Frank Inklaar MSc is Senior Consultant bij Capgemini Digital Society. Hij richt zich op het toepassen van advanced analytics en Artificial Intelligence in het domein openbare orde en veiligheid.
Frank Inklaar
Business Analist
Frank Inklaar MSc is Senior Consultant bij Capgemini Digital Society. Hij richt zich op het toepassen van advanced analytics en Artificial Intelligence in het domein openbare orde en veiligheid.
De Europese grenzen staan onder druk. Met de komst van het Akkoord van Schengen (1985) zijn veel Europese binnengrenzen verdwenen en is het toezicht op de buitengrenzen steeds belangrijker geworden. Door de groei van de Europese Unie is die buitengrens ook langer en diverser geworden. Echter, is er nauwelijks sprake van uitwisseling van informatie over dat grensproces tussen de verschillende lidstaten. Kortom, de Europese informatievoorziening rond het grensproces heeft een grote slag te maken.
Dat gebeurt nu ook in het programma ‘Grenzen en Veiligheid’. Met 26 deelnemende lidstaten en nog meer betrokken instanties is de omvang van zo’n programma enorm, zo ook de risico’s. Welke inzichten heeft de ontwikkeling van informatiesystemen in het verleden opgeleverd die deze risico’s kunnen verkleinen?
In dit digitale tijdperk heeft de wijkagent meer informatie over gebeurtenissen tot zijn beschikking dan ooit. Informatie die in veel gevallen afkomstig is van burgers. Zij zijn immers vaak als eerste aanwezig op de plaats van handeling, en delen naar hartenlust real time informatie over de gebeurtenis. En dat is nog niet alles. De agent krijgt ook steeds meer informatie digitaal binnen vanuit lokale instanties, overheden en publieke en private sensoren en natuurlijk collega’s. Het is aan de agent om al die informatie uit te filteren. En daar gaat het vaak mis. Ons politie-apparaat lijdt aan ‘infobesitas’, zoals de auteurs van dit artikel betogen. Maatwerk is in de huidige manieren van informatiedeling vaak niet mogelijk, waardoor de agent meer informatie krijgt dan hij of zij aankan. Hoe leiden we de constante en nog steeds groeiende informatiestroom in goede banen? Volgens de auteurs kan een Intelligente Virtuele Assistent (IVA) daarbij helpen. Een vorm van AI die het maatwerk biedt in informatievoorziening dat agenten met hun individuele werkgebieden en specialismen nodig hebben. In dit artikel wordt uiteengezet hoe je zo’n IVA op een effectieve manier inzet, met oog voor de kwetsbaarheden.
In het onderzoek naar het neerhalen van vlucht MH17 werd de wereld tot twee maal toe verrast door de resultaten van het burgercollectief Bellingcat.
Zo slaagden ze er niet alleen in om de complete route van de BUK-lanceerinstallatie vanuit de Russische basis naar de lanceerplek in de Oekraïne en weer terug in kaart te brengen, maar ook om op basis van foto- en geluidsmateriaal de complete commandostructuur rond het transport en afvuren van de raket te achterhalen1.
Uiteindelijk resulteerde dit in een lijst met concrete verdachten en belangrijk bewijsmateriaal. En dit alles grotendeels op basis van informatie die voor iedereen op internet beschikbaar is (maar niet altijd makkelijk te vinden). Het bedrijven van onderzoek op basis van openbare informatie staat bekend onder de afkorting OSINT (Open Source Intelligence). Door de enorme groei van beschikbare open informatie (sociale media maar bijvoorbeeld ook satellietfoto’s) nemen de mogelijkheden van OSINT enorm toe, maar daarmee ook de uitdagingen om die optimaal uit te nutten. Wat is het geheim van de doelmatigheid van collectieven zoals Bellingcat? En hoe kunnen opsporingsinstanties daar ook gebruik van maken?
De nieuwe golf van toepassingen van kunstmatige intelligentie (Artificial Intelligence of AI) benadert ‘intelligentie’ op andere manier dan in het verleden: ze zijn eerder ‘intuïtief’ dan ‘redenerend’ van karakter. Dat biedt zeker kansen, maar ook risico’s voor de manieren waarop die systemen in de samenleving kunnen worden ingezet.
Met de komst van kunstmatige intelligentie ofwel artificial intelligence (AI) gaan IT-systemen zich steeds meer bemoeien met beslissingen die tot nu toe door menselijke functionarissen werden genomen. Daarmee wordt het belangrijk dat die systemen altijd te vertrouwen zijn. Maar aan de andere kant zijn die systemen steeds lastiger te doorgronden. Hoe tonen we de betrouwbaarheid van die systemen dan aan?