Quiz collegato alla guida · Medio Livello
Quiz sull'intelligenza artificiale nelle forze dell'ordine e nella polizia
Esamina gli usi e i limiti dell'IA da parte della polizia, comprese le soglie di face-match, il feedback dai dati sugli arresti, gli avvisi di spari e le classificazioni legali ufficiali.
Domanda 1 di 8
¿Qué informó la evaluación de reconocimiento facial de NIST sobre las diferencias demográficas en la tasa de error?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- ¿Qué informó la evaluación de reconocimiento facial de NIST sobre las diferencias demográficas en la tasa de error?
- Most tested algorithms showed demographic differentials, with size depending on algorithm and application
- All tested algorithms had identical error rates for every demographic group
- The study found demographic differences only in license-plate readers
- NIST concluded that image quality never affects error rates
- Perché i critici sostengono che la polizia predittiva può amplificare i pregiudizi?
- Non utilizza alcun dato
- Impara dai dati sugli arresti che riflettono l’eccessiva attività di polizia del passato
- Prevede solo il tempo
- Ignora completamente la posizione
- Cosa crea un sistema di riconoscimento facciale da un'immagine del volto?
- Uno schizzo su carta
- Un'impronta digitale
- Un'inclusione numerica o "impronta facciale"
- Una sequenza di DNA
- ShotSpotter è un esempio di quale tipo di sistema?
- Lettore di targhe
- Riconoscimento facciale
- Analisi del DNA
- Rilevamento acustico dello sparo
- Lettori di targhe automatizzati principalmente:
- Registra le posizioni dei veicoli su larga scala
- Tradurre lingue straniere
- Misurare la qualità dell'aria
- Emettere passaporti
- In che modo la legge dell’UE sull’IA tratta molti usi dell’IA da parte delle forze dell’ordine?
- Come non regolamentato
- Come ad alto rischio o proibito
- Come obbligatorio per tutte le forze dell'ordine
- Come software di intrattenimento
- In a face-recognition system, what can changing the match-similarity threshold trade off?
- Image resolution against video length
- Database size against audio quality
- False matches against missed matches
- Encryption strength against network speed
- What can AI transcription add to a body-worn-camera reporting workflow?
- A determination of guilt without a court
- A facial-recognition match from audio alone
- An automatic guarantee that a report is accurate
- A searchable transcript or draft narrative based on recorded audio