تحلیل مقایسه شبکه های هوش مصنوعی در پیشگیری از جرم (مورد پژوهی: داروهای تقلبی)(مقاله علمی وزارت علوم)
منبع:
حقوق فناوری های نوین دوره ۵ پاییز و زمستان ۱۴۰۳ شماره ۱۰
65 - 80
حوزه های تخصصی:
پیشگیری از جرائم مرتبط با داروهای تقلبی به دلیل فنّاوری های استفاده شده در تولید و توزیع این داروها با روش های سنتی مانند نظارت میدانی چشم انداز روشنی نخواهد داشت؛ ازاین رو اتخاذ تدابیر پیشگیرانه مناسب نیازمند بهره گیری از فنّاوری های نوین با قابلیت کشف این جرائم در مقیاس وسیع و دقت بالاست. در این راستا، شبکه های عصبی هوش مصنوعی نظیر شبکه های عصبی بازگشتی، شبکه عصبی مولد تصادفی و شبکه عصبی کانولوشن با الهام گرفتن از ساختار مغز انسان قادر به کشف این جرائم هستند. بااین حال، هریک از این شبکه ها معایبی دارند که بی توجهی به آن، نظام حقوقی را در پیشگیری از این جرائم با دشواری مواجه می کند؛ بنابراین تحقیق حاضر با روش مطالعه موردی، تلاشی در راستای شناسایی کارآمدترین شبکه عصبی برای پیشگیری از این جرائم به شمار می رود. برون داد این تحقیق نشان می دهد که قانون گذار به روش نظارت در حوزه پیشگیری وضعی توجه ویژه داشته است؛ اما ابزار این نظارت را تعریف نکرده است. با وجوداین، معاونت غذا و دارو با استفاده از سامانه تیتک (کد رهگیری) اقدام به شناسایی کشف جرائم این عرصه می کند. باوجوداین، این سامانه به دلیل غیرهوشمندبودن سامانه، قادر به کشف تمامی اشکال تقلب نخواهد بود؛ بنابراین به نظر می رسد استفاده هم زمان از سه شبکه (شبکه های عصبی بازگشتی، شبکه عصبی مولد تصادفی و شبکه عصبی کانولوشن) در قالب یک شبکه عصبی ترکیبی تحقق کشف جرائم دارویی را در مقیاس وسیع ارتقا دهد.