ИИ-инструмент на платформе Azure позволяет следователям и аналитикам обнаруживать закономерности в разнородных наборах данных.
Инструмент ИИ Söze увеличил скорость детективной работы. Он разработан компанией Akkodis (Австралия) для решения проблем обработки данных, которые часто возникают у полиции, пишет interestingengineering.com.
Söze применяет интеллектуальные метрики для анализа связей, коммуникаций, сетевого анализа, обнаружения объектов, векторизации, геопространственного анализа, анализа текста и распознавания лиц. Инструмент способен просматривать доказательные материалы по 27 сложным делам всего за 30 часов — по оценкам, у человека ушло бы до 81 года на это. Иными словами, ИИ работает в 23 600 раз быстрее, чем люди в детективной работе.
Одним из преимуществ Söze является способность обнаруживать закономерности в разнородных наборах данных на уровне анализа, который невозможен с использованием текущих методов. Этот ИИ автоматически анализирует информацию из нескольких источников одновременно. Он хорошо зарекомендовал себя в различных ситуациях, когда расследовали убийства, массовые преступления, деятельность организованной преступности, искали пропавших без вести, отслеживали торговлю людьми, расследовали финансовые преступления и аферы, торговлю наркотиками, искали киберпреступников.
Söze, созданный на платформе Azure, поддерживается одной из крупнейших в мире технологических компаний — Microsoft. Облачная природа решения устраняет необходимость в больших тратах, локальном управлении оборудованием или программным обеспечением, а также обеспечивает практически постоянный поток разработки и расширения возможностей. Инструмент облегчает рутинные и повторяющиеся аналитические задачи, которые отнимают время у аналитиков и следователей и приводят к задержкам в следственных мероприятиях.
По данным компании, автоматизируя трудоемкий анализ, опытные аналитики и следователи могут сосредоточиться на более конкретных областях и заниматься отдельными версиями. Akkodis утверждает, что Söze также использует функции машинного обучения, чтобы глубже вникать в существующие данные и находить связи и закономерности, которые людям было бы сложно обнаружить.