Kembali ke Berita
PerusahaanAI Understanding pengarahan

Polisi Fort Worth dan UTA meluncurkan pelatihan deeskalasi berbasis AI

Departemen Kepolisian Fort Worth bermitra dengan Universitas Texas di Arlington untuk menerapkan sistem realitas virtual bertenaga AI untuk pelatihan de-eskalasi petugas.

4 min readRead the linked source
Source-provided image accompanying Fort Worth police and UTA launch AI-driven de-escalation training
Referensi sumberSumber direkam
Penerbit
fortworthreport.org
Tautan sumber
fortworthreport.orghttps://fortworthreport.org/2026/09/20/fort-worth-police-uta-partner-on-ai-driven-de-escalation-training/
Jenis sumber
Sumber tertaut — status sumber utama belum ditetapkan.
KonteksPahami ini dalam 60 detik

Mulai di sini

Istilah-istilah penting

AI Generatif
Sistem AI yang menghasilkan konten baru seperti teks, gambar, audio, video, atau kode.
Uji diri Anda sendiriKuis Agen AI

Apa yang terjadi

Departemen Kepolisian Fort Worth, bekerja sama dengan Universitas Texas di Arlington (UTA), telah meluncurkan program pelatihan realitas virtual (VR) berbasis AI yang dirancang untuk meningkatkan keterampilan deeskalasi polisi. Didanai oleh hibah Departemen Kehakiman senilai $750.000, inisiatif ini menggantikan latihan permainan peran tradisional yang dipimpin manusia dengan sistem yang menggunakan headset Meta Quest 3, mesin permainan Unity, dan model Gemma Google untuk AI percakapan.

Departemen Kepolisian Fort Worth dan UTA memanfaatkan hibah sebesar $750.000 dari Inisiatif Berbasis Situs Deeskalasi Realitas Virtual Departemen Kehakiman. Program ini, yang dimulai pengembangannya setelah satu tahun rekayasa perangkat lunak untuk mengintegrasikan kemampuan ucapan-ke-teks dan teks-ke-ucapan, dirancang untuk menyediakan lingkungan yang terkendali dan berulang bagi petugas untuk melatih keterampilan komunikasi.

Sistem ini menggunakan headset Meta Quest 3 untuk imersi dan mesin game Unity untuk merender skenario. Komponen AI percakapan didukung oleh model Gemma Google, yang memungkinkan subjek virtual merespons masukan verbal petugas secara dinamis. Ini menggantikan sesi permainan peran tradisional yang dipimpin manusia selama seminggu dan mengandalkan interaksi tertulis.

Pengumpulan data untuk sistem ini melibatkan 27 relawan, termasuk petugas polisi, penyedia layanan kesehatan dari My Health My Resources, dan mahasiswa UTA. Sistem ini memberikan umpan balik secara real-time selama simulasi dan ringkasan pasca-modul bagi peserta pelatihan untuk meninjau kinerja mereka.

Program ini saat ini sedang dalam tahap implementasi karena departemen tersebut mengamankan perangkat keras dan logistik yang diperlukan untuk akademi kepolisiannya. Proyek ini didanai hingga September 2027.

Detail sumber: fortworthreport.org ↗

Mengapa itu penting

Penyebaran ini mencerminkan perubahan dalam pelatihan penegakan hukum, yang beralih dari permainan peran manusia yang dibuat berdasarkan naskah menjadi skenario dinamis yang dihasilkan oleh AI yang dapat menyimulasikan situasi kompleks seperti krisis kesehatan mental atau kekerasan dalam rumah tangga. Dengan memberikan umpan balik secara real-time dan praktik yang terukur dan berulang, program ini bertujuan untuk meningkatkan pengambilan keputusan petugas di bawah tekanan. Proyek ini menyoroti penerapan praktis AI generatif di lingkungan yang berisiko tinggi terhadap keselamatan publik, meskipun kemanjurannya dalam jangka panjang masih harus dievaluasi.

Integrasi AI ke dalam pelatihan polisi menjawab kebutuhan akan lingkungan yang terukur, tidak dapat diprediksi, dan aman untuk mempraktikkan interaksi dengan tingkat stres yang tinggi. Pelatihan tradisional dibatasi oleh ketersediaan pemain peran manusia dan sifat statis dari skenario yang tertulis.

Dengan menggunakan AI generatif, sistem ini dapat mensimulasikan berbagai situasi krisis, seperti gangguan kesehatan mental atau kekerasan dalam rumah tangga, sehingga petugas dapat mempraktikkan teknik deeskalasi berulang kali tanpa tanggung jawab atau risiko fisik yang terkait dengan pelatihan aksi langsung.

Proyek ini berfungsi sebagai uji kasus apakah simulasi berbasis AI dapat secara efektif menghasilkan hasil yang lebih baik di dunia nyata. Meskipun teknologi ini menawarkan efisiensi, para peneliti mengakui bahwa teknologi tersebut tidak dapat menggantikan pembelajaran konseptual berbasis ruang kelas, sehingga memberikan batasan yang jelas bagi kegunaan teknologi saat ini.

Interactive Mechanism

Mekanisme Interaktif: Cara Kerja Sebenarnya

Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Pemeriksaan Konsep Interaktif+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

Apa yang harus ditonton selanjutnya

Program ini saat ini sedang dalam tahap implementasi, dan departemen kepolisian menyediakan logistik untuk akademinya. Sasaran pengembangan di masa depan mencakup pengenalan skenario multipengguna untuk pelatihan berbasis tim dan menggabungkan faktor stres fisiologis untuk mensimulasikan ketegangan di dunia nyata dengan lebih baik. Proyek ini dijadwalkan akan berjalan hingga September 2027, dan pada saat itu dampak kurikulum berbasis AI terhadap kinerja petugas dan hasil masyarakat dapat dinilai dengan lebih jelas.

Fokus utama untuk tahap selanjutnya adalah integrasi penuh sistem ke dalam kurikulum akademi kepolisian Fort Worth. Keberhasilan akan diukur dari kemampuan departemen untuk meningkatkan skala pelatihan dan evaluasi dampaknya terhadap pengambilan keputusan petugas.

Para peneliti, termasuk Shuchi Deb dari UTA, berupaya memperluas kemampuan sistem untuk memasukkan skenario multipengguna, yang memungkinkan dilakukannya latihan berbasis tim. Ada juga minat untuk memperkenalkan elemen pemicu stres agar dapat lebih meniru ketegangan yang terjadi pada insiden kritis di dunia nyata.

Departemen tersebut telah menekankan pendekatan yang hati-hati terhadap adopsi teknologi, dan Petugas Jorge Lopez mencatat bahwa program tersebut harus 'diuji dan dicoba' sebelum diterapkan secara lebih luas. Penerimaan masyarakat dan kemampuan program untuk menunjukkan peningkatan nyata dalam profesionalisme petugas akan menjadi indikator utama kelangsungan program ini dalam jangka panjang.

Panduan & kuis terkait

Agen AIModel AI DijelaskanEtika AIUji pengetahuan Anda — coba kuis AI gratisCari istilah AI di glosarium kamiIkuti pelacak pendanaan AI
Apakah ini berguna?