评论 今年到目前为止，美国已经发生了 250 多起大规模枪击事件，人工智能倡导者认为他们有解决办法。 不出所料，不是枪支管制，而是更好的技术。
机器学习公司 Kogniz 周二宣布，它正在增加一个准备部署 枪支检测模型 到其计算机视觉平台。 我们被告知，该系统可以检测安全摄像头看到的枪支并向处于危险中的人发送通知、通知警察、锁定建筑物和执行其他安全任务。
除了发现枪支外，Kogniz 还使用其其他计算机视觉模块来发现异常行为，例如孩子们在走廊上冲刺或有人从窗户爬进来，这可能表明枪手处于活跃状态。
如果你想知道代码的误报率或错误率，Kogniz 说它有一个“多通道 AI”和“一个训练有素的人工验证团队”来检查其检测软件的结果。 您要么欢迎这种额外的确认，要么将其视为在最需要计算机时可能会依靠人类的技术。
“[我们的解决方案] 让公司、政府机构、学校和医院更轻松地做好准备，然后帮助减少活跃的枪击事件造成的伤害，”Kogniz 首席执行官丹尼尔·普特曼 (Daniel Putterman) 说。
Kogniz 并不是第一家涉足枪支识别领域的计算机视觉公司——有相当多的公司部署了类似的技术，其中一些公司，比如 ZeroEyes，只专注于枪支检测。
“通过将注意力分散到多种产品上，开发人员无法在枪支检测方面提供最好的服务，”ZeroEyes 在 博客文章. ZeroEyes 的技术已在 14 个州的学校部署，包括 牛津高中 在底特律地铁，去年一名 15 岁的枪手打死四人，打伤七人。
其他供应商——例如 Defendry，它有一个安全套件，包括一个紧急按钮应用程序、音频枪声传感器、急救无人机和枪支检测 AI； 和 Omnilert——都在这个令人沮丧的增长市场。 人工智能枪支检测领域的其他公司包括 Arcarith、Athena Securities 和 Scylla。
真的有足够的时间吗？
2019 年，警方对俄亥俄州代顿市大规模枪击事件的反应时间仅为 32 秒，在此期间有 2021 人死亡。 XNUMX 年在印第安纳波利斯联邦快递设施发生的造成 XNUMX 人死亡的枪击事件在警察到达之前也已经结束，尽管他们在几分钟内就到达了。
这两种情况都提出了人工智能枪支检测是否可以减少响应时间以挽救生命的问题。 特别是如果警察太害怕或选择不实际回应，例如在 Uvalde 的大规模谋杀案中。
已经提出了其他几种基于人工智能的大规模射击预防方法，例如 智能枪 如果他们检测到人类目标，它就不会开火。 其他人建议根据过去枪击事件、当地枪支购买和社会经济数据的数据对 AI 进行培训，以发现表明有计划的枪击事件的趋势，并在社交媒体上扫描类似指标。
还有 AI偏差，以 有据可查的问题 即使是多样化的数据集和平衡的训练 似乎无法解决. 以 2020 年在纽约学区部署面部和枪支识别技术为例：学区与部署该系统的公司之间的电子邮件普遍显示出对它的担忧 误认 东西，例如枪支的扫帚柄。
美国公民自由联盟高级政策分析师杰伊·斯坦利在接受犹他州出版物 Deseret News 采访时 说过 他担心计算机视觉系统可能会导致一个世界“人们避免做一些简单的事情，比如跳过人行道，因为害怕引发异常探测器并被警察讯问。”
不过，人工智能的一种可能用途可能更有希望：2018 年 根据一项研究， 来自辛辛那提儿童医院医疗中心的研究发现，人工智能对治疗课程的分析在 91% 的情况下都与精神科医生和咨询师的危险评估一致。 增加人口和社会经济数据只会改善识别有暴力行为风险的年轻人的结果。
有这么多潜在的并发症，机器学习真的准备好防止大规模谋杀了吗？
枪支暴力是 第一杀手 的儿童和青少年每天平均夺去 12 条年轻人的生命，并造成 32 多人受伤。 人工智能可能会有所帮助，但在不解决其缺点的情况下，可能还需要较少的技术方法。 更强大、更广泛的心理健康护理可能是一个好的开始。
本月早些时候，拜登总统 被称为 包括禁止攻击性武器、扩大背景调查和限制杂志容量，他称之为“理性的、常识性的措施”。 ®
