Projekt
Från wpu.nu
Här kommer lite idéer till lite större projekt. De kanske passar kanske till en grupp som samarbetar, eller kanske ett examensarbete.
Open source förundersökning
Vi vill genomföra en förundersökning där allmänheten för arbetet framåt. Detta ger i sig sina egna utmaningar och möjligheter. Går det? Hur ska processen se ut? Hur hanteras vandalism? Hur kan allmänheten hantera bevisvärdering? Vilken rättsäkerhet kan man förvänta sig och vad krävs? Funkar det bäst för historiska fall eller aktuella fall? Behövs speciella kompetenser med speciella funktioner eller kan projektet självorganiseras?
Maskininlärning för att förstå maskade dokument
Många dokument i denna samling har stora delar maskats. Detta är för att skydda vissa personers integritet. I vissa fall är det välmotiverat i andra inte.
Maskningen gör att OCR-mjukvara inte kan hantera dokumenten riktigt bra. Styckesindelning och ordföljd blir lätt fel.
Med en AI som kan se maskningen och identifiera maskningens metadata kan ny information utvinnas ur varje maskning. Det kan vara tex ordlängd, ordklass och kanske identifiera vilka maskningar som är samma underliggande ord. Detta kan ge en bättre läsbarhet utan att avslöja det som är tänkt att döljas. I de fall maskningen är omotiverad (tex pga att informationen redan är känd eller utlämnad) kan man möjligen använda detta system för att låsa upp andra dokument. Dokumentsamlingen utgör utmärkt träningsdata.
Statistisk analys över maskning
Vi är många som har en känsla av att Polisen maskar mer och mer av de dokument som lämnas ut, men stämmer det? Gör en textanalys på dokument som är lagrade här, och se vad du kan få fram. Är det mer nu? Är det mer eller mindre på olika avsnitt? Finns det utstickare? Tex ett mycket maskat förhör där andra variabler säger att det inte borde vara så mycket. Vad kan det betyda?
Uppslagssammanfattare
En huvuduppgift för flera NLP-algoritmer är att konstruera en sammanfattning av en större textmassa. Kan detta användas här? Tex göra en sammanfattning på varje avsnitt (Olika nivåer tex E-* eller EDE-*). Är det ett bra sätt att sätta sig in i materialet eller blir det nonsens?
Motsägelsesökning
Det finns flera NLP-algoritmer för att söka efter motsägelser i text. Kan detta ge mer insikt i materialet? Är det tillräckligt exakt - eller för exakt? Kan det användas automatiskt för att tex utvärdera en rekonstruktion?
Rekonstruktionssimulator (Forensic Animation)
Det råder ingen brist på olika scenarier på hur brottet kan ha utförts. Allt från det banala till det spektakulära. Nu diskuteras dessa i text, vilket kan vara ineffektivt. Jag föreslår en simulerad miljö där personers positioner och rörelser kan placeras in på olika tidpunkter. Genom att rulla simuleringen kan man få svar på olika frågor. Tex kunde Engström se Jeppson utan att vara mördaren? Måste Engström och Björkman vara på samma plats på samma tid utan att se varandra för att Engström ska vara skytten?
Jag föreslår att man tar en titt på tex Unity3d med Google Maps API för att lätt kunna plocka in geografi, topologi och byggnader, men ändå anpassa applikationen till vissa väldigt specifika behov.
I förlängningen kan man tänka sig att det i modellen finns kända uppgifterna redan deklarerade, med hänvisning till förhör eller annan källa. Om man gör ett scenario som bryter mot en känd uppgift visas detta men man tillåts fortsätta.
Scenariogenerator
Om ett scenario, från rekonstruktionssimulatorn ovan eller en helt ografisk algoritm, automatiskt kan ges en kvalitétspoäng kan man utifrån ett sådant system generera nya scenarior med tex genetiska algoritmer, deep reinforcement learning, eller andra metoder.