Interview

De politiecomputer leert beter verbanden te leggen

Marcel Worring

Recherchewerk verandert ingrijpend. Wetenschappers gaan de politie helpen verbanden te leggen tussen massale hoeveelheden data.

Bij onderzoek naar kinderporno gevonden harde schijven. Om data beter te kunnen onderzoeken krijgt de politie nu wetenschappelijke hulp. Foto Piroschka van de Wouw / ANP XTRA

Slim verbanden leggen kenmerkt het werk van een politierechercheur, maar computers worden er ook in hoog tempo beter in. In het nieuwe project ‘Politielab’ gaan wetenschappers van de Universiteit van Amsterdam en de Vrije Universiteit de politie helpen de revoluties uit de computertechniek deep learning te gebruiken voor opsporingswerk. Deep learning-netwerken zijn goed in het herkennen van patronen.

Marcel Worring, hoogleraar informatica en directeur van het Instituut voor Informatica bij de Universiteit van Amsterdam, licht het project toe dat binnenkort van start gaat.

Heeft de computer de rechercheur al ingehaald?

„Echte experts zijn nog altijd beter in het herkennen van subtiele details in beeld zoals een stopcontact, maar computers lopen op hen in. Daarnaast werken computers sneller. Dat is belangrijk: bij politieonderzoeken naar criminele netwerken kan het gaan om tientallen, soms honderden in beslag genomen smartphones en computers. Daarop staan weer duizenden foto’s, video’s, locatiegegevens en gesprekken die potentieel relevant zijn voor het onderzoek.”

Hoe gaat deep learning de politie helpen?

„Eerder waren we blij als de computer een zonsondergang of zebra op een foto herkende. Computers kunnen inmiddels bij een foto met een hond aangeven om welk ras het precies gaat, ze kiezen dan uit honderden soorten. Dit soort software willen wij bijvoorbeeld ombouwen, zodat computers ons vertellen welk merk en type vuurwapen op een foto staat.

„Na herkennen van wat op de foto staat, is verbanden leggen een volgende stap. We willen dat computers binnen enkele seconden uitleg kunnen geven over de inhoud van een in beslag genomen smartphone. Gaat het hierbij bijvoorbeeld om een potentiële terrorist die bezig is geweest met het plannen van een aanslag?

„Daarnaast moet software snel verbanden of afwijkende patronen kunnen vinden in enorme bergen data. Zo moet het mogelijk worden verbanden te vinden tussen beelden en tekst, tussen bijvoorbeeld een foto van Schiphol en dreigende woorden.”

Waarom gebeurt dit niet nu al?

„Wetenschappers werkten natuurlijk al samen met de politie. Zo lukt het computers in onderzoeken naar kinderporno vaak te herkennen of beelden uit dezelfde kamer komen, maar bijvoorbeeld gefilmd vanuit een andere hoek.

„We zetten nu een nieuwe stap. Het Politielab is een groter samenwerkingsproject, en de technieken waarmee wij gaan werken zijn veel intelligenter. Daarmee herkennen computers details – een bepaald behang, een manier van inrichten. Door locatiegegevens van foto’s aan elkaar te koppelen, kunnen ze zien of criminelen misschien samenwerken.”

De ontwikkelingen binnen deep learning gaan snel. Hoe komt dat?

„Deep learning heeft in het vak van data-analyse de afgelopen jaren tot grote revoluties geleid. Daar zijn twee belangrijke oorzaken voor. Netwerken binnen deep learning worden niet geprogrammeerd, maar getraind door ze als het ware te voeden. Afgelopen jaren hebben onderzoekers, onder meer van de fameuze Stanford-universiteit, computers duizenden voorbeelden gegeven om ze slimmer te maken. De techniek van deep learning komt al uit de vorige eeuw, maar in 2006 is er een grote doorbraak geweest uit de game-industrie. Om ingewikkelde fictieve landschappen in de games snel en scherp te laten zien, was er veel rekenkracht nodig. Het lukte om tientallen, soms honderden lagen neuronen tegelijk berekeningen te laten uitvoeren. Het zou zonde zijn dat vermogen niet te benutten voor de bestrijding van criminaliteit.”