Hvordan kunstig intelligens kan hjælpe i kampen mod menneskehandel

Forbrydelsen menneskesmugling - defineret af det amerikanske ministerium for indenrigssikkerhed som moderne slaveri, der "involverer brug af magt, svig, eller tvang til at opnå en eller anden form for arbejdskraft eller kommerciel seksuel handling - er notorisk vanskeligt at retsforfølge.

"Det er ofte fejlidentificeret som en enkelt, isoleret kriminalitet, som prostitution eller en narkotikaforbrydelse, " siger Dan Lopresti, professor og formand for afdelingen for naturvidenskab og teknik ved Lehigh University's P.C. Rossin College of Engineering and Applied Science. "Og medmindre du sætter brikkerne sammen, du er ikke klar over, at der er et meget større billede."

En gruppe af beregningsforskere, eksperter i kunstig intelligens (AI) og andre medlemmer af teknologisamfundet går sammen med politiske eksperter, retshåndhævende embedsmænd, aktivister og overlevende for at hjælpe med at sætte brikkerne sammen.

"Forestil dig de teknikker, som Google og Facebook bruger til at tjene penge - at forstå folk, måden de forbinder, hvad deres interesser er, hvad de kan købe eller de aktiviteter, de deltager i, " siger Lopresti. "Vi kan anvende de samme teknikker – data mining, tekst mining, det, der kaldes graph mining - AI, der bliver brugt til legitime og virkelig rentable formål, at spore denne ulovlige adfærd."

Selvom menneskehandlere har taget internettet og sociale medieplatforme til sig for at rekruttere potentielle ofre og reklamere for kunder, Lopresti siger, de samme netværk giver mulighed for at udrydde kriminel aktivitet.

Som medlem af forretningsudvalget for Computing Research Association's Computing Community Consortium (CCC), Lopresti hjalp med at organisere en to-dages konference i FN i februar kaldet Code 8.7:Using Computational Science and AI to End Modern Slavery. Konferencen samlede topforskere, politiske beslutningstagere, samfundsforskere, repræsentanter for teknologisamfundet og overlevende for et dybt dyk ned i emnet.

Navnet Kode 8.7 refererer til mål 8.7 i FN's mål for bæredygtig udvikling, som søger at standse tvangsarbejde, moderne slaveri, og menneskehandel inden 2030, og de værste former for børnearbejde inden 2025.

For Lopresti, tiden er moden til at gå ud over vores afhængighed af gode – men tilfældige – observationer for at afsløre forbrydelser i forbindelse med menneskehandel. Det er tid, han siger, at udnytte teknologi til at støtte uddannet retshåndhævelse i at tackle dette komplekse problem.

"At finde en løsning på problemet med menneskehandel er ikke kun en teknisk løsning. Det involverer også socialpolitisk og politisk, " siger han. "Som forsker, hvis du ikke forstår dette, du kunne finde på en løsning, som du synes er elegant matematisk, men som er fuldstændig irrelevant i den virkelige verden. Så derfor ville vi gerne være i samme rum med samfundsforskerne og politikerne."

Siden 2015 har Jennifer Gentile Long, er uddannet fra Lehigh og administrerende direktør for Aequitas – en ressource for anklagere, der arbejder med sager om menneskehandel og kønsbaseret vold – og Lopresti har samarbejdet om datalogi-baserede indsatser for at hjælpe AEquitas med at administrere og gøre brug af den store mængde af tekstdata i juridiske dokumenter for at understøtte organisationens arbejde med at hjælpe anklagere med at opbygge stærkere sager.

Konferencen, som var vært sammen med United Nations University Center for Policy Research, Alan Turing Institute, Tech Against Trafficking, University of Nottingham Rights Lab, og Arizona State University Global Security Initiative, satte gang i, hvad arrangørerne planlægger at være et flerårigt samarbejde omkring problematikken.

"Det var forbløffende at se eksperter på alle disse områder gå sammen og forsøge at koordinere indsatsen, så folk arbejder hen imod løsninger, ikke fungerer tilfældigt, " siger Long. "De gør en sand indvirkning på denne forbrydelse - ved at identificere ofre på steder, hvor de savnes, give muligheder for at forlade og finde tryghed, identificere gerningsmænd, og ser på politik i en koordineret indsats. Og det er så fantastisk at se Lehigh, på en måde, sidder forrest ved bordet."

Under konferencens afsluttende session, overlevende fra menneskehandel delte deres historier med deltagere.

"Det mindede alle om, " siger Lopresti, "at selvom vi taler om information, data, og politik, som alle virker abstrakte, dataene er rigtige mennesker. Man kan ikke behandle et problem som dette abstrakt."

"Teknologi alene kan ikke løse problemet, " tilføjer Long, "men når vi kombinerer det med træningsindsats for at udvikle højt kvalificerede, traume-informerede efterforskere og anklagere, vi kan forbedre ofrenes identifikation og sikkerhed."

Mining af data for skjulte beviser

Loprestis deltagelse i den globale diskussion omkring moderne slaveri følger hans arbejde uden for universitetet på lokalt plan, gennem sit engagement i det regionale efterretnings- og efterforskningscenter (RIIC) i Allentown, Pa., en by med mere end 120, 000 beliggende nær Betlehem, hvor Lehigh University ligger.

Lanceret i 2013, RIIC har "revolutioneret" måden områdepolitiafdelinger "analyserer og deler indsamlede data for at opklare forbrydelser, " ifølge kontoret for Lehigh County District Attorney James Martin.

"Jeg anede ikke i vores egen baghave, at det her foregik, " siger Lopresti. "Men den samme grund, der får Amazon til at bygge et stort lager i denne region af landet - tilgængelighed for store befolkninger - er grunden til, at denne region, kendt som Lehigh Valley, er også et knudepunkt for menneskehandel, narkotikahandel, bander, og nogle meget alvorlige kriminelle aktiviteter."

Lopresti, som er ekspert i dokumentanalyse og mønstergenkendelse, arbejder sammen med RIIC-direktør Julia Kocis, anklagere, retshåndhævende embedsmænd og andre Rossin College datalogi og ingeniørfakultet medlemmer—Jeffrey D. Heflin, Sihong Xie, og Eric P.S. Baumer – for at hjælpe med at overvinde udfordringerne ved at omsætte enorme mængder data, primært fra politiets hændelsesrapporter, til noget brugbart, trods begrænsede ressourcer.

"Hvis en ekspert sætter sig ned og læser nok af disse, han eller hun vil finde en rød tråd – denne person er relateret til dette sted, som er relateret til denne aktivitet, som er relateret til denne anden person, " siger han. "Problemet er, de har millioner af disse rapporter og har bare ikke tid nok til at læse dem igennem. Vi udvikler naturlige sprogteknikker, tekstmining og datamining-teknikker, der er orienteret mod at behandle en masse data for at identificere adfærdsmønstre, der afspejler ulovlige aktiviteter relateret til menneskehandel."

Kocis præsenterede deres arbejde på Code 8.7, understreger den "rigdom af beviser, der er beviser, der gemmer sig i fri tekst og ustrukturerede data, som AI-teknikker kan hjælpe med at identificere." Ifølge Lehigh County DA's kontor, "Effektiv adgang til disse oplysninger vil placere retshåndhævelse i en bedre position til at hjælpe ofre, efterforske og retsforfølge menneskehandlere og afskrække købere."