Untuk semua kekerapan yang menakjubkan, tembakan sekolah tetap menjadi kengerian yang membingungkan.
Bukan hanya konsensus yang sedikit tentang cara menghalang mereka-dengan cadangan dari menyekat akses senjata ke guru-guru yang bersenjata-tetapi tidak ada kepastian lagi mengapa pelajar akan membakar rakan-rakannya.
Sekarang, beberapa saintis mula meneroka jika kecerdasan buatan (AI) dapat membantu mencari jawapan. Idea ini adalah bahawa algoritma mungkin dapat menganalisis data yang lebih baik berkaitan dengan penembakan sekolah, dan mungkin juga mengenal pasti corak dalam bahasa atau tingkah laku pelajar yang dapat meramalkan keganasan sekolah. Penyelidikan masih dalam peringkat awal, dan prospek menggunakan mesin untuk meramalkan siapa yang mungkin menjadi penembak sekolah menimbulkan isu privasi dan soalan etika lain yang berkaitan dengan apa-apa jenis profil, terutamanya sejak proses itu melibatkan kanak-kanak. Walau bagaimanapun, matlamatnya adalah untuk melihat sama ada kuasa analisis mesin pintar dapat memberikan kejelasan yang lebih jelas kepada tragedi yang sering dimakan dalam emosi yang tinggi dan retorik politik.
Beralih kepada teknologi
Menggunakan kecerdasan buatan sebagai cara untuk membawa analisis saintifik kepada sesuatu yang tidak dapat diabaikan kerana penembakan sekolah sangat merayu kepada Shreya Nallapati. Dia baru lulus dari sekolah menengah di Colorado, tetapi kembali pada bulan Februari, selepas kematian menembak 17 pelajar di Parkland, Florida, dia diilhamkan oleh pemimpin pelajar Emma Gonzalez untuk mengambil tindakan.
"Saya rasa kita tidak sepatutnya menghantar mesej dan ucapan takziah, " kata Nallapati. "Saya fikir bahawa sebagai generasi milenium yang semakin meningkat, kita harus cuba menggunakan apa yang kita tahu teknologi terbaik."
Jadi Nallapati, yang telah mempelajari kecerdasan tiruan di sekolah menengah, telah menjangkau para wanita muda yang dia kenal melalui program yang dipanggil Aspirations in Computing yang dikendalikan oleh Pusat Kebangsaan untuk Wanita & Teknologi Maklumat. Aspirasi dalam Pengkomputeran menggalakkan wanita muda memasuki bidang pengkomputeran dan teknologi.
Nallapati meminta orang lain dalam kumpulan untuk menyertai beliau dalam projek baru, #NeverAgainTech. Beliau berharap usaha sama itu akan menghasilkan kompilasi AI dan analisis pelbagai data yang berkaitan dengan penembakan sekolah-dari maklumat demografi dan sosio-ekonomi mengenai penembak lepas, kepada sebarang sejarah kegunaan dadah atau gangguan neurologi, kepada terdapat senjata di negeri-negeri di mana serangan telah terjadi. Matlamatnya adalah untuk membangunkan pecahan yang lebih komprehensif dari banyak komponen penembakan sekolah daripada apa yang ada sekarang, dan menjadikan perisian yang dihasilkan tersedia kepada orang ramai, khususnya sekolah dan agensi penguatkuasaan undang-undang, tahun depan.
Menilai risiko
Satu pasukan penyelidik di Pusat Perubatan Hospital Kanak-Kanak Cincinnati mengambil pendekatan yang berbeza dalam menggunakan AI untuk menangani keganasan sekolah. Ia menerbitkan satu kajian baru-baru ini yang mencadangkan pembelajaran mesin berpotensi membantu ahli terapi dan kaunselor dalam memahami tahap risiko pelajar boleh hadir.
Khususnya, para saintis mendapati bahawa AI adalah tepat seperti satu pasukan kanak-kanak dan ahli psikiatri remaja ketika menilai risiko tingkah laku ganas, berdasarkan wawancara dengan 119 kanak-kanak berumur antara 12 dan 18 tahun. Walaupun kajian ini secara terfokus secara fizikal pencerobohan, penyelidik utama Drew Barzman mengatakan ia juga terpakai untuk menilai risiko menembak sekolah.
"Terdapat tanda-tanda amaran sebelum ada keganasan sekolah, " katanya. Khususnya, bahasa yang digunakan seorang pelajar semasa wawancara dapat membantu membezakan seorang remaja berisiko tinggi dari yang berisiko rendah, menurut penyelidikan sebelumnya yang diarahkan oleh Barzman. Kajian itu menyimpulkan bahawa bekas itu lebih cenderung untuk menyatakan perasaan negatif tentang dirinya dan tentang tindakan orang lain. Dia juga lebih cenderung untuk bercakap tentang tindakan ganas yang melibatkan dirinya sendiri dan permainan video atau filem ganas.
Pasukan mengambil langkah lain dengan menggunakan algoritma AI menggunakan hasil kajian terdahulu untuk menganalisis transkrip pelajar yang diwawancara untuk penyelidikan baru. Berdasarkan corak bahasa, ia menunjukkan jika seseorang itu berisiko tinggi atau rendah melakukan keganasan. Lebih daripada 91 peratus masa itu, algoritma itu, hanya menggunakan transeksyen, sejajar dengan penilaian yang lebih luas dari satu pasukan kanak-kanak dan psikiatri remaja, yang juga mempunyai akses kepada maklumat daripada ibu bapa dan sekolah.
Pelajar-pelajar dalam kajian ini kebanyakannya direkrut dari klinik pesakit psikiatri, unit pesakit dan jabatan kecemasan. Ada yang baru-baru ini menunjukkan perubahan tingkah laku utama, tetapi bagi yang lain, perubahannya lebih kecil. Barzman berkata mereka menghadiri pelbagai sekolah, walaupun tiada sekolah di sekolah.
Menurut Barzman, kajian itu memberi fokus kepada meramalkan pencerobohan fizikal di sekolah, tetapi ia masih belum diketahui jika pembelajaran mesin sebenarnya dapat mencegah keganasan. Tumpuan pada ketika ini adalah untuk menyediakan ahli terapi dan kaunselor dengan alat yang dapat menajamkan penilaian pelajar mereka berdasarkan wawancara. Niat, Barzman nota, tidak mempunyai mesin membuat keputusan mengenai pelajar.
"Ia pada asasnya bertujuan untuk membantu doktor dalam membuat keputusan, " kata Barzman. "Kami akan menyediakan mereka dengan struktur apa yang kami dapati menjadi soalan penting. Ia boleh menjadi sukar untuk mewawancarai seorang pelajar, memilih maklumat yang betul dan mengingati segala-galanya. Ideanya adalah untuk memberi mereka alat yang dapat membantu mereka melalui proses dan meningkatkan ketepatan penilaian mereka. "
Matty Squarzoni adalah orang percaya yang lain dalam potensi kecerdasan buatan dalam menangani keganasan sekolah. Dia adalah CEO sebuah permulaan California yang dikenali sebagai Sitch AI, yang merancang untuk memasarkan teknologi yang katanya dapat membantu sekolah menangani ancaman tersebut. Tumpuan awal adalah untuk membangunkan sistem sensor yang akan membolehkan pegawai polis mengesan lokasi tepat tembakan, dan juga mengesan pergerakan penembak melalui sebuah sekolah. Tetapi Squarzoni berkata syarikat itu juga sedang mencari jalan untuk menggunakan analisis ramalan untuk melihat masalah yang berpotensi sebelum mereka menjadi ganas.
Beliau percaya bahawa kecerdasan buatan boleh menganalisis data pelajar dan perubahan bendera yang ketara dalam prestasi atau kelakuannya. Squarzoni mengakui kebimbangan mengenai privasi, tetapi mengatakan syarikat tidak akan mengenali identiti pelajar.
"Kami tidak bercakap tentang membuat profil, " katanya. "Kami akan melihat setiap orang sebagai entiti yang unik. Tetapi manusia adalah makhluk kebiasaan. Apabila mereka mula melakukan penyelewengan, itulah apabila anda mula melihatnya. Anda menonjol bendera, dan mungkin bendera mula semakin dekat dan dekat. Mereka boleh menjadi masalah kesihatan mental, atau mungkin gred mereka jatuh.
"Kami tidak mahu dapat berkata, 'Orang ini akan menjadi penembak.' Kami mahu dapat berkata, 'Orang ini memerlukan bantuan.' "
Tidak begitu pantas?
Tetapi yang lain mempunyai kebimbangan serius tentang tergesa-gesa untuk menggunakan algoritma perisian untuk menangani isu-isu masyarakat yang rumit.
"Kami kini melihat trend AI yang diterapkan pada domain yang sangat sensitif pada kelajuan yang membimbangkan, dan orang yang membuat algoritma ini tidak semestinya memahami semua aspek sosial, malah politik, aspek data yang mereka gunakan, " kata Rashida Richardson, pengarah penyelidikan dasar di AI Now Institute, sebuah program di New York University yang mengkaji implikasi sosial kecerdasan buatan.
Salah satu kawasan di mana penggunaan AI telah dibakar adalah apa yang dikenali sebagai kepolisan ramalan. Ini adalah produk perisian yang menganalisis statistik jenayah, dan kemudian meramalkan di mana jenayah lebih cenderung untuk dilakukan. Tetapi pengkritik menunjukkan bahawa data seperti penangkapan boleh menjadi hasil dari bias manusia, yang akhirnya dapat dibakar ke dalam algoritma.
Itu selalu menjadi risiko analisis ramalan dan mengapa sumber data merupakan faktor utama dalam menentukan objektifnya sebenarnya. Dengan alat AI yang dibangunkan oleh penyelidik Hospital Kanak-kanak Cincinnati, bagaimanapun, analisis ini berdasarkan kepada apa yang dikatakan oleh pelajar setiap kali dalam temu bual, dan bukannya kompilasi statistik yang luas.
Walau bagaimanapun, Richardson percaya penting bahawa pasukan yang mencipta perisian seperti ini adalah "interdisciplinary, " supaya pendidik, misalnya, terlibat dalam program yang menilai tingkah laku pelajar.
"Penyelidik mungkin tidak memahami banyak nuansa apa yang dikatakan orang dalam pendidikan dan dasar undang-undang dunia sekolah panggilan. Itu termasuk isu keselamatan dan tingkah laku, "katanya. "Jenis sekolah yang ada di dalamnya akan sering menentukan bagaimana perilaku ditangani dan bagaimana disiplin ditangani.
"Sebagai contoh, sekolah piagam telah didapati mempunyai dasar disiplin yang lebih ketat, " tambah Richardson. "Kanak-kanak dalam persekitaran itu akan diperlakukan dengan cara yang berbeza daripada di sekolah swasta mewah dan juga di sekolah awam yang berbeza.
"Cuba untuk memahami isu-isu yang sangat rumit yang mempunyai banyak input dan menerapkan penyelesaian teknologi yang mencerminkan sekumpulannya adalah masalah kerana ia boleh mengulangi masalah yang sama yang kita lihat dalam masyarakat atau membuat penyelesaian untuk masalah yang tidak ada di sana. "
Richardson berkata kebimbangan lain adalah walaupun program AI dibangunkan dengan niat yang terbaik, ia boleh digunakan dengan cara yang tidak dijangkakan oleh penciptanya.
"Sebaik sahaja anda menggunakan alat-alat ini, " katanya, "ia tidak seperti anda terus mengawal bagaimana ia dilaksanakan atau bagaimana ia akan terus mempengaruhi masyarakat secara keseluruhan."
