人工知能（AI）は想像しうるほぼすべての産業で利用されており、公共の安全とセキュリティも例外ではない。世界中の都市がAIを活用し、プライバシーと基本的人権を守りつつ、市民の安全を確保している。監視や予測的な取り締まりにAIを活用することには明らかな利点がある。しかし、倫理やプライバシーをめぐる既存の課題もあり、公共安全におけるAIの採用は議論の的となるだろう。
最近のDeloitteの調査によると、スマートテクノロジーは犯罪を30％～40％1削減し、緊急サービスの対応時間を20％～35％短縮するのに役立ち、都市をより安全に、緊急サービスをより効果的にすることができる。現在、スマートシティでは、顔認識や生体認証（84％）、警察用の車載カメラやボディカメラ（55％）、ドローンや空中監視（46％）、クラウドソーシングによる犯罪報告や緊急アプリ（39％）など、さまざまなAIツールの導入がすでに始まっている。2
公共安全におけるAI利用
AIが世界中のスマートで安全な都市づくりに役立つ具体的な方法をいくつか紹介しよう。
テロリズムの脅威と活動との闘い
過去10年間で、テロリストは年間平均2万6000人を殺害している3。AIは99.9％以上の精度でテロリストのプロパガンダを検知することができ4、アップロードされた画像や動画を分析し、インターネットから削除することができる。これにより、オンライン・テロリズムの勧誘を防止し、有害なプロパガンダの拡散を阻止することができる。
不審な銀行取引を積極的に特定する
AIと機械学習は、データの異常を検出し、レッドフラッグや犯罪戦略に関する最新情報をリアルタイムで提供することで、バンキングをサポートすることができる。また、これらの膨大なデータを集約して傾向を特定することもできる。
自然災害への対応
機械学習アルゴリズムは衛星画像と提携することで、自然災害の潜在的な影響について政府関係者により深い洞察を与えることができる。例えば、ハリケーンの多い地域では、AIがどのような災害が発生し、どのシステムが故障し、どの地域が最も危険な状態にあるかを判断するのに役立つ。これにより、緊急対応チームがその地域に迅速に入るための待機態勢を整えたり、避難の優先順位を適切に決めたりすることができる。
群衆と交通整理
人混みは非常に危険である可能性があり、AIは人通りの多い場所や会場における不確実性とリスクの軽減に役立ちます。AIは、交通や人のルートを変更するための推奨事項を提供し、脅威への対応を最適化することもできる。例えば、COVIDの際には、AIが人通りの多い場所を監視し、最も接触者の多い表面のデータを集約するために使用された5。
公共安全におけるAIの実例
世界中の都市が、AIソリューションを行政や市民活動に導入し、治安の改善や犯罪の減少を図っている。
シンガポール
シンガポールは、警察、医療機関、国境警備、国土安全保障にAIを導入した最初の国のひとつである。例えば、シンガポール民間防衛隊は火災の追跡、監視、捜索救助にドローンのような無人航空機を使用している6。COVIDの期間中、SPOTONはシンガポールの560万人の住民を対象とした集団検温ソリューション7として使用された8、 一方、Ambiq®は、同国のTraceTogetherトークンで地域社会の連絡先追跡を可能にした。
日本では、ディープラーニング・アルゴリズムによるAIを活用した予測的取り締まりを行い、時間、場所、天候、地理的条件など、その他の犯罪の詳細へのアクセスを提供しながら、警察力の統計を測定している。
リオデジャネイロ
リオデジャネイロ政府は、オリンピック開催時に初めてCrimeRadarを活用した。この犯罪予測アプリは、犯罪率や、夜間や交通量の多いイベントなどの潜在的なリスクを監視するために、高度なデータを活用している。その結果、世界で最も危険な都市のひとつであるリオデジャネイロでは、犯罪が30～40％減少した9。
公共監視におけるAIのリスク
多くの分野でAIが採用されているように、公共の監視や安全における人工知能にも課題がないわけではない。不完全な技術が偏った結果につながることへの懸念は、普及を阻む大きな課題だ。
不完全な技術
AIは進化と改善を続けている。その一方で、人間がデータや洞察を事実確認する用意がなければ、潜在的に有害な判断に悪用される可能性もある。
バイアス
AIが作られると、その設計者のバイアスを吸収してしまう可能性がある。機械学習モデルの信頼性は、それを学習させるために使用されるデータと同じでしかない。機械学習モデルは、その設計者、あるいはデータを収集した科学者のバイアスを不注意にも反映してしまう可能性がある。実際、機械学習の基礎はバイアスのある事例で形成されているため（例えば、メラノーマ・モデルは、家族に病歴のある患者の予測を成功させるかもしれない）、正確なモデル構築のためのガイドラインを継続的に改善しなければならない。
Tech Targetによれば、開発者が以下のステップを踏めば、機械学習の偏りを改善することができるという。
- 潜在的なバイアスの原因を特定する
- 偏りをなくすためのガイドラインを設定する
- 正確な代表データを特定する
- データの選択とクレンジング方法を文書化する
- 偏りとパフォーマンスの両方についてモデルをスクリーニングする
- 実際に使用されているモデルをモニターし、レビューする
市民の自由とプライバシーへの懸念
また、多くの人々がAIの公共監視にまつわるプライバシーの懸念を持ち出している。これらのツールは、スマートシティに一日を通して個人の動きに関する大量の詳細なデータを提供し、AIが市民の自由を害する目的で使用されることへの懸念を提起している。
Ambiqの貢献
AIが人間の能力を補強する。公共の安全において、これは特に大勢の群衆や広大な物理的領域に対処する際に役立ちます。AmbiqのSPOT®テクノロジーは、公共安全の向上と市民の生活の質の向上に役立つAIツールに、最大限のエネルギー効率とバッテリー寿命の延長を提供します。
リソース
1 AIによる監視と予測警察｜2023年
2 AIによる監視と予測警察｜2023年
3 テロリズム｜2022年10月
4 AIはいかにして最新の公安官としての地位を確立しつつあるのか｜2020年1月1日
5 AIは群衆管理に最適なソリューションか｜2021年9月17日
6 シンガポールの展望｜2022
7SPOTON – 群集の温度スクリーニング用スマート・サーマル・スキャナー｜2022年8月11日
8 国家人口部門と人材部門 – 概要｜2023年7月5日
9 CrimeRadarが機械学習を使ってリオの犯罪を予測｜2016年8月
10 機械学習における様々なバイアスを減らす6つの方法｜2023年7月28日
