Home Notizie recenti I ricercatori utilizzano l’intelligenza artificiale per identificare potenziali luoghi non sicuri nelle...

I ricercatori utilizzano l’intelligenza artificiale per identificare potenziali luoghi non sicuri nelle città

209
0
I ricercatori del GIST utilizzano l'intelligenza artificiale per identificare potenziali luoghi non sicuri nelle città

L’identificazione di attributi specifici della posizione è un aspetto importante dell’intelligenza artificiale sociale. Tuttavia, i modelli che sono spesso addestrati su percezioni soggettive e immagini fisse non sono affidabili nella previsione del crimine. Ora, i ricercatori del GIST in Corea portano le cose al livello successivo addestrando una rete neurale con un set di dati georeferenziato di incidenti devianti segnalati e immagini sequenziali di luoghi devianti per determinare con precisione luoghi non sicuri collegando il comportamento deviante alle caratteristiche visive di una città. Credito: Gwangju Institute of Science and Technology

L’identificazione di possibili focolai di criminalità in una città è una questione importante per lo sviluppo della sicurezza urbana e può aiutare le autorità ad adottare le misure necessarie per rendere la città più sicura per i suoi residenti. L’efficacia di tali misure preventive dipende dall’accuratezza delle previsioni, che vengono fatte sempre più spesso da modelli basati sull’intelligenza artificiale (AI). La maggior parte dei modelli esistenti utilizza percezioni soggettive di luoghi sicuri, stato socioeconomico e immagini fisse di scene del crimine e solo pochi crimini violenti sono classificati come dati di input. Di conseguenza, c’è spesso una discrepanza tra le loro previsioni e la realtà.

In un nuovo studio pubblicato in Conferenza AAAI sull’intelligenza artificialei ricercatori del Gwangju Institute of Science and Technology (GIST) in Corea del Sud hanno proposto una strategia diversa basata su un set di dati su larga scala e sul concetto di “devianza”, che includeva non solo crimini violenti ma anche denunce civili riguardanti comportamenti che violano le norme sociali , chiamato anche “comportamento deviante”.

Di conseguenza, hanno sviluppato un modello di rete neurale convoluzionale, giustamente chiamato “DevianceNet”, e lo hanno addestrato utilizzando un set di dati georeferenziato di rapporti di incidenti devianti con corrispondenti immagini sequenziali dei luoghi degli incidenti acquisiti utilizzando Google Street View. “Il nostro lavoro è il primo studio che indaga la relazione tra l’aspetto fisico di una città e la devianza con le tecniche di apprendimento profondo”, commenta il Professore Associato Hae-Gon Jeon, che ha guidato lo studio.

I ricercatori hanno raccolto le immagini da 10 coordinate GPS entro un raggio di 50 m dal luogo degli incidenti segnalati e, per ciascuna posizione GPS, hanno considerato immagini con 12 direzioni per un totale di 120 immagini. Utilizzando i dati di cinque grandi città della Corea del Sud e due degli Stati Uniti, hanno addestrato e testato il loro modello con 2250 luoghi devianti e 760.952 immagini. Un set di dati così ampio ha migliorato le capacità di previsione del modello per rilevare possibili posizioni devianti. “Questo ha migliorato le attività di percezione visiva come riconoscimento, classificazione e localizzazione”, spiega il dottor Jeon. “La rappresentazione olistica di DevianceNet estratta da intere sequenze di immagini consente di classificare e rilevare con precisione i luoghi devianti”.

Poiché il modello può identificare comportamenti devianti dagli attributi visivi dell’ambiente, non è specifico della città e può essere utilizzato per identificare potenziali luoghi non sicuri anche quando i dati sugli incidenti criminali non sono disponibili. “Questo lo rende uno strumento utile nei paesi che hanno una scarsa tenuta dei registri. Il modello può anche essere integrato nei servizi di navigazione per suggerire rotte più sicure”, afferma il dott. Jeon, parlando delle implicazioni pratiche dello studio. “Inoltre, gli urbanisti possono utilizzare i risultati della previsione per capire come il layout della città o l’ambiente di progettazione possono essere riprogettati per ridurre i casi di comportamento deviante e attività criminale”.


Fornito da Gwangju Institute of Science and Technology

Articolo precedenteL’UE mira a porre fine all’accaparramento di dati da parte delle aziende
Articolo successivoUtilizzo della realtà virtuale per pianificare e praticare procedure chirurgiche cardiovascolari