Международната организация на труда съобщи през 2021 г., че 27,6 милиона души са били ангажирани в принудителен труд по целия свят — около две трети от които са били жертви на експлоатация в частния сектор. През последните години имаше шокиращи твърдения за трудова експлоатация в строителната, производствената и риболовната промишленост.
Въпреки това, новите методи за откриване, задвижвани от него, биха могли да дадат така необходимия тласък на усилията за борба с трафика чрез осигуряване на точност и ефективност. За да се използва пълният потенциал на тези нововъзникващи технологии, бизнесът, неправителствените организации и изследователите ще трябва да работят заедно.
Например в риболовната индустрия често се прибягва до експлоататорски трудови практики,
за да се отговори на нарастващото глобално търсене на морски дарове . Трафикантите в тази индустрия се възползват от условия, които правят експлоатацията трудна за разкриване, напр. недостиг на регулаторни и надзорни ресурси и факта, че риболовът често се извършва в международни води, където юрисдикциите са неясни.
През 2021 г. екип от изследователи разработи модел за машинно обучение и го обучи да изчислява вероятността отделен риболовен кораб да участва в трафик на хора. Използвайки морски сателитни изображения заедно с индикатори за риск, открити чрез изследване (напр. тип и размер на кораба, отдалечени местоположения), изследователите твърдят, че техният модел идентифицира поведенчески модели, свързани с принудителния труд с 92% точност.
Въпреки това прогнозите, направени от модела, не са положителни доказателства за престъпна дейност, но могат да помогнат на разследващите да разпределят ресурсите по-ефективно. Стойността на алгоритъма е в предотвратяването на загубата на ценни ресурси. Освен това може да се подобри с помощта на други алгоритми.
В своето проучване изследователи от университета Джордж Мейсън
и Североизточния университет в САЩ са използвали математически модели, комбинирани с данни от Global Fishing Watch – организация, специализирана в анализиране и визуализиране на данни за устойчив и етичен риболов – за да изберат местата, върху които ще се съсредоточат . Те откриха, че ако техният алгоритъм беше наличен през периода 2012-2018 г., Global Fishing Watch можеше да открие повече случаи на трафик на хора. Резултатите от проучването подчертават необходимостта от непрекъснато подобряване на системите за изкуствен интелект срещу трафика , особено когато данните са предубедени.
Изследователите подчертават, че класическите методи за борба с трафика също ще трябва да се променят. Например, активистите срещу трафика отдавна настояват за корпоративна прозрачност в глобалните вериги за доставки. Кампанията за прозрачност постигна някои забележителни успехи с приемането на Закона за модерното робство в Обединеното кралство и Закона за прозрачност във веригите за доставки в Калифорния.
Но е твърде рано да се измери надеждно въздействието на тези закони, твърдят изследователите. Реалното въздействие зависи от способността на правителството да въведе и наложи смислени закони. Това също зависи от преодоляването на страховете на частния сектор относно прекомерната прозрачност, която може да застраши конкурентното предимство.
Изкуственият интелект и решенията за математическа оптимизация
обаче могат да гарантират, че компаниите могат да направят повече за борбата с трафика на хора, без да разкриват ценни тайни. НПО, индустрията и академичните изследователи играят ключова роля. Тъй като моделите са толкова добри, колкото са вградените в тях предположения, неправителствените организации трябва да работят с индустрията (пазителите на огромни складове с данни за веригата на доставки) и изследователи, които могат да помогнат с данните.
Данните за веригата на доставки са само част от необходимия информационен пейзаж. Хората, жертви на трафик, винаги трябва да бъдат включени при разработването на решения за трафика на хора. Техният опит предоставя ценна перспектива, която липсва на бизнеса, неправителствените организации и други заинтересовани страни в борбата с трафика.
Общата информация, която е в съответствие с областите от обществен интерес (като броя на доставчиците, които са преминали одити за борба с трафика на хора или са се ангажирали с кодекс на поведение), може и трябва да бъде публикувана възможно най-широко според закона. Междувременно личните данни – например имена и местонахождения на глобални производствени подизпълнители – могат да бъдат споделяни изключително с изследователски групи и неправителствени организации, за да формират част от наборите от данни, върху които да се обучават AI модели, за да се насочат усилията срещу трафика на хора.
Източник: Fast Company / Превод:SafeNews