Tekoälyn hyödyntäminen Riihimäen vankilan kameravalvonnassa

Abstract

Tämän opinnäytetyön tavoitteena oli arvioida Riihimäen vankilassa 2025 kesällä toteutettua pilottia, jossa tekoälyä testattiin osana kameravalvontaa. Opinnäytetyön toimeksiantajan oli Riihimäen vankila. Tarkoituksena oli arvioida tekoälypilotin luotettavuutta, järjestelmään asetettujen parametrien toimivuutta väkivaltatilanteiden tunnistamisessa sekä esittää mahdolliset kehitysehdotukset jatkoa ajatellen. Tarkoituksena oli myös luoda pohjaa tekoälyn käyttöön osana kameravalvontaa, sillä pilotti oli ensimmäinen laatuaan Suomen vankiloissa.

Tutkimus toteutettiin kvantitatiivisena tutkimuksena, jossa analysoitiin tekoäly-pilotista saatua dataa. Aineisto opinnäytetyötä varten muodostui tekoälyjärjestelmän tuottamista hälytyksistä ja niihin liittyvistä videotallenteista. Aineisto esitettiin taulukkomuodossa, josta käy ilmi hälytysten kokonaismäärä sekä aiheelliset ja aiheettomat hälytykset. Tekoälyjärjestelmästä saadun aineiston pohjalta arvioitiin eri parametrien toimivuutta sekä järjestelmän luotettavuutta.

Työn teoriaosuudessa käsitellään vankilaväkivallan teoreettista viitekehystä, kuten deprivaatiomallia ja importaatiomallia, tilannetorjuntateoriaa sekä teko-älysovelluksien käyttöä osana väkivallan ennaltaehkäisyä. Teoriasta selviää, miksi tekoälyn käyttö osana kameravalvontaa voisi ehkäistä väkivaltatilanteita sekä nopeuttaa tilanteisiin reagointia ja miksi se olisi juuri nyt ajankohtaista.

Opinnäytetyöstä käy ilmi tekoälyjärjestelmästä kerätty data kolmen kuukauden ajalta ja se, miten hyvin se toimi osana kameravalvontaa. Tutkimuksen tuloksista käy ilmi, että tekoälyjärjestelmä ei ole tällä hetkellä vielä vaaditulla tasolla, koska aiheettomien hälytysten määrä oli suuri. Tuloksista selviää kuitenkin myös se, että tekoälyn käytössä osana kameravalvontaa on potentiaalia, koska parametrejä säätämällä aiheettomia hälytyksiä pystyttiin laskemaan ja tekoälyn tuottamasta datasta tuli tarkempaa. Tutkimuksen johtopäätöksistä selviävät järjestelmän olennaiset kehityskohteet. Jatkokehityksessä tulisi erityisesti panostaa tekoälyn itseoppivuuteen sekä parametrien jatkuvaan kehittämiseen.