20 år gammel brasilianer lager kunstig intelligens som oppdager korrupsjon. Forstå.
Midt i den raske utviklingen av kunstig intelligens i næringslivet og digitalt forbruk, bestemte en brasilianer seg for å bruke teknologien på et område som historisk sett har vært sensitivt i landet: tilsynet med offentlige myndigheter. Utbyggeren Bruno CesarBare 20 år gammel skapte han et AI-basert verktøy som var i stand til å kryssreferere store mengder offentlige data for å kartlegge potensielle økonomiske risikoer som involverer politikere.
Ved å automatisere kryssreferansene mellom informasjon som er tilgjengelig på offisielle portaler (erklæringer om formuesforhold, offentlige kontrakter, forretningstilknytninger, valgregister og bedriftsdata), søker systemet å identifisere atypiske mønstre, inkonsekvenser og potensielle interessekonflikter. Det er ikke et anklagende verktøy, men en analytisk mekanisme som genererer risikoindikatorer og peker på hvor det kan være noe som fortjener videre undersøkelse. Kom og forstå hvordan denne ideen ble til virkelighet og hva dens potensial er.
Hvordan AI fungerer
Programmereren Bruno Cesar, utdannet seg i informatikk fra UFRN (Federal University of Rio Grande do Norte), utviklet verktøyet ved å kombinere datavitenskapsteknikker, språkmodeller og statistiske korrelasjonssystemer. Prosjektet er basert på integrering av flere offentlige kilder: valgdomstoler, åpenhetsportaler, kommersielle råd, offisielle tidender og føderale databaser for bedriftsregistrering.
AI samler inn denne informasjonen, organiserer dataene i en relasjonsstruktur og kryssrefererer deretter elementer som Navn, CPF/CNPJ-numre, selskapstilknytninger, erklært utvikling av eiendeler og kontrakter signert med offentlige myndigheter.Basert på disse forbindelsene bygger systemet et slags «relasjonskart» som avdekker strukturer som ville være vanskelige å oppfatte i en isolert manuell analyse.
Forskjellen ligger i bruken av språkmodeller Å tolke kontekst. Det er ikke bare et søk etter navnetreff; systemet analyserer beskrivelser, posisjoner, datoer og indirekte relasjoner, og tildeler ulik vekt til hver type forbindelse. Dette gjør det mulig å generere en risikoscore basert på flere kombinerte faktorer.
Ifølge skaperen var målet aldri å erstatte reguleringsorganer eller produsere automatiske vurderinger. Verktøyet fungerer som et intelligent filter, i stand til å redusere analysetiden og rette menneskelig oppmerksomhet mot potensielt relevante punkter.
Følgende diagram illustrerer den forenklede bruken av verktøyet utviklet av Bruno Cesar Og hvordan kan det bidra til å overvåke bruken av offentlige midler?
Nylig gjorde Bruno César hele verktøyet tilgjengelig på åpen kode i arkivet ditt på GitHubDer kan du følge instruksjonene for å laste ned og konfigurere de nødvendige filene og teste verktøyet direkte på maskinen din.
Suksesshistorier
Selv om verktøyet som ble laget av Bruno César fortsatt er under utvikling, har noen praktiske tester allerede vist hvordan automatisert kryssreferanse av offentlige data kan avdekke mønstre som normalt ville gått ubemerket hen. Nedenfor er noen av de mest relevante eksemplene.
Tilfelle 1: Oppdagelse av mulige selvstyrte parlamentsendringer
Et av de mest imponerende eksemplene på hvordan verktøyet fungerer, er dets evne til å... Kartlegging av komplekse forhold mellom parlamentsendringer, offentlige kontrakter og selskaper knyttet til politikernes familiemedlemmer.I det første tilfellet som ble identifisert av systemet, analyserte plattformen automatisk data fra offentlige portaler og oppdaget et mønster som kan tyde på selvstyring av offentlige ressurser.
AI identifiserte at en føderal kongressmedlem bevilget omtrent 47 millioner rand i parlamentsendringer for en bestemt kommune.Basert på denne innledende informasjonen kryssrefererte systemet data fra offentlige kontrakter, forretningsregistre og familiebånd som finnes i åpne offentlige databaser.
Resultatet var identifiseringen av et bekymringsfullt mønster: Omtrent 67 % av kontraktene knyttet til endringene ble utført av selskaper tilknyttet parlamentsmedlemmets egen familie.Blant koblingene som ble oppdaget var selskaper tilknyttet broren og også virksomheter knyttet til politikerens sønn.
Verktøyet påpeker ikke bare problemet, men også forklarer visuelt relasjonskjedenfremhever det identifiserte mønsteret:
Stortingsendringer → Alliert rådhus → Kontrakter med familieeide selskaper
Denne visualiseringen presenteres i en tilkoblingsgrafDette gjør det mulig for journalister eller etterforskere raskt å forstå hvordan offentlige penger sirkulerer mellom ulike aktører. Videre indikerer systemet kildene som er brukt i analysen, inkludert databaser som:
Algoritmen tildeler også en risikonivå, som i dette tilfellet ble klassifisert som "kritisk", med ca 97 % sannsynlighet for uregelmessighet, i henhold til de identifiserte mønstrene.
Denne typen analyse, som normalt ville kreve uker med manuell etterforskningDette kan gjøres på bare noen få sekunder med dette verktøyet.
Sak 2: Oppdagelse av nettverk av administrative uregelmessigheter
Et annet eksempel vist av verktøyet avslører systemets evne til å å identifisere flere tegn på uregelmessigheter innenfor samme embetsperiode.Dette er noe som ofte går ubemerket hen når offentlige data analyseres separat.
I panelet som vises av plattformen, presenterer AI-en en liste over varsler klassifisert etter risikonivå, som fremhever potensielle problemer som oppdages etter kryssreferanser mellom offentlige databaser.
Systemet fant bevis på eksistensen av 34 spøkelsesansatte, noe som ville representere en estimert kostnad på omtrent 2,4 millioner rand per år i offentlige midlerDenne typen uregelmessigheter oppstår når folk er registrert som ansatte i offentlige kontorer eller etater, men De utfører faktisk ingen profesjonell aktivitet..
AI identifiserer dette mønsteret ved å analysere data som:
- betalingsoversikter
- ansettelsesforhold
- historie med profesjonell aktivitet
- familie- og politiske forhold
Når denne informasjonen er i konflikt med eller avdekker inkonsekvenser, genererer systemet et varsel.
Et annet identifisert varsel gjelder overføring av omtrent 800 000 rand for en skole som viser sterke tegn på å være ikke-eksisterende eller inaktiv.Verktøyet oppdaget uoverensstemmelser mellom utdanningsregistre, offentlige kontrakter og administrative data.
Videre antyder AI også en mulig En lukket krets mellom valgbidrag og offentlig finansiering i helsesektoren., som involverer omtrent 12 millioner R$ i offentlige overføringer og omtrent 150 000 R$ i politiske donasjoner..
I dette tilfellet identifiserer verktøyet når Selskaper som mottar offentlige kontrakter fremstår senere som givere til politiske kampanjer., noe som skaper en potensielt uregelmessig finansieringssyklus.
Til slutt påpekte plattformen også et betydelig avvik mellom deklarerte eiendeler og offisielt registrert inntekt, og klassifiserer saken som høyrisiko. I det analyserte eksemplet er det en politiker med en oppgitt nettoformue på BRL 2,8 millioner Det ser ut til å være forbundet med finansielle transaksjoner og eiendeler som kan overstige BRL 80 millioner.
Denne typen analyse er mulig fordi systemet kryssrefererer data fra flere kilder, for eksempel:
- valguttalelser
- skatteopplysninger
- tilknyttede selskaper
- offentlige kontrakter
- politiske donasjoner
Ved å samle denne informasjonen i ett enkelt dashbord, kan verktøyet avdekke usynlige mønstre i tradisjonelle analyser, noe som gjør det enklere å identifisere potensielle korrupsjonsordninger.
Praktiske bruksområder
Verktøyets potensial strekker seg utover isolerte suksesshistorier. Det kan brukes som et kontinuerlig overvåkings- og analyseinstrument, både av mediefolk og sivilsamfunnsorganisasjoner.
Korrupsjonstilsyn
Den mest åpenbare anvendelsen er i kampen mot korrupsjonVed å automatisere kompleks kryssreferanse av økonomiske data og forretningsforhold, kan AI fungere som et tidlig varslingssystem. Den anklager ikke, men signaliserer mønstre som avviker fra forventet atferd.
I et land der etterforskning ofte har problemer med å analysere store datamengder, kan automatisering representere en betydelig effektivitetsgevinst. Dersom dette verktøyet brukes av tilsynsorganer, kan det redusere tiden det tar å gå gjennom undersøkelser og utvide omfanget av tilsynet.
Støtte til journalister og sivilsamfunnet
For undersøkende journalistikk representerer teknologi et strategisk fremskritt. Den mest arbeidskrevende fasen i mange rapporter innebærer nettopp kryssreferanser av data spredt over flere databaser. Ved å automatisere denne fasen lar AI journalister fokusere innsatsen sin på kontekstualisering og dyptgående rapportering.
I tillegg til å identifisere mistenkelige mønstre, har verktøyet også vist seg effektivt i automatisert generering av strukturerte rapporter. Journalister som testet systemet rapporterte en betydelig reduksjon i tiden brukt på å samle inn foreløpige data. Sivilsamfunnsorganisasjoner kan også dra nytte av systemet, ved å bruke de genererte rapportene som et utgangspunkt for sosiale kontrollinitiativer og overvåking av offentlig politikk.
Åpenhet i kampanjer og mandater
I valgperioder kan kryssreferanser mellom kampanjegaver, forretningsforbindelser og offentlige kontrakter gi velgerne et bredere syn på potensielle interessekonflikter. Dette verktøyet muliggjør analyse ikke bare av isolerte erklæringer, men også av det finansielle økosystemet rundt kandidaturer og mandater. Denne kontekstualiseringsmuligheten utvider debatten om åpenhet og offentlig ansvarlighet.
Brasiliansk akselerasjonisme
Fremveksten av verktøy som AI skapt av Bruno Cesar Den engasjerer seg også i en bredere intellektuell bevegelse som har vunnet terreng i den internasjonale teknologiske debatten: såkalt akselerasjonisme, spesielt i sin nyeste form kjent som effektiv akselerasjonisme.
O akselerasjonisme Den oppsto opprinnelig som en filosofisk bevegelse som forfektet akselerasjon av teknologiske og økonomiske prosesser for å skape dyptgripende sosiale forandringer. I følge WikipediaKonseptet fikk fremtredende plass på 1990- og 2000-tallet, inspirert av tenkere som den britiske filosofen... Nick Land, som argumenterte for at teknologiske fremskritt og kapitalismens vekst kunne føre til radikale endringer i samfunnets struktur.
Også ofte forkortet som e-kontoDenne bevegelsen dukket opp på 2020-tallet innen nettbaserte teknologimiljøer og taler for en eksplisitt teknopositivistisk holdning, og oppmuntrer til rask teknologisk utvikling, spesielt AI, som en måte å løse globale problemer som fattigdom, energikriser og miljøutfordringer.
Forsvarerne av e-konto De mener at akselerert teknologisk fremgang er uunngåelig og ønskelig, og at forsøk på å dempe denne prosessen gjennom overdreven regulering eller frykt for teknologi kan forsinke viktige løsninger for menneskeheten. I mange tilfeller knytter dette synet seg til ideer om transhumanisme og avanserte teknologiske sivilisasjoner som er i stand til å utvide menneskelig kunnskap og utnytte mer energi og ressurser på global skala.
når man snakker om Brasiliansk akselerasjonismeKonseptet får imidlertid en mer pragmatisk tolkning. I stedet for å diskutere futuristiske scenarier om kunstig generell intelligens eller interplanetariske sivilisasjoner, ser ideen ut til å være knyttet til intensiv bruk av teknologi for å løse landets strukturelle problemer – som korrupsjon, offentlig åpenhet og tilgang til informasjon.
I denne sammenhengen brukes verktøy som AI utviklet av Bruno Cesar De representerer en slags samfunnsakselerasjonisme: bruk av algoritmer og automatisering for å utvide samfunnets etterforskningskapasitet. Ved å kryssreferere store offentlige databaser lar disse teknologiene journalister, forskere og borgere identifisere mønstre som tidligere ville ha krevd måneder med manuelt arbeid.
Med andre ord handler det om å bruke teknologiens kraft til å akselerere demokratisk tilsyn, og gjøre overvåkingen av offentlig makt mer effektiv og tilgjengelig. Mens akselerasjonisme i Silicon Valley ofte forbindes med fremskritt innen kunstig intelligens og digital økonomi, kan det i Brasil få en annen rolle: å tjene som et verktøy for å styrke åpenhet, ansvarlighet og borgermedvirkning.
Verktøyet laget av Bruno Cesar Dette viser at kunstig intelligens kan gå utover bedriftsautomatisering eller tekstgenerering. Når den brukes til analyse av offentlige data, har den potensial til å styrke åpenheten og utvide kapasiteten for sosialt tilsyn.
Men som all annen teknologi med stor innvirkning krever den ansvar, menneskelig validering og kontinuerlig etisk debatt. Utfordringen nå er ikke bare teknisk, men også institusjonell: hvordan integrere slike verktøy konstruktivt i det demokratiske økosystemet?
Så, tror du dette verktøyet virkelig kan bidra til en mer effektiv kamp mot korrupsjon? Legg igjen din mening i kommentarfeltet.
se mer
Kilder: undersøkelse, teknologiverden
Anmeldt av Tiago Rodrigues på 05
Oppdag mer om Showmetech
Registrer deg for å motta siste nytt på e-post.
