشروع ، فقد تم تصميم المشروع وتعديله ليتم تنفيذه في مراكز الشرطة لاستخدام النظام وتطبيقه في المباني من أجل الإدارة الأمنية. لذلك يحتاج تنفيذ المشروع إلى كاميرا CCTV أو كاميرا مثبتة تساعد في دعم نظام التعرف على الوجوه لتحديد الهوية الجنائية. بالإضافة إلى ذلك ، يمكن تنفيذ المشروع في أي مركز شرطة في دولة الإمارات العربية المتحدة.

الباحث Ayush Bijoura (2020) يركز على تعريف تقنية التعرف على الوجه على أنها عملية للتحقق من وتحديد الأشخاص في الصور من خلال وجوههم بالإضافة إلى عملية الكشف عن السمات واستخراجها من وجوه الأشخاص لتحقيق مهمة التعرف عليهم. بالإضافة إلى أن عبارة عن تقنية لتسليط الضوء على الميل العميق وعملية عملها. تهدف التطبيقات إلى اكتشاف الوجوه في الصور وتخزينها كملف csv ، وذلك باستخدام مجموعة بيانات التدريب والاختبار ومساهمتها في الكشف عن الصورة من تشغيل ملفات الفيديو ، والعثور على الحالة المزاجية الحالية للشخص وتصنيف الصورة باستخدام Open-cv و Convolution Neural شبكة (CNN). علاوة على ذلك ، قالوا إن نظامهم سيتم استخدامه في العديد من المجالات مثل القانون والتجاري ، وسيساعد في تحديد المجرمين ، والعثور على التحقق من بطاقة الائتمان / بطاقة الشخص المفقود وما إلى ذلك. المنهجية العملية الكاملة للتعرف على الوجوه ، هو إدخال الصورة إلى النظام حتى الوصول إلى عملية التحقق باستخدام الشبكة العصبية في تقنية التعلم العميق. وتحديث بنية النظام عن طريقة Eigen Face والتمثيل ، ثم تدريب البيانات والشبكة للحصول على تصنيف الوجه والعمر والتعرف على المشاعر. وينتج عن ذلك اكتشاف وجوه الأشخاص بالتعابير المزاجية المختلفة للأشخاص سواء كانوا سعداء أو حزينين أو غاضبين أو محايدين ، بالإضافة إلى أن النظام قادر على التعرف على الوجه بشكل فعال مع ميزة التعرف على الصور غير الواضحة.

وفي هذا السياق يقوم الباحث Nagnath B (2021) بشرح الخاصية في المجال الأمني حيث حدد مشكلة تطوير نظام آلي لتحديد الهوية الجنائية باستخدام التعرف على الوجوه لمساعدة الشرطة في التعرف عليهم والقبض عليهم ، بدلاً من استخدام الطريقة اليدوية لتحديد المجرمين والسعي وراء المجرمين. تهدف هذه التقنية إلى الحصول على نظام يحتوي على العديد من المكونات مثل التسجيل الجنائي حيث ستتم إضافة الصور الإجرامية إلى النظام في قاعدة البيانات ، ثم اتصال الدوائر التلفزيونية المغلقة الذي سيسمح لهذه الكاميرا بالحصول على قاعدة بيانات للمجرمين والعثور عليها ، ويمكن تطبيقه في أي مكان مثل متجر المجوهرات، أو البنوك أو الفنادق أو المطارات. علاوة على ذلك ، يحتوي النظام على تأكيد المجرمين حيث وجد النظام المجرمين في الأماكن العامة أم لا. يبدأ عملهم المقترح بتطوير نموذج استخلاص السمات للحصول على معلومات عن 68 وجهًا بارزًا بعد الحصول على الصورة من كاميرا CCTV وتشفيرها. تسمح هذه العملية بالمطابقة مع تشفير الوجوه للصورة الجنائية المخزنة في قاعدة البيانات ، ثم حفظها في مجلد خاص للشرطة. كان نظامهم ناجحًا في اقتراح نظام التعرف على المجرمين باستخدام كاميرا CCTV ، وكان إظهار أسمائهم مفيدًا في تعزيز عملية التعرف على الشرطة الجنائية التي تمسك بها الشرطة ، وكانت نتيجة مطابقة الصور 80.%

كذلك طورت Facebook قدرة مثالية على التعرف على الوجوه حيث يمكنهم التعرف على الوجوه بنسبة 98 ٪ من الدقة أفضل من البشر باستخدام اكتشاف الوجه بتقنية التعلم العميق. وسلطوا الضوء على الميزة الرئيسية لاستخدام خوارزمية اكتشاف الوجه مع قوة استخدام كاميرات المراقبة لتحديد الوجوه في الأماكن العامة ، مع الحاجة إلى الدقة والسرعة في تحديد هوية الأشخاص. يهدف مشروعهم إلى تعليم الحاسوب كيفية القيام بخطوات اكتشاف الوجه باستخدام تقنية التعلم العميق التي تسمح باستخدامها في تطبيقات مثل صور فيديو المراقبة أو التحقق من بطاقات الائتمان أو المصادقة على الوصول إلى النظام المصرفي والأمن. كانت منهجية المشروع هي تثبيت نموذج Open-cv و haar-cascades-frontal-face وتنفيذ طريقة شبكة المعتقد العميق (DBN) التي تستخدم الشبكة العصبية المتكررة للتغذية الأمامية للتعامل مع تغيير حجم المدخلات والمخرجات ، والحصول على مخرجات نموذج التدريب. كانت نتيجة التنفيذ جيدة لأنها تحقق الغرض من التعرف على الوجوه في الصور سواء كانت غير واضحة أو لها وجه جانبي ، لكن فجوة البحث في مشروعهم تحتاج إلى تدريب متقدم لاكتشاف العيون في الصورة المرسومة باليد ، وهي قليلة بطيء في الفيديو ويستغرق المزيد من الوقت .Manik Sharma and Kashyap (2017)

تحدث الباحث Gary Huang (2019) عن استخدام خوارزميات التعلم العميق لتطبيقات الأمن السيبراني. تقنية الأمن السيبراني تمنع الأجهزة والبرمجيات في النظام. إنه مصمم لمنع قاعدة بيانات المنظمة والنظام من الوصول غير المصرح به ، من خلال تطوير واستخدام تقنية التعلم العميق تسمى الشبكة العصبية العميقة للسماح للشبكة بالتعلم من البيانات غير الخاضعة للإشراف وحفظ المشاكل المعقدة. بعض خوارزميات التعلم العميق هي الشبكة العصبية الالتفافية (CNN) ، وشبكة المعتقدات العميقة (DBN) ، والشبكة العصبية المتكررة (RNN). في بحثهم ، ذكروا هجمات الأمن السيبراني وأنواعها ، بالإضافة إلى تقنيات التعلم العميق التي استخدموها في أبحاثهم مثل (CNN) و (DBN) وكيف تعمل لهجمات الأمن السيبراني. علاوة على ذلك ، قاموا بمقارنة تقنيات التعلم العميق المختلفة للأمن السيبراني ، ويظهر أن نموذج RNN له أفضل نتيجة في اكتشاف هجمات الأمن السيبراني .

يعرض الشكل 1)) العملية الكاملة لتطوير نظام التعرف على الوجوه مع نهج التعلم العميق. تتضمن هذه العملية إنشاء نظام واجهة مستخدم ، وتطوير اكتشاف الوجه باستخدام CNN ، ونموذج التدريب ، وتطبيق استخراج الميزات ، وتطوير عملية التعرف على الوجوه باستخدام DNN ، ثم مقارنة المطابقة للأشخاص المطلوبين من خلال الصور.

الشكل (1): مخطط انسيابي يوضح نظام التعرف على الوجه.

الفرع الثاني: تحليل السموم والمخدرات

تعتبر البينات الضخمة قي قواعد البيانات الكيميائية مصدر رئيسي في عملية البحث عن تركيبات المواد المخدرة وتستخدم على نطاق واسع والربط بملايين المركبات وسوف تكون حلولاً مستقبلية للتعرف على المركبات المخدرة والعقاقير التي أسيئ استخدامها ونواتجها الأيضية المختلفة في العينات الجنائية.
تتيح تقنيات التحليل الكيميائي الآلية التحديد النوعي والكمي للمواد ومكوناتها في مختلف المجالات البيئية والطبية، والبيولوجية، والطب الشرعي ،وغيرها. في عام 2020 م تم تسجيل أكثر من 160 مليون مادة عضوية وغير عضوية في قاعدة بيانات CAS ، مما يجعلنا على دراية بالحجم الهائل لهذه البيانات وصعوبة البحث والوقت الضائع في الوصول إلى المعلومات المستهدفة ، لذلك تراكمت البيانات الهائلة من خلال البحث العلمي الكمي ، بالإضافة إلى أنه من المستحيل تحقيق وإدارة خارج أساليب الحاسوب وأدوات الذكاء الاصطناعي ، لأن البحث العلمي والبحث في مجال تطبيقات الذكاء الاصطناعي يستمران في بناء قدرات ضخمة من البيانات الضخمة (Gasteiger, 2020).

مع الزيادة الهائلة في كمية البيانات والمعلومات الكيميائية وعلاقتها بتكنولوجيا المعلومات والحوسبة الرقمية ، تطورت التخصصات العلمية الحديثة ، مثل معلوماتية chemin للمساعدة في إجراء العمليات الحسابية لحل المعادلات والنظريات الكيميائية ، وللسماح بالتنبؤ بتفاعلات المنتج ، وتطوير الأساليب الإحصائية لتحليل البيانات الكيميائية والمساعدة في تحليل المركبات والأطياف. المواد الكيميائية. مثال على ذلك هو قدرة الأساليب الإحصائية على تحديد أنواع متعددة من المركبات أو التعرف عليها من خلال المقارنة الطيفية مع قاعدة بيانات (Dotzert, 2021).

الفرع الثالث: التعرف على بصمات الأصابع

تلعب تقنيات التعلم الآلي مثل الشبكات العصبية الاصطناعية (ANN) والشبكات العصبية العميقة (DNN) وآلة المتجهات الداعمة (SVM) والخوارزميات الجينية (GA) دورًا مهمًا في تقديم حلول غير شائعة لمشكلة التعرف على بصمات الأصابع. وفقًا لتقرير بحثي ، حقق التعلم العميق ، وخاصة الشبكة العصبية الالتفافية (CNN) Convolutional neural network والتي تستخدم عمليات حسابية تسمى التفاف بدلاً من ضرب المصفوفة في طبقة واحدة على الأقل من طبقاتها، حققت تلك التقنية نجاحًا كبيرًا في مجالات رؤية الحاسوب والتعرف على الأنماط ، لأنه لا يتطلب استخراج ميزات خاصة. يتعلم التعلم العميق تلقائيًا الميزات والهياكل تحت عدد كافٍ من بيانات التدريب. هذه المزايا لشبكات CNN تجعلها مثالية للعديد من الوظائف في أنظمة التعرف / التعرف على بصمات الأصابع تلقائيًا: بما في ذلك التجزئة والتصنيف واستخراج الميزات (نقاط التفاصيل والنقاط الفردية) وتقدير اتجاه التلال وما إلى ذلك (Deniz, 2023)

من المتوقع أن ينمو الإنفاق في سوق التحقق من الهوية العالمية بأكثر من 13 مليار دولار على مدى 10 سنوات من 2017 إلى 2027 ، من 4.93 مليار دولار في 2017 إلى أكثر من 18 مليار دولار في 2027. تعد المصادقة جانبًا مهمًا من جوانب أمن المعلومات لأنها تضمن أن الأشخاص الذين لديهم سلطة شرعية فقط هم من يمكنهم الوصول إلى المعلومات ، وبالتالي منع التطفل الضار أو الضار على المعلومات المحمية . (Vasylchenko, 2022)

فقد تم استخدام بصمات الأصابع منذ آلاف السنين لتحديد الهوية. حيث كانت مفيدة بشكل خاص في تكنولوجيا الطب الشرعي ، لكنها أصبحت مؤخرًا مفيدة للغاية لحلول الأمنية. في عام 2003 ، كان فوجيتسو F505i رائدًا في أول هاتف محمول مزود بمستشعر بصمات الأصابع. سيتم نشره لاحقًا باستخدام Touch ID على أجهزة Apple iPhone والماسحات الضوئية المختلفة على هواتف Android.

تعمل تقنية المصادقة ببصمة الإصبع تمامًا مثل أي طريقة بيومترية أخرى. من خلال مقارنة الأقواس والحلقات والدوامات التي تجعل كل بصمة فريدة من نوعها لإصبع الفرد مع موضوع قياسي أو قاعدة بيانات للموضوعات ، يمكن تحديدها أو التحقق منها أو المصادقة عليها. ومع ذلك ، فإن أحد الجوانب السلبية لمسح بصمات الأصابع هو أنه في أغلب الأحيان لا يكون بدون تلامس. يجب على المستخدم الضغط بإصبعه على المستشعر من أجل التسجيل. في بعض الحالات ، قد لا يكون هذا مرغوبًا فيه بسبب المخاوف الصحية ، خاصة مع الانتشار العالمي لفيروس SARS-CoV-2. ومع ذلك ، من الممكن مسح بصمة الإصبع أو اليد بالكامل عبر طرق عدم التلامس. يستخدم الهاتف الذكي LG G8 ThinQ مستشعر وقت الرحلة (ToF) وكاميرا الأشعة تحت الحمراء لاكتشاف الأوعية الدموية في يد المستخدم ، كل ذلك دون مطالبة المستخدم بضغط يده على السطح. الجانب السلبي الآخر لبصمات الأصابع هو أنه قد يتعذر الوصول إليها لبعض مجموعات الأشخاص ذوي الإعاقة. بسبب هذا القيد ، قد يكون من الحكمة الاستثمار في أشكال متعددة من المصادقة البيومترية للحفاظ على إمكانية الوصول (Vasylchenko, 2022).

المطلب الثاني: تجربة وزارة الداخلية في مجال تقنيات الذكاء الاصطناعي

ومن تقنيات الذكاء الاصطناعي في وزارة الداخلية كالتالي:

الفرع الأول: تكنولوجيا الواقع الافتراضي والواقع المعزز. تُستخدم تقنية الواقع الافتراضي والواقع المعزز لمحاكاة الهجمات الإرهابية وهجمات النيران البيضاء وتدريب أعضائها على اتخاذ قرارات جماعية ردًا على هذه الهجمات.

هذه التقنية هي نتاج محاكاة تجربة المعارك القتالية باستخدام أجهزة الحاسوب لخلق بيئة ثلاثية الأبعاد، مما يسمح للمستخدم بتجربة عوالم افتراضية فريدة من نوعها، مثل أن يكون مقاتلاً في معركة مع البقاء ضمن حدود مجال التدريب الخاص به. يمكن للمستخدم أن يكون جزءًا من هذه التجربة، والتنقل داخلها، والتفاعل معها من خلال أجهزة خاصة، في المقام الأول نظارات الواقع الافتراضي، التي تساعده على الاندماج بشكل أعمق في التجربة. أما بالنسبة للواقع المعزز، فهو تجربة تقوم بتكرار أجهزة الحاسوب، ولكنها تنقل مناظر ثنائية وثلاثية الأبعاد مع شاشة تتحد مع محيط المستخدم الحقيقي لإنتاج واقع عرض مركب. ومن ثم، في الواقع الافتراضي، يكون المستخدم في عالم آخر، بينما في الواقع المعزز، يكون المستخدم في بيئته الخاصة، ولكن مع تأثيرات إضافية. في كل سيناريو، يقوم المدربون بإدخال تعديلات فريدة لزيادة مستوى صعوبة المستخدم، مما يعزز الاختبار، خاصة بالنسبة للمهام القتالية. تظل التكنولوجيا محورًا مركزيًا في تنظيم ممارسات الشرطة، وقد أدى التقدم التكنولوجي في المجتمع ككل إلى تحسين عمل وكالات الشرطة من خلال زيادة اعتمادها على التكنولوجيا واستخدامها. في العصر الحديث، نما المجتمع وأصبح أكثر ترابطا، مما أدى إلى بيئة جديدة يجب أن تعمل فيها وكالات إنفاذ القانون. بفضل التقنيات المحسنة، سهلت هذه التحسينات أيضًا التنسيق الدولي بين المؤسسات الأمنية على نطاق عالمي. الاستقلال المؤسسي ضروري للتعاون الدولي بين أجهزة الشرطة. بالإضافة إلى التطورات في أنظمة الاتصالات والنقل، تشمل هذه التقنيات أيضًا تطور العديد من إجراءات تحديد الهوية الجنائية. لم توفر التطورات التكنولوجية للشرطة الأدوات اللازمة للتعاون فحسب، بل أثرت أيضًا في مكافحة الجريمة.

الفرع الثاني الدوريات الذكية: اعتماد دوريات ذكية للشرطة (سيارات شرطة ذكية): سيارات الشرطة الذكية مزودة بأجهزة تحكم عن بعد وكاميرات رادار، وترتبط بغرفة عمليات الشرطة، حيث تساعد الدوريات الذكية أفراد الشرطة في التعامل مع زيادة عدد السيارات على الطرق وتدفق السياح في الأحداث الكبرى.

يُنسب إلى موظف الإدارة العامة للإقامة في أبو ظبي مبارك عبد الرحمن الهاشمي فكرة الدورية الذكية. وأشار الهاشمي إلى أن المشروع يساهم في تحقيق رؤية حكومة الإمارات وأهداف وزارة الداخلية من خلال تعزيز ثقافة السلامة المرورية وفرض سيادة القانون.

الفرع الثالث الكاميرات الملحقة بالزي العسكري: ارتداء ضباط الشرطة للكاميرات بداية إبداعية لكن لا يزال استخدام كاميرات الجسد أو الكاميرات الملحقة بملابس ضباط الشرطة في مهدها، لكن دراسة جديدة أجراها فريق من الباحثين من جامعة جنوب فلوريدا أظهرت دورها في الحد من الشكاوى العامة واستخدام الشرطة للقوة.

الدراسة، التي أجريت على ضباط شرطة أورلاندو في فلوريدا، بدأت في مارس 2014. وقارن أداء ستة وأربعين ضابطا كانوا يرتدون كاميرات على الجسد بأداء 43 ضابطا لم يفعلوا ذلك. وخلصت الدراسة إلى أن كاميرات الجسد ساهمت في تقليص استخدام القوة من قبل ضباط الشرطة بنسبة 53٪ وخفض بنسبة 65٪ في الشكاوى ضد الشرطة. لم تقم الشرطة في دولة الإمارات بعد بتطبيق هذه التقنية على نطاق واسع، على الرغم من إثبات فعاليتها. بالإضافة إلى الحد من المشاحنات مع المشتبه بهم وغيرهم، تساعد مراجعة تسجيلات الكاميرا من الفيديو الضباط على جمع الأدلة وتذكر الأحداث وتقليل الأخطاء، فضلاً عن زيادة ثقة المجتمع وتحسين المساءلة والشفافية وحماية الضباط من الشكاوى الكاذبة وتقديم أدلة قيمة على النيابة

الفرع الرابع تلخيص فوائد الذكاء الاصطناعي: بالإضافة إلى عدة نقاط جوهرية يمكن تلخيصها في فوائد الذكاء الاصطناعي في العمل الشرطي في دولة الإمارات العربية المتحدة في المستقبل منها:

التنبؤ: يمكن للذكاء الاصطناعي تحليل كميات كبيرة من البيانات ، بما في ذلك إحصاءات الجريمة والبيانات التاريخية وغيرها من المعلومات ذات الصلة ، للتنبؤ بالمكان والوقت المحتمل لوقوع الجرائم. يمكن أن يساعد هذا الشرطة على تخصيص الموارد بشكل أفضل ومنع الجريمة قبل حدوثها.
خاصية التعرف على الوجه: يمكن استخدام الذكاء الاصطناعي لتحليل الصور ومقاطع الفيديو التي تم التقاطها بواسطة كاميرات المراقبة ومنصات التواصل الاجتماعي ومصادر أخرى لتحديد المشتبه بهم والمفقودين. يمكن أن تساعد هذه التكنولوجيا الشرطة في التعرف بسرعة على المشتبه بهم وحل الجرائم.
معالجة البيانات: يمكن استخدام الذكاء الاصطناعي لتحليل البيانات النصية ، مثل رسائل البريد الإلكتروني ، ومنشورات الوسائط الاجتماعية ، وغيرها من الاتصالات عبر الإنترنت ، لتحديد التهديدات المحتملة ، والتسلط عبر الإنترنت ، وأنواع أخرى من الأنشطة الإجرامية.
يساهم استخدام مناهج التكنولوجيا المعاصرة في مجال الأدلة الجنائية وعلم الجريمة في منح السلطات القضائية أدلة مقنعة فيما يتعلق بالجرائم.
يتم مساعدة أجهزة الشرطة في حل الجرائم الصعبة من خلال البرامج الإلكترونية التي توفر المعلومات والأدلة.
توظيف التكنولوجيا الحالية يساعد في القبض على المشتبه بهم في القضايا الجنائية. يزيد استخدام أنظمة الذكاء الاصطناعي في عمل الشرطة من الأمن.

الخاتمة:

برز الذكاء الاصطناعي (AI) كأداة جوهرية تحقيق الأمن وزيادة مستوى الأمان في الدولة ، لأنه ينطوي على إمكانات هائلة لتعزيز قدرات إنفاذ القانون والمحافظة على مستويات الأمن في الدولة وذلك من خلال الاستفادة قدرات تقنيات الذكاء الاصطناعي ، تستفيد قطاعات الشرطة في جميع أنحاء العالم من التحليلات المتقدمة والأتمتة والقدرات التنبؤية التي تساعدهم على تبسيط العمليات واتخاذ قرارات أكثر كفاءة ومكافحة الجريمة بشكل فعال.

تتمثل إحدى أهم مزايا الذكاء الاصطناعي في عمل الشرطة في قدرته على تحليل كميات هائلة من البيانات في غضون ثواني معدودة. من خلال معالجة المعلومات من مصادر متعددة مثل كاميرات المراقبة وقواعد البيانات الجنائية والبصمات وبصمة الوجهة. تستطيع الأنظمة التي تعمل بالذكاء الاصطناعي تحديد الأنماط بسرعة واكتشاف التغير في الأنماط وتوليد رؤية استباقية قابلة للتنفيذ. وهذا يساعد كثيراً إدارات الشرطة وإنفاذ القانون في الاستجابة بشكل استباقي للتهديدات المحتملة ، ومنع الأنشطة الإجرامية في ظل التطور التكنلوجي الهائل، وتساهم في استغلال مواردها بشكل أكثر كفاءة.

النتائج:

جدوى تطبيق الذكاء الاصطناعي لمكافحة الجريمة والقبض على المجرمين. تحرص المؤسسات المعنية بالأمن على مواكبة التقنيات الحديثة واستراتيجيات التحول الرقمي.
تحليل الجريمة: يمكن استخدام الذكاء الاصطناعي لتحليل أنماط الجريمة ، بما في ذلك الاتجاهات في أنواع الجرائم والموقع والوقت من اليوم ، لمساعدة الشرطة على فهم النقاط الساخنة للجريمة وتركيز جهودهم وفقًا لذلك.
الدعم الاستقصائي: يمكن للذكاء الاصطناعي مساعدة المحققين في تحليل الأدلة وإيجاد الصلات بين الحالات التي تبدو غير ذات صلة. يمكن أن يساعد هذا الشرطة على حل الجرائم المعقدة التي كان من الصعب حلها لولا ذلك.
تحسين تحليل البيانات والتحقيقات: يمكن استخدام الذكاء الاصطناعي لتحليل البيانات وإعادة إنشاء الجرائم بشكل ثلاثي الأبعاد. يمكن للشرطة استخدام تقنيات الواقع الافتراضي لتحليل المشاهد المسجلة، مثل لقطات الكاميرات أو مشاهد الجرائم، والبحث عن أدلة إضافية أو فهم الأحداث بشكل أفضل.

التوصيات:

التدريب والتأهيل: من الجيد توفير التدريب والتأهيل لرجال الشرطة والأمن على استخدام التقنيات الذكاء الاصطناعي حيث إن اكتساب المعرفة والمهارات اللازمة لفهم واستخدام الأدوات والأنظمة المبنية على الذكاء الاصطناعي يؤدي إلى إنجاز بالمهام بشكل فعال.

التصميم الأخلاقي: يجب أن يتم تصميم نظم الذكاء الاصطناعي بمبادئ أخلاقية تضمن المساواة والعدالة وتجنب التحيزات العنصرية أو الجنسية أو العرقية ويجب أن تكون الأنظمة قابلة للتفسير والتحقق منها وتحقق التوازن بين الفوائد والمخاطر.
التعاون والشراكة: تُؤتى ثمار الشراكات القوية وتعزيز التعاون بين الجهات المعنية من خلال تطوير بناء التكنلوجيا والذكاء الاصطناعي، بما في ذلك الشرطة والأمن والمجتمع المدني والباحثين والمتخصصين في التكنولوجيا. إلى التعاون وتبادل المعرفة والخبرات، وتحسين استخدام الذكاء الاصطناعي وتطويره بشكل مستدام وفعال.

التقييم والتطوير المستمر وسد الثغرات في أجهزة مكافحة الجريمة: ينبغي إجراء تقييمات دورية ومراقبة مستمرة لأنظمة الذكاء الاصطناعي المستخدمة في الشرطة والأمن. يتعين مراجعة الأداء والنتائج وتقييم تأثير التقنيات على العمل الشرطي والأمني، وضمان تحقيق النتائج المرجوة وتحسين العمليات وفقًا للتحسين المستمر.

المراجع:

Harry Surden, Artificial Intelligence and Law: An Overview, 35 Ga. St. U. L. Rev. (2019). Available at: https://readingroom.law.gsu.edu/gsulr/vol35/iss4/8
Artificial Intelligence, ENG. OXFORD LIVING DICTIONARIES, 2023 https://en.oxforddictionaries.com/definition/artificial_intelligence
(2023, May 26). What is the history of artificial intelligence (AI)? (Tableau, Producer) Retrieved May 2023, from https://www.tableau.com/ : https://www.tableau.com/data-insights/ai/history#history
Manning, P. (2020). Artificial Intelligence Definitions. Stanford University.
Müller, Vincent C., “Ethics of Artificial Intelligence and Robotics”, The Stanford Encyclopedia of Philosophy (Summer 2021 Edition), Edward N. Zalta (ed.), URL = <https://plato.stanford.edu/archives/sum2021/entries/ethics-ai/>.
com: https://recfaces.com/articles/ai-facial-recognition#:~:text=Recognition%20AI%20FAQ-,What%20is%20AI%20facial%20recognition%3F,are%20detected%20in%20a%20scene.
P. A. K. Nagnath B, Deep Chokshi, Criminal identification system using facial recognition, International Conference on Innovative Computing Communication (ICICC) 2021 (2021).
Khaled YounisAbdullah, A new implementation of deep neural networks for optical character recognition and face recognition, Conference Paper: Research Gate (2017).
K. M. Manik Sharma, J Anuradha, G. S. C. Kashyap, Facial detection using deep learning, IOP Conference Series: Materials Science and Engineering (2017).
L. E. L.-M. Gary Huang, Marwan Mattar, Learning to align from scratch, Towards Data Science (2019).
Gasteiger, “Chemistry in Times of Artificial Intelligence,” ChemPhysChem, vol. 21, no. 20, pp. 2233–2242, 2020, doi: 10.1002/cphc.202000518.
Deniz, Y. (2023, April 20). How Artificial Intelligence (AI) Is Used In Biometrics. (aratek, Producer) Retrieved June 2023, from aratek.co: https://www.aratek.co/news/how-artificial-intelligence-ai-is-used-in-biometrics#:~:text=AI%20in%20Fingerprint%20Recognition,-%E2%80%8D&text=Machine%20learning%20techniques%20such%20as,solutions%20for%20fingerprint%20identification%20problems.