Bagaimana AI Dalam Menyelidiki Kejahatan – Menyelesaikan kasus kriminal membutuhkan kerja keras dari pihak kepolisian. Bagaimana jika mesin bisa membantu detektif menemukan petunjuk penting yang mereka perlukan?
Bagaimana AI Dalam Menyelidiki Kejahatan
detektiv – Gambar di komputer Eduardo Fidalgo menunjukkan pemandangan yang familiar – sofa penuh bantal, selimut terlipat di tempat tidur, mainan anak-anak di lantai. Kita biasanya melihat gambar ini di rumah kita. Tapi foto-foto yang tampaknya biasa ini bisa digunakan untuk membuat senjata baru untuk melawan kejahatan. Fidalgo dan rekan-rekannya menggunakan gambar tersebut untuk melatih mesin mencari petunjuk dalam gambar TKP.
Saat petugas polisi mengunjungi TKP atau rumah tersangka, mereka dihadapkan pada sejumlah besar informasi visual. Di balik barang-barang sehari-hari tersebut bisa saja terdapat bukti-bukti penting yang dapat menghubungkan seseorang dengan suatu kejahatan.
Fidalgo adalah ilmuwan komputer di Universitas Leon di Spanyol. Ia dan timnya berkolaborasi dengan National Cyber Security Institute (INCIBE) Spanyol untuk mengembangkan alat pendeteksi bukti yang menggunakan kecerdasan buatan. Tujuannya adalah untuk mengidentifikasi objek dari foto polisi dan mencari kaitannya dengan kejahatan lain.
Misalnya kamar tidur yang dilaporkan sebagai tempat pelecehan. Para pejabat mengambil banyak foto tempat-tempat tersebut dan mengumpulkan informasi penting di sepanjang jalan.
“Kamarnya ada benda, mainan, pola tirai, pola lantai, semuanya seperti itu,”” kata Fidalgo. “Dikatakan sistem dapat mendaftarkan mainan ini. Jika orang yang sama menggunakannya dalam kejahatan lain, informasinya bisa keluar.”
Hal ini mungkin tidak menghubungkan tersangka dengan kejahatan masa lalunya, namun dapat membuka penyelidikan yang diperlukan. Dan mungkin ada sesuatu yang tidak diperhatikan oleh peneliti (atau orang lain yang hadir).
Fidalgo dan rekan-rekannya telah mengembangkan sistem percontohan untuk ini, yang ia harap akan segera diuji oleh polisi Spanyol. Pada saat yang sama, dia mengatakan polisi saat ini juga menggunakan alat pengenalan gambar lainnya. Salah satu alatnya adalah koper besar yang berisi beberapa laptop. Komputer disiapkan untuk menganalisis sejumlah besar foto yang diunduh dari perangkat elektronik tersangka.
Sistem secara otomatis mengenali wajah-wajah yang dikenal dan memperkirakan usia dan jenis kelamin orang-orang dalam gambar. Alat tersebut juga dapat menemukan gambar anak-anak yang diduga korban pelecehan seksual, sehingga polisi tidak perlu menyaring semua informasi gambar yang tersedia.
“Ada benda di dalam kamar, mainan, tekstur di tirai, tekstur di lantai – semuanya seperti itu,”” kata Fidalgo. “Misalnya sistem dapat mendaftarkan mainan ini, dan jika orang yang sama menggunakannya untuk kejahatan lain, maka mainan tersebut dapat disita.”
Hal ini mungkin tidak secara pasti menghubungkan tersangka dengan kejahatan masa lalunya, namun hal ini tentunya dapat membuka jalur yang layak untuk diselidiki. Dan itu mungkin sesuatu yang terlewatkan oleh penyelidik, tergantung siapa yang ada di TKP.
Fidalgo dan rekan-rekannya telah mengembangkan sistem prototipe untuk hal itu, yang ia harap akan segera diuji oleh polisi Spanyol. Namun, menurut dia, saat ini kepolisian menggunakan alat pengenalan gambar lainnya.
Salah satu bagian dari kit ada di dalam koper besar yang berisi laptop. Komputer dipasang untuk menganalisis gambar yang diunduh dari perangkat elektronik tersangka. Sistem dapat secara otomatis mengenali wajah-wajah yang dikenali dan membuat perkiraan tentang usia dan jenis kelamin orang-orang dalam gambar. Ia juga dapat menemukan gambar-gambar potensial pelecehan seksual terhadap anak-anak tanpa petugas harus menyaring seluruh koleksi gambar.
Ini hanyalah salah satu cara kepolisian di seluruh dunia menggunakan AI untuk memerangi kejahatan. Teknologi ini digunakan untuk menganalisis foto, rekaman CCTV, bukti dan catatan kriminal untuk memberi mereka keunggulan dibandingkan mereka yang mencoba menghindari hukum. Ketika anggaran kepolisian semakin ketat di banyak belahan dunia, para pejabat senior kepolisian sering kali berharap bahwa AI akan membantu departemen-departemen yang menyusut untuk bertahan hidup. Pada gilirannya, masyarakat dijanjikan bahwa komunitas mereka akan lebih aman.
Ini hanyalah salah satu contoh bagaimana polisi di seluruh dunia menggunakan AI untuk memerangi kejahatan. Teknologi ini digunakan untuk menganalisis foto, rekaman CCTV, bukti dan catatan kriminal untuk membantu penjahat polisi yang mencoba melarikan diri dari hukum.
Ketika anggaran kepolisian semakin ketat di seluruh dunia, pejabat senior kepolisian sering kali berharap bahwa kecerdasan buatan akan membantu departemen mereka yang menyusut. Komunitas yang lebih aman juga dijanjikan kepada masyarakat.
Teknologi jenis ini telah digunakan lebih luas daripada yang diperkirakan banyak orang. Misalnya, Facebook baru-baru ini mengungkapkan bahwa mereka menggunakan kecerdasan buatan untuk mengungkap hampir sembilan juta gambar pornografi anak hanya dalam tiga bulan.
Hampir semua gambar tersebut belum pernah dilaporkan sebelumnya, sehingga memungkinkan Facebook memberikan informasi tentang kemungkinan pelecehan kepada Pusat Anak Hilang dan Tereksploitasi AS.
Sekitar 200 lembaga penegak hukum AS juga menggunakan algoritma yang dikembangkan oleh para peneliti di University of Southern California. Mereka mencari di Internet untuk mendapatkan nasihat tentang korban perdagangan manusia dan perdagangan seks.
Algoritme mencari dan mengekspos informasi yang terkandung dalam iklan seksual di web gelap dan terbuka sehingga peneliti dapat melacak calon korban.
Algoritme ini telah membajak 25 juta halaman dan terbukti sangat sukses sehingga Departemen Pertahanan AS sedang menguji penggunaannya untuk menyelidiki narkoba, penjualan senjata ilegal, dan produk palsu.
Mengumpulkan bukti kompleks adalah keterampilan AI yang sangat membantu para ilmuwan. Polisi Inggris sedang menguji perangkat lunak yang dikembangkan oleh perusahaan forensik digital Cellebrite yang secara otomatis memeriksa ponsel tersangka untuk mencari bukti potensial.
Perangkat lunak ini dapat menganalisis gambar dan pola komunikasi, wajah yang tumpang tindih, dan referensi silang dari beberapa perangkat, membantu petugas dengan cepat membangun gambaran rinci tentang sekelompok pola komunikasi yang mencurigakan. Perangkat lunak tersebut baru-baru ini digunakan untuk mengidentifikasi pejabat Thailand yang terlibat dalam kasus perdagangan manusia, termasuk petugas polisi, tiga politisi, dan seorang jenderal angkatan darat.
Algoritme juga dapat memproses data polisi untuk mengidentifikasi kemungkinan kaitan antar kasus kriminal. Idenya adalah untuk membantu polisi memahami bahwa individu, bukti atau pola kejahatan benar-benar ada, kata William Wong, seorang profesor interaksi manusia-komputer di Middlesex University. Ia membantu mengembangkan sistem yang disebut Analisis Visual Valcri untuk Pemahaman dalam Analisis Intelijen Kriminal.
“Kami tidak meminta mesin untuk memberi Anda jawaban, hanya untuk memberi tahu Anda apa yang mungkin penting,” dia berkata. “Tunjukkan pada saya hal lain dalam database beragam ini yang menyerupai terjadinya kejahatan ini” Setelah beberapa tahun pengujian dasar dengan kepolisian di Eropa, termasuk Inggris, Valcri siap menjadi alat kerja.
“Kami tidak lagi mengujinya dengan data anonim palsu, tapi sekarang kami mengujinya dengan data real-time,” kata Wong. Dia mengatakan sistem ini dapat membantu menyelesaikan kejahatan nyata untuk pertama kalinya dalam beberapa bulan mendatang.
Kekuatan database kepolisian yang belum dimanfaatkan dan menunggu untuk dimasukkan ke dalam kecerdasan buatan sungguh menakjubkan, kata Ruth Morgan, pakar forensik di University College London.
“Potensinya sangat fenomenal,” ujarnya. Pada saat yang sama, dia menunjukkan bahwa dengan menggunakan algoritma tidak selalu mungkin untuk memeriksa keputusan mereka nanti di pengadilan.
Teknologi ini merupakan hak milik dan perusahaan pemiliknya tidak mau membocorkan rahasianya, atau sistemnya sangat rumit sehingga hampir mustahil untuk membuktikan bagaimana teknologi tersebut mencapai kesimpulannya. Hal inilah yang menjadi salah satu kendala mengapa teknologi ini sulit diadopsi secara lebih luas.
Namun, banyak potensi penerapan yang masih dieksplorasi.
Baca juga : Potensi Teknologi AI Di Dunia Pendidikan Indonesia
Morgan sendiri sedang mengerjakan sistem analisis gambar yang dapat menghitung partikel mikroskopis yang ditemukan di sol sepatu mencurigakan. Misalnya serbuk sari atau sisa tembakan. Dari banyaknya barang tersebut di dalam sepatu, petugas dapat memperkirakan sudah berapa lama pemakainya berada di suatu area tertentu.
Menghitung partikel ini bisa memakan waktu berminggu-minggu bahkan berbulan-bulan jika dilakukan oleh ahli forensik. Mesin hanya membutuhkan beberapa jam untuk secara otomatis mencitrakan partikel-partikel ini, dan berjam-jam untuk menghitungnya, kata Morgan.
Setelah menguji sistem penghitungan partikel, ia kemudian berharap dapat mengembangkan algoritma yang dapat mengidentifikasi jenis partikel yang ada, seperti jenis serbuk sari.
Dalam forensik, petunjuk kecil seperti ini bisa menimbulkan konsekuensi terbesar. Analisis DNA memiliki dampak besar pada investigasi kriminal sejak diperkenalkan 30 tahun lalu. Namun DNA masih menjadi tantangan besar. Seringkali, ketika sampel diambil, misalnya dari pakaian, benda, atau tubuh korban, DNA juga dikumpulkan dari sumber yang berbeda. Hal ini dapat mencakup materi genetik dari korban, tersangka, petugas polisi, saksi atau bahkan hewan peliharaan. Bagaimana Anda bisa membedakan mereka dan mengidentifikasi “pembantu”?
Ini adalah jenis pekerjaan yang biasa dilakukan oleh analis DNA manusia, namun prosesnya sangat memakan waktu dan kesalahan mudah dilakukan. Sebuah penelitian yang dilakukan beberapa tahun lalu menemukan bahwa 74 dari 108 laboratorium forensik di Amerika Serikat mendeteksi DNA dari tiga orang dalam sampel yang mereka uji hanya mengandung materi genetik dari dua orang. Dalam kehidupan nyata, hal ini dapat menyebabkan partisipasi orang-orang yang tidak bersalah dalam kejahatan. Jika laboratorium lebih dapat diandalkan dalam mengidentifikasi jumlah partisipan dalam suatu sampel, kemungkinan kesalahan seperti itu akan lebih kecil.
Baca juga : Cincin Pintar Menjadi Salah Satu Tren Teknologi
Michael Marciano dan Jonathan Adelman dari Institut Sains dan Keamanan Forensik Nasional AS, bagian dari Universitas Syracuse di New York, menciptakan sistem yang disebut Penilaian Pace-Probabilistic untuk Estimasi Kontributor – untuk membantu mereka melakukan hal ini. Mereka melatih algoritma pembelajaran mesin pada ribuan sampel sampel yang mengandung DNA dari berbagai sumber.
Sedikit demi sedikit, algoritma belajar membedakan sampel yang mengandung DNA dari dua orang, sampel yang mengandung tiga set DNA, dan seterusnya. Meskipun Pace masih belum bisa memastikan 100% jumlah partisipannya, Marciano dan Adelman mengatakan Pace sedikit lebih akurat dibandingkan metode analisis pesaingnya.
Namun pembelajaran mesin mempercepat proses sehingga hasil maksimal terlihat hanya dalam tiga menit, kata Marciano. Terkadang bagian yang ditinggalkan seseorang lebih dari sekedar genetik, namun masih menimbulkan kebingungan. Polisi yang mencari orang hilang atau korban pembunuhan terkadang menemukan potongan tulang.
Antropolog forensik saat ini mengumpulkan pecahan tengkorak dan membangun lapisan jaringan wajah menggunakan bahan seperti tanah liat untuk merekonstruksi wajah. Pekerjaan ini sangat padat karya dan keakuratannya dapat bervariasi dari satu antropolog ke antropolog lainnya. Xin Li, seorang ilmuwan komputer di Louisiana State University, berpendapat bahwa mesin dapat membantu.
Dia mengembangkan sistem yang dapat memindai beberapa pecahan tengkorak secara 3D dan menyatukannya seperti puzzle dengan potongan yang hilang. Sistem yang dilatih tentang bentuk dan proporsi tengkorak manusia sudah mengetahui cara mengisi kekosongan secara digital dengan akurasi yang wajar. Tapi bagian selanjutnya sangat cerdas. Li juga melatih algoritma pada foto wajah manusia untuk menemukan wajah yang paling cocok dengan rekonstruksi tengkorak di bawahnya.
Saat sistem disajikan dengan tengkorak yang tidak diketahui, sistem akan membuat ribuan rekonstruksi 3D dan kemudian mencari yang paling cocok. “Kami mengumpulkan banyak gambar dari Internet. Pertama, kami mencoba merekonstruksi [setiap] wajah 3D,” jelasnya. “Kemudian kami melakukan apa yang kami sebut overlay untuk mencocokkan wajah 3D tersebut dengan tengkorak.”