Axon سازنده Taser استفاده از هوش مصنوعی را برای سرعت بخشیدن به کار الزامی می کند زیرا ابزارهای نظارتی آن در معرض بررسی دقیق قرار می گیرند.

زمانی که ریک اسمیت Taser International را در سال 1993 در گاراژی در آریزونا تأسیس کرد، دیدگاه اولیه او شامل گرفتن دستگاهی بود که در ابتدا توسط یک دانشمند ناسا ساخته شده بود و طراحی مجدد آن به گونه‌ای بود که آن را برای سازمان‌های مجری قانون خوشایند کند.

بیش از سه دهه بعد، شرکت اسمیت - که اکنون Axon Enterprise نامیده می شود - بیش از یک میلیون دستگاه Taser را فروخته و مجموعه خود را برای شامل دوربین های بدنه، پهپادها و دوربین های پلاک خوان به مجریان قانون، امدادگران اضطراری و مشتریان امنیتی بخش خصوصی متنوع کرده است.

اخیرا، Axon بر فروش نرم افزارهای مجاور و ابزارهای هوش مصنوعی نیز تمرکز کرده است و به شرکت کمک می کند تا ده فصل متوالی رشد درآمد بالای 30 درصد را گزارش کند. اما فشار آن به هوش مصنوعی با تشدید انتقادها در مورد نحوه استفاده افسران از این فناوری ها برای نظارت همزمان است.

افسران پلیس یا اخراج شده اند یا متهم به استفاده از دوربین های مجهز به هوش مصنوعی Flock Safety برای تعقیب شرکای عاشقانه سابق و سایر ارتباطات شخصی شده اند. سیستم‌های هوش مصنوعی در سال 2023 به اشتباه منجر به دستگیری مردی شد که متهم به تلاش برای اغوا کردن یک کودک از مک‌دونالدز بود، و اخیرا منجر به گذراندن دو هفته از یک زن فلوریدا در زندان شد که به اشتباه در یک حادثه مرگبار با ضرب و شتم متهم شده بود.

بیشتر خشم مردم بر روی Flock متمرکز شده است. Axon همچنین با انتقاداتی روبرو شده است که ابزارهای هوش مصنوعی آن که به افسران کمک می‌کند تا گزارش‌های پلیس را بنویسند، اشتباه می‌کنند، اگرچه این شرکت می‌گوید این در یک دوره دسترسی اولیه رخ داده است، زمانی که آژانس‌ها می‌توانند قبل از عرضه گسترده‌تر محصول بازخورد ارائه دهند. و اوایل این ماه، شورای شهر لس آنجلس به تاخیر انداختن یک برنامه آزمایشی با Axon رای داد که پلاک‌خوان‌های مجهز به هوش مصنوعی را به چراغ‌های خیابان متصل می‌کرد.

در ماه آگوست، اسمیت اذعان کرد که یک جنبش ضد جاسوسی نوظهور وجود دارد که بازتاب واکنش شدید پس از انتشار تیزرها بود. اسمیت در جریان ارائه سود سه ماهه دوم شرکت به سرمایه گذاران گفت: «هر فناوری جدید در ایمنی عمومی یک دوره تعدیل را طی خواهد کرد و من می گویم منتقدان همگی اشتباه نمی کنند.

جف کونینز، که نقش دوگانه مدیر محصول و مدیر ارشد فناوری در Axon را بر عهده دارد، به فورچون می‌گوید که گفتمان عمومی در مورد نظارت و هوش مصنوعی یک موضوع پیچیده است که نیاز به یک گفتگوی ظریف دارد.

کونینز گفت: «من شخصا یک مترقی تمام عمر و سرسخت هستم، و به این دلیل اینجا هستم، نه با وجود آن. "ما کار خود را به عنوان استفاده از فناوری برای بهبود شفافیت و مسئولیت پذیری در هر دو طرف می دانیم ... و نقش ما ساختن فناوری است که امنیت عمومی را تسهیل می کند."

وقتی Axon ویژگی‌های جدیدی را توسعه می‌دهد، Kunins می‌گوید که یک گروه مستقل شخص ثالث به نام شورای مشورتی اخلاق و عدالت، توصیه‌هایی را در طول فرآیند طراحی و توسعه محصول ارائه می‌کند.

او می‌گوید زمانی که Axon Draft One را توسعه داد، که از هوش مصنوعی مولد برای گرفتن صدای دوربین بدن و تبدیل آن به اولین پیش‌نویس گزارش پلیس استفاده می‌کند، مواردی وجود داشت که رونوشت تولید شده توسط هوش مصنوعی، تعصب را بر اساس قومیت سوژه معرفی کرد. مدل‌های زبان بزرگ متنی تولید می‌کنند که می‌گوید یک سوژه سفید «صحنه را ترک می‌کند»، در حالی که یک فرد سیاه‌پوست «از صحنه فرار می‌کند»، حتی زمانی که همه عوامل دیگر در مورد یکسان بودند.

کونینز می‌گوید: «بدیهی است که این نمونه‌ای آشکار از تعصب نامناسب است که از مدل‌ها صرفا به دلیل توصیف رنگ پوست فرد ظاهر می‌شود. Axon مدل ها را به دقت تنظیم کرد تا اطمینان حاصل شود که خروجی ها سازگارتر هستند و سوگیری مضر را معرفی نمی کنند.

سایر ابزارهای هوش مصنوعی که این شرکت به کار گرفته است عبارتند از Axon Assistant، ابزاری که می تواند بیش از 50 زبان و لهجه را که در دوربین بدن صحبت می شود ترجمه کند و به افسران اجازه می دهد بدون نیاز به مترجم انسانی در میدان ارتباط برقرار کنند.

برای نزدیک به یک دهه، Axon همچنین از هوش مصنوعی برای کمک به ادارات پلیس برای ویرایش داده‌های فیلم‌برداری دوربین، محو کردن چهره افراد حاضر، پلاک‌ها و سایر جزئیات حساسی که در یک پرونده فعال دخیل نیستند، استفاده کرده است. پیش از این، یک کارمند مجری قانون باید به صورت دستی تمام فریم های ویدیو را مرور کند تا آن جزئیات شخصی را پنهان کند تا فیلم بتواند با وکلا، مطبوعات و مردم به اشتراک گذاشته شود.

در داخل، Kunins همکاری بین تیم مهندسی و پایگاه گسترده‌تر کارکنان را از طریق جلسات آموزشی هکاتون تشویق کرده است. بخش فناوری اطلاعات همچنین وظیفه سفارشی‌سازی برخی از ویژگی‌های هوش مصنوعی از فروشندگان نرم‌افزار، از جمله Workday و Salesforce را دارد تا گردش‌های کاری را خودکار کند.

تلاش قاطعانه تری برای ترویج استفاده از هوش مصنوعی در میان تیم تحقیق و توسعه Axon که در مجموع حدود 2200 کارمند دارد، وجود دارد. کونینز می‌گوید که تا پایان سال 2026، آکسون انتظار دارد که تمام کارهای مربوط به مدیریت محصول، طراحی و مهندسی نرم‌افزار بین 25 تا 30 درصد فشرده شود که به نیروی کار و ظرفیت سازمانی کمتری نسبت به آنچه که در صورت توسعه پروژه‌های مشابه بدون هوش مصنوعی نیاز است، نیاز دارد.

برای رسیدن به این هدف، کونینز می‌گوید که رویکرد هویج و چوب را پذیرفته است. هر تیم یک هدف اجباری 10 درصدی در افزایش بهره‌وری دارد، به این معنی که خط پایه مستلزم آن است که همه منابع کمتری برای پیشبرد ویژگی‌ها و محصولات جدید داشته باشند. به گفته Kunins، اگر تیم‌ها بتوانند نشان دهند که این سودها را بیش از 15 درصد تسریع کرده‌اند، Axon به آنها کمک هزینه سهام اعطا می‌کند، تا زمانی که تیم گسترده‌تر به حداقل آستانه 10 درصدی دست یابد.

کونینز می‌گوید: «ما انتظار داریم که شتابی حدود 25 درصد داشته باشیم، نه فقط در بخش کدگذاری، بلکه در کل تلاش شخص برای این ویژگی‌ها.

جان کل

این داستان در ابتدا در سایت Fortune.com منتشر شد