تحليل مقايسۀ شبكه‌هاي هوش مصنوعي در پيشگيري از جرم (موردپژوهي: داروهاي تقلبي)

پيشگيري از جرائم مرتبط با داروهاي تقلبي به‌دليل فنّاوري‌هاي استفاده‌شده در توليد و توزيع اين داروها با روش‌هاي سنتي مانند نظارت ميداني چشم‌انداز روشني نخواهد داشت؛ ازاين‌رو اتخاذ تدابير پيشگيرانۀ مناسب نيازمند بهره‌گيري از فنّاوري‌هاي نوين با قابليت كشف اين جرائم در مقياس وسيع و دقت بالاست. در اين راستا، شبكه‌هاي عصبي هوش مصنوعي نظير شبكه‌هاي عصبي بازگشتي، شبكۀ عصبي مولد تصادفي و شبكۀ عصبي كانولوشن با الهام‌گرفتن از ساختار مغز انسان قادر به كشف اين جرائم هستند. بااين‌حال، هريك از اين شبكه‌ها معايبي دارند كه بي‌توجهي به آن، نظام حقوقي را در پيشگيري از اين جرائم با دشواري مواجه مي‌كند؛ بنابراين تحقيق حاضر با روش مطالعۀ موردي، تلاشي در راستاي شناسايي كارآمدترين شبكۀ عصبي براي پيشگيري از اين جرائم به‌شمار مي‌رود. برون‌داد اين تحقيق نشان مي‌دهد كه قانون‌گذار به روش نظارت در حوزۀ پيشگيري وضعي توجه ويژه داشته است؛ اما ابزار اين نظارت را تعريف نكرده است. با‌وجوداين، معاونت غذا و دارو با استفاده از سامانۀ تيتك (كد رهگيري) اقدام به شناسايي كشف جرائم اين عرصه مي‌كند. باوجوداين، اين سامانه به‌دليل غيرهوشمندبودن سامانه، قادر به كشف تمامي اشكال تقلب نخواهد بود؛ بنابراين به نظر مي‌رسد استفادۀ هم‌زمان از سه شبكه (شبكه‌هاي عصبي بازگشتي، شبكۀ عصبي مولد تصادفي و شبكۀ عصبي كانولوشن) در قالب يك شبكۀ عصبي تركيبي تحقق كشف جرائم دارويي را در مقياس وسيع ارتقا دهد.