การบันทึกคดีอาชญากรรมที่เกิดขึ้นในฐานข้อมูลมีปริมาณมหาศาลหลายล้านคดี
การเกิดคดีแต่ละครั้ง เจ้าหน้าที่จะบันทึกคดีเป็นลายลักษณ์อักษรด้วยมือลงบนกระดาษ ซึ่งนำไปวิเคราะห์หาข้อมูลเชิงลึก
หรือและจำแนกคดีต่อได้ยาก และรูปแบบในการเก็บและจำแนกคดีที่ใช้อยู่นั้นก็เป็นอุปสรรคต่อการนำไปวิเคราะห์เช่นกันด้วยสาเหตุหลายประการ


ประการแรกคือ รูปแบบการเก็บข้อมูลดังกล่าวไม่ได้มีการจำแนกหมวดหมู่ของความผิดทางอาชญากรรมอย่างเป็นระบบ
&nbsp;และไม่มีโครงสร้างลำดับความสัมพันธ์ที่เป็นมาตรฐานซึ่งสอดคล้องกันกับทุกๆ
หน่วยงานที่รับผิดชอบในกระบวนการยุติธรรม เช่น สำนักงานตำรวจแห่งชาติ
สำนักงานอัยการสูงสุด สำนักงานศาล กรมราชทัณฑ์
และกรมคุมประพฤติ

ประการที่สอง รูปแบบการบันทึกข้อมูลของแต่ละหน่วยงานในสำนักงานตำรวจยังมีความหลากหลาย
และไม่เป็นไปในมาตรฐานเดียวกัน เช่น มีรูปแบบ
และรายละเอียดของการบันทึกพฤติการณ์คดีที่แตกต่างกันในแต่ละหน่วยงาน

ประการสุดท้ายคือ ข้อมูลพฤติการณ์คดีส่วนใหญ่ถูกบันทึกอยู่ในรูปแบบของตัวอักษรที่เป็นข้อความ (Text) ทำให้ยากแก่การนำมาใช้ศึกษาในเชิงสถิติ

ปัจจัยเหล่านี้ทำให้เจ้าหน้าที่ในกระบวนการยุติธรรมใช้ประโยชน์จากข้อมูลเกี่ยวกับคดีได้ยาก
จึงได้แก้ปัญหาโดยการนำหลักการจำแนกคดีที่เป็นสากลเข้ามาใช้
ซึ่งก็คือมาตรฐานระหว่างประเทศว่าด้วยการจำแนกประเภทอาชญากรรมเพื่อประโยชน์ทางสถิติ
(ICCS: The International Classification of Crime for Statistical Purposes) และประยุกต์ใช้เทคโนโลยี AI เพื่อช่วยจำแนกประเภทคดีตามมาตรฐานดังกล่าว
และสกัดข้อมูลสำคัญจากพฤติการณ์คดีรวมถึงเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดี เพื่อเข้ามาช่วยงาน
เสริมศักยภาพให้หน่วยงานช่วยให้เจ้าหน้าที่เห็นและเข้าใจภาพรวมของรูปแบบพฤติการณ์คดีของคดีอาชญากรรม จนนำไปสู่การปราบปราม รวมทั้งใช้ข้อมูลเชิงสถิติเพื่อวางมาตรการป้องกันเหตุที่จะเกิดขึ้นในอนาคต


โซลูชัน AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดีสนับสนุนหน่วยงานยุติธรรมได้อย่างไร

ทีมงาน VISAI ได้พัฒนา<a href="https://visai.ai/ai-solutions">โซลูชัน AI</a> โดยผสาน AI โมเดล 3 ประเภทเพื่อช่วยงานตั้งแต่การจำแนกประเภทคดี
ไปจนถึงระบุความสัมพันธ์ของสิ่งต่างๆ ในคดีนั้นๆ ได้แก่ โมเดล Text
Classification (TC), Named Entity Recognition (NER), และ Relation
Extraction (RE)

Text Classification - AI จำแนกข้อความ 

Text Classification (TC) คือ โมเดล AI ช่วยจำแนกประเภทโดยพิจารณาจากข้อความที่โมเดลได้รับ ตัวอย่างการนำไปใช้งานเช่น นำไปใช้จำแนกประเภทข้อความโดยดูจากหัวข้อเนื้อหาในข้อความ หรือจำแนกอารมณ์ของผู้ที่แสดงความคิดเห็นเกี่ยวกับสินค้าบนแพลตฟอร์มซื้อขายของโดยพิจารณาจากเนื้อหาของความคิดเห็น โซลูชัน AI ในโครงการนี้ Text Classification ถูกนำมาประยุกต์ใช้ในการจำแนกประเภทของคดีตามมาตรฐานระหว่างประเทศว่าด้วยการจำแนกประเภทอาชญากรรมเพื่อประโยชน์ทางสถิติ (ICCS) โมเดลดังกล่าวจะทำความเข้าใจเนื้อหาของคดีที่อยู่ในรูปตัวอักษรก่อนจะตัดสินว่าคดีดังกล่าวควรจัดอยู่หมวดหมู่อาชญากรรมประเภทใด

Named Entity Recognition - AI ระบุหาคำที่เป็นชื่อหรือสิ่งของ

Named Entity Recognition (NER) คือโมเดล AI ช่วยระบุประเภทของคำที่เป็นชื่อเฉพาะในเอกสาร
เช่น ชื่อคน ชื่อองค์กร รวมถึงคำที่สำคัญอย่างเช่น ตัวเลข วันเวลา จำนวนเงิน
ตัวอย่างการนำไปใช้งาน เช่น Named Entity Recognition จะระบุว่า
มหาวิทยาลัยเชียงใหม่ เป็น “มหาวิทยาลัย” รวมทั้งในบางโมเดลยังสามารถระบุเพิ่มเติมไปได้อีกว่า เป็นมหาวิทยาลัยที่ตั้งอยู่จังหวัด
“เชียงใหม่” สำหรับโซลูชัน AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดี ทีมพัฒนาได้นำโมเดล
Named Entity Recognition มาประยุกต์เพื่อระบุและแปะป้ายสิ่งที่เป็นชื่อเฉพาะและข้อมูลสำคัญ
เช่น ชื่อผู้ต้องหา ชื่อผู้เสียหาย อาวุธ ชื่อพยาน วันที่ เวลา สถานที่เกิดเหตุ
และข้อหาจากข้อมูลพฤติการณ์คดี ตัวอย่างเช่น
หากในบันทึกคดีมีการระบุว่า “นาย ก ผู้เสียหาย โดนชิงทรัพย์ และจึงเดินทางไปแจ้งตำรวจที่สน.”
โมเดลก็จะระบุออกมาได้ว่า [นาย ก] = &lt;Person_victim&gt; และ [นาย ก] = &lt;Report_victim&gt; หมายความว่า นาย ก เป็นบุคคลธรรมดาที่เป็นผู้เสียหาย
และเป็นบุคคลธรรมดาที่เป็นผู้แจ้งเหตุ

Relation Extraction - AI ระบุความสัมพันธ์ระหว่างหน่วยที่ระบุ

Relation Extraction (RE) คือโมเดล AI ที่ระบุความสัมพันธ์ระหว่างหน่วยที่ถูกระบุจาก
Named Entity Recognition ตัวอย่างการนำ Relation
Extraction ไปใช้งาน เช่น การนำไปพัฒนาเป็นระบบแนะนำเนื้อหาที่เกี่ยวข้อง
โดยอ้างอิงจากคำศัพท์ที่ถูกค้นหา หรือการนำไประบุความสัมพันธ์ระหว่างยาประเภทต่างๆ
ในบริษัทยา สำหรับเทคโนโลยี AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดี
ทางทีมพัฒนาได้นำโมเดล Relation Extraction
มาช่วยระบุหาความสัมพันธ์ระหว่างหน่วยที่ถูกระบุจากโมเดล Named Entity
Recognition จากข้อมูลพฤติการณ์คดี ตัวอย่างเช่น “นาย ก ไปรับยาบ้าจำนวน 1,000 เม็ดที่บ้านเลขที่ 123” โมเดลจะระบุว่า [ยาบ้า] &lt;&lt;to-recipient&gt;&gt;[นาย ก] หมายความว่าผู้รับยาบ้าคือนาย ก [ยาบ้า] &lt;&lt;At-location&gt;&gt; [บ้านเลขที่ 123] หมายความว่ายาบ้าอยู่ที่บ้านเลขที่ 123
และ [ยาบ้า] &lt;&lt;Attribute&gt;&gt;
[จำนวน 1,000เม็ด] หมายความว่ายาบ้ามีคุณสมบัติด้านจำนวนเท่ากับ 1,000 เม็ด 

ประโยชน์ของเทคโนโลยี AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดี

เมื่อนำเทคโนโลยี AI มาช่วยจำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดีเข้ามาใช้งานแล้วมีประโยชน์ต่อเจ้าหน้าที่ในการใช้ข้อมูลทางสถิติมาวางแผนออกมาตรการป้องกันอาชญากรรม
หรือหาลักษณะเด่นของอาชญากรรม ซึ่งนำไปสู่การช่วยปราบปรามอาชญากรรมดังกล่าว 

1. หาลักษณะเด่นของอาชญากรรม
ระบุพฤติกรรมของผู้ต้องหา 

เนื่องจากเทคโนโลยี AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดีได้ผ่านการเรียนรู้ข้อมูลคดีอาชญากรรมกว่าหลายล้านคดี
เจ้าหน้าที่สามารถใช้ข้อมูลเกี่ยวกับคดีอาชญากรรมที่ได้มาจากผลลัพธ์ของโมเดล Named
Entity Recognition และ Relation Extraction
มาจัดทำเป็นสถิติเพื่อดูลักษณะเด่นที่มีร่วมกันของคดีใกล้เคียงกัน

2. อำนวยความสะดวกให้เจ้าหน้าที่ในการวางแผนและปราบปราม

เมื่อใช้เทคโนโลยี AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดีแล้ว
จะทำให้เจ้าหน้าที่ได้รับข้อมูลลักษณะเด่นหรือรูปแบบที่มีร่วมกันของคดีอาชญากรรมที่คล้ายคลึงกัน
ทำให้เข้าใจพฤติกรรมของคดี จนสามารถนำไปวางแผนและปราบปรามได้มีประสิทธิภาพยิ่งขึ้น

3. ช่วยออกแบบมาตรการป้องกันล่วงหน้า

เทคโนโลยี AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดีช่วยให้เจ้าหน้าที่สามารถดูข้อมูลสถิติจากโมเดล
Text Classification ที่จัดประเภทคดีอาชญากรรมได้ว่าแต่ละปีมีคดีอาชญากรรมประเภทใดเกิดขึ้นเยอะจนเป็นปัญหาเร่งด่วนของสังคมเพื่อนำไปหาสาเหตุและพิจารณาแก้ไขร่วมกับหน่วยงานอื่นที่เกี่ยวข้องกับการรับมืออาชญากรรมดังกล่าว

อาชญากรรมถือเป็นปัญหาใหญ่ระดับประเทศที่เกิดขึ้นในทุกสังคม
การจะลดและแก้ไขปัญหาอาชญากรรมนั้นจำเป็นต้องอาศัยการบูรณาการร่วมมือกันจากหลากหลายฝ่าย
รวมถึงเทคโนโลยีที่ได้พัฒนาไปอย่างรุดหน้าและมีประสิทธิภาพสูงขึ้นอย่างก้าวกระโดดในทศวรรษที่ผ่านมา
ปัจจุบัน AI
สามารถเข้ามาช่วยทำความเข้าใจบันทึกคดีอาชญากรรมของประเทศที่มีปริมาณมหาศาลจนสามารถหารูปแบบและลักษณะเด่นของอาชญากรรมต่างๆ
ได้นำไปสู่การวางแผนปราบปรามและออกมาตรการในการป้องกันได้อย่างมีประสิทธิภาพยิ่งขึ้น
และหากองค์กรใดสนใจพัฒนาโซลูชันเฉพาะทางเพื่อเสริมศักยภาพให้กับองค์กรเช่นนี้
ติดต่อเราได้ที่<a href="https://visai.ai/ai-solutions" target="_blank">บริการ AI Solutions</a>

โซลูชัน AI จำแนกประเภทคดีและเชื่อมโยงความสัมพันธ์เหตุการณ์ในคดี