20 yaşındaki Brezilyalı, yolsuzluğu tespit eden bir yapay zekâ geliştirdi. Anlaşılır bir durum.
Kurumsal dünyada ve dijital tüketimde yapay zekanın hızla geliştiği bir dönemde, Brezilyalı bir kişi bu teknolojiyi ülkenin tarihsel olarak hassas bir alanı olan bir alana uygulamaya karar verdi: kamu yetkililerinin gözetimi. geliştirici Bruno CesarHenüz 20 yaşındayken, politikacıları ilgilendiren potansiyel finansal riskleri haritalamak için büyük miktarda kamu verisini çapraz referanslayabilen yapay zeka tabanlı bir araç geliştirdi.
Resmi portallarda (mal varlığı beyanları, kamu sözleşmeleri, ticari bağlantılar, seçim kayıtları ve şirket verileri) bulunan bilgilerin çapraz referanslanmasını otomatikleştirerek, sistem atipik kalıpları, tutarsızlıkları ve potansiyel çıkar çatışmalarını belirlemeyi amaçlamaktadır. Bu, suçlayıcı bir araç değil, risk göstergeleri üreten ve daha fazla araştırma gerektiren noktaları işaret eden analitik bir mekanizmadır. Gelin ve bu fikrin nasıl ortaya çıktığını ve potansiyelinin ne olduğunu anlayın.
Yapay zeka nasıl çalışır?
Programcı Bruno CesarBilgisayar Bilimleri bölümünden mezun oldu. UFRN Rio Grande do Norte Federal Üniversitesi tarafından geliştirilen bu araç, veri bilimi teknikleri, dil modelleri ve istatistiksel korelasyon sistemlerini birleştirerek oluşturulmuştur. Proje, seçim mahkemeleri, şeffaflık portalları, ticaret kurulları, resmi gazeteler ve federal işletme kayıt veritabanları gibi çok sayıda kamu kaynağının entegrasyonuna dayanmaktadır.
Yapay zeka bu bilgileri toplar, verileri ilişkisel bir yapıya göre düzenler ve ardından aşağıdaki gibi öğeler arasında çapraz referanslama yapar: İsimler, CPF/CNPJ numaraları, kurumsal bağlantılar, beyan edilen varlık gelişimi ve kamu otoriteleriyle imzalanan sözleşmeler.Bu bağlantılar temelinde, sistem, izole bir manuel analizde algılanması zor olacak yapıları ortaya çıkaran bir tür "ilişki haritası" oluşturur.
Fark, kullanım şeklinden kaynaklanmaktadır. dil modelleri Bağlamı yorumlamak için. Sadece isim eşleşmelerini aramakla kalmaz; sistem açıklamaları, konumları, tarihleri ve dolaylı ilişkileri analiz eder ve her bağlantı türüne farklı ağırlıklar atar. Bu, birden fazla faktörün birleştirilmesine dayalı bir risk puanı oluşturulmasına olanak tanır.
Yaratıcısına göre, amaç hiçbir zaman düzenleyici kurumların yerini almak veya otomatik yargılar üretmek olmamıştır. Bu araç, analiz süresini kısaltabilen ve insan dikkatini potansiyel olarak ilgili noktalara yönlendirebilen akıllı bir filtre görevi görür.
Aşağıdaki diyagram, tarafından geliştirilen aracın basitleştirilmiş çalışma şeklini göstermektedir. Bruno Cesar Peki bu, kamu kaynaklarının kullanımının denetlenmesine nasıl yardımcı olabilir?
Bruno César geçtiğimiz günlerde bu aracın tamamını kullanıma sundu. codigo aberto deponuzda şu adreste GitHubOrada, gerekli dosyaları indirip yapılandırmak ve aracı doğrudan bilgisayarınızda test etmek için talimatları takip edebilirsiniz.
Başarı Öyküleri
Bruno César tarafından geliştirilen araç henüz geliştirme aşamasında olsa da, bazı pratik testler, kamuya açık verilerin otomatik olarak çapraz referanslanmasının normalde fark edilmeyecek kalıpları nasıl ortaya çıkarabileceğini göstermiştir. Aşağıda en ilgili örneklerden bazıları yer almaktadır.
Vaka 1: Olası kendiliğinden yönlendirilen parlamento değişikliklerinin tespiti
Bu aracın nasıl çalıştığına dair en etkileyici örneklerden biri, şu yeteneğe sahip olmasıdır... Parlamento değişiklikleri, kamu sözleşmeleri ve politikacıların aile üyeleriyle bağlantılı şirketler arasındaki karmaşık ilişkilerin haritasını çıkarmak.Sistem tarafından tespit edilen ilk vakada, platform otomatik olarak kamuya açık portallardan gelen verileri analiz etti ve bir örüntü tespit etti; bu örüntü, bir şeyin göstergesi olabilir. kamu kaynaklarının kendi kendini yönetmesi.
Yapay zeka, bir federal kongre üyesinin yaklaşık olarak şu kadar bütçe ayırdığını tespit etti: Belirli bir belediye için parlamentoda yapılacak değişiklikler için 47 milyon R$ harcandı.Bu ilk bilgilere dayanarak, sistem kamu sözleşmelerinden, ticari kayıtlardan ve açık devlet veri tabanlarında bulunan aile bağlarından elde edilen verileri çapraz referans yöntemiyle karşılaştırdı.
Sonuç olarak endişe verici bir örüntü tespit edildi: Değişikliklerle bağlantılı sözleşmelerin yaklaşık %67'si, milletvekilinin kendi ailesiyle bağlantılı şirketler tarafından imzalandı.Tespit edilen bağlantılar arasında, siyasetçinin kardeşiyle bağlantılı şirketler ve ayrıca siyasetçinin oğluyla bağlantılı işletmeler de bulunuyordu.
Bu araç sadece sorunu işaret etmekle kalmıyor, aynı zamanda İlişki zincirini görsel olarak açıklıyor.Belirlenen örüntüyü vurgulayarak:
Parlamento değişikliği → Müttefik belediye binası → Aile şirketleriyle yapılan sözleşmeler
Bu görselleştirme şu şekilde sunulmaktadır: bağlantı grafiğiBu, gazetecilerin veya araştırmacıların kamu parasının farklı aktörler arasında nasıl dolaştığını hızlı bir şekilde anlamalarını sağlar. Ayrıca sistem, analizde kullanılan kaynakları da gösterir; bunlar arasında şu veritabanları da bulunur:
Algoritma ayrıca bir atama işlemi de gerçekleştirir. risk seviyesiBu durumda şu şekilde sınıflandırılmıştır: "kritik"yaklaşık olarak Düzensizlik olasılığı %97Belirlenen kalıplara göre.
Normalde gerektirecek olan bu tür bir analiz haftalar süren manuel incelemeBu araç sayesinde bu işlem sadece birkaç saniye içinde gerçekleştirilebilir.
Vaka 2: İdari usulsüzlük ağlarının keşfi
Aracın gösterdiği bir diğer örnek, sistemin yeteneklerini ortaya koymaktadır. Aynı görev süresi içinde birden fazla usulsüzlük belirtisini tespit etmek.Bu durum, kamuya açık veriler ayrı ayrı analiz edildiğinde genellikle gözden kaçar.
Platformun görüntülediği panelde yapay zeka bir liste sunuyor. Risk seviyesine göre sınıflandırılmış uyarılarBu, kamuya açık veri tabanlarının çapraz referanslanması sonrasında tespit edilen potansiyel sorunları vurgulamaktadır.
Sistem, varlığına dair kanıt buldu. 34 hayalet çalışanBu da yaklaşık olarak şu kadar bir maliyeti temsil eder: Kamu fonlarından yılda 2,4 milyon R$Bu tür usulsüzlükler, kişilerin devlet dairelerinde veya kurumlarında çalışan olarak kayıtlı olduklarında ortaya çıkar, ancak Aslında hiçbir profesyonel faaliyette bulunmuyorlar..
Yapay zeka, aşağıdaki gibi verileri analiz ederek bu örüntüyü belirler:
- ödeme kayıtları
- iş ilişkileri
- profesyonel faaliyet geçmişi
- aile ve siyasi ilişkiler
Bu bilgiler çeliştiğinde veya tutarsızlıklar ortaya çıkardığında, sistem bir uyarı oluşturur.
Tespit edilen bir diğer uyarı ise yaklaşık olarak transferle ilgilidir. Faaliyet göstermediği veya var olmadığına dair güçlü işaretler gösteren bir okul için 800 R$.Bu araç, eğitim kayıtları, kamu sözleşmeleri ve idari veriler arasında tutarsızlıklar tespit etti.
Ayrıca, yapay zeka olası bir öneri de sunuyor. Seçim bağışları ile sağlık sektöründeki kamu finansmanı arasında kapalı bir döngü.yaklaşık olarak 12 milyon R$ tutarında kamu transferi ve yaklaşık 150 R$ tutarında siyasi bağış..
Bu durumda, araç ne zaman olduğunu belirler. Kamu ihaleleri alan şirketler daha sonra siyasi kampanyalara bağış yapan kuruluşlar olarak karşımıza çıkıyor.Bu durum, potansiyel olarak düzensiz bir finansman döngüsü yaratabilir.
Son olarak, platform ayrıca şu iki unsur arasında önemli bir tutarsızlığa da dikkat çekti: beyan edilen varlıklar ve resmi olarak kayıtlı gelirBu durum, vakayı yüksek riskli olarak sınıflandırıyor. Analiz edilen örnekte, beyan edilen net serveti şu kadar olan bir politikacı yer alıyor: 2,8 milyon BRL Bu durum, finansal işlemler ve miktarları aşabilecek varlıklarla ilişkili görünmektedir. 80 milyon BRL.
Bu tür analizler, sistemin aşağıdakiler gibi birden fazla kaynaktan gelen verileri çapraz referanslaması sayesinde mümkündür:
- seçim açıklamaları
- vergi kayıtları
- ilişkili şirketler
- kamu sözleşmeleri
- siyasi bağışlar
Bu bilgileri tek bir gösterge panosunda birleştirerek, araç şunları ortaya çıkarabiliyor: geleneksel analizlerde görünmeyen kalıplarBu da potansiyel yolsuzluk planlarını tespit etmeyi kolaylaştırıyor.
Pratik uygulamalar
Bu aracın potansiyeli, tekil başarı öykülerinin ötesine uzanıyor. Hem medya profesyonelleri hem de sivil toplum kuruluşları tarafından sürekli izleme ve analiz aracı olarak kullanılabilir.
Yolsuzluk denetimi
En belirgin uygulama alanı şudur: yolsuzlukla mücadeleKarmaşık finansal veri ve iş ilişkileri çapraz referanslamasını otomatikleştirerek, yapay zeka bir erken uyarı sistemi gibi işlev görebilir. Suçlamaz, ancak beklenen davranıştan sapan kalıpları işaret eder.
Soruşturmaların genellikle büyük veri hacimlerini analiz etmekte zorlandığı bir ülkede, otomasyon verimlilikte önemli bir kazanım sağlayabilir. Düzenleyici kurumlar tarafından bu aracın kullanılması, inceleme süresini kısaltabilir ve denetim kapsamını genişletebilir.
Gazetecilere ve sivil topluma destek
Araştırmacı gazetecilik için teknoloji stratejik bir ilerlemeyi temsil ediyor. Birçok haberin en zahmetli aşaması, birden fazla veritabanına dağılmış verilerin çapraz referanslanmasını içeriyor. Yapay zeka bu aşamayı otomatikleştirerek gazetecilerin çabalarını bağlam oluşturmaya ve derinlemesine haber yapmaya odaklamalarına olanak tanıyor.
Şüpheli kalıpları belirlemenin yanı sıra, bu araç yapılandırılmış raporların otomatik olarak oluşturulmasında da verimlilik göstermiştir. Sistemi test eden gazeteciler, ön verileri toplamak için harcanan sürede önemli bir azalma olduğunu bildirmiştir. Sivil toplum kuruluşları da, oluşturulan raporları sosyal kontrol girişimleri ve kamu politikalarının izlenmesi için bir başlangıç noktası olarak kullanarak sistemden faydalanabilir.
Kampanyalarda ve görevlendirmelerde şeffaflık
Seçim dönemlerinde, kampanya bağışları, ticari bağlantılar ve kamu sözleşmelerinin çapraz referanslanması, seçmenlere potansiyel çıkar çatışmaları hakkında daha geniş bir bakış açısı sunabilir. Bu araç, yalnızca münferit beyanların değil, aynı zamanda adaylıkları ve yetkileri çevreleyen finansal ekosistemin de analizine olanak tanır. Bu bağlamlandırma yeteneği, şeffaflık ve kamu hesap verebilirliği konusundaki tartışmayı genişletir.
Brezilya Hızlanmacılığı
Yapay zekâ gibi araçların ortaya çıkmasıyla birlikte... Bruno Cesar Aynı zamanda, uluslararası teknoloji tartışmalarında giderek daha fazla yer bulan daha geniş bir entelektüel akımla da etkileşim halindedir: özellikle en son biçimiyle bilinen hızlanmacılık akımı. etkili hızlanmacılık.
O hızlanmacılık Başlangıçta, derin toplumsal dönüşümler sağlamak için teknolojik ve ekonomik süreçleri hızlandırmayı savunan felsefi bir hareket olarak ortaya çıktı. Buna göre VikipediBu kavram, İngiliz filozof gibi düşünürlerden ilham alarak 1990'lar ve 2000'lerde önem kazandı... Nick LandTeknolojik ilerlemenin ve kapitalizmin büyümesinin toplum yapısında köklü değişikliklere yol açabileceğini savunan kişi.
Ayrıca sıklıkla şu şekilde kısaltılır: e/hesapBu hareket, 2020'lerde çevrimiçi teknoloji toplulukları içinde ortaya çıktı ve yoksulluk, enerji krizleri ve çevresel sorunlar gibi küresel sorunları çözmenin bir yolu olarak teknolojinin, özellikle yapay zekanın, hızlı ilerlemesini teşvik eden açıkça teknopozitivist bir duruşu savunmaktadır.
Savunucuları e/hesap Onlar, hızlandırılmış teknolojik ilerlemenin kaçınılmaz ve arzu edilir olduğuna ve bu süreci aşırı düzenlemeler veya teknoloji korkusuyla engellemeye çalışmanın insanlık için önemli çözümleri geciktirebileceğine inanıyorlar. Birçok durumda, bu görüş, insan bilgisini genişletebilen ve küresel ölçekte daha fazla enerji ve kaynak kullanabilen transhümanizm ve gelişmiş teknolojik medeniyetler fikirleriyle örtüşmektedir.
hakkında konuşurken Brezilya hızlanmacılığıAncak bu kavram daha pragmatik bir yorum kazanıyor. Yapay genel zekâ veya gezegenler arası medeniyetler hakkındaki fütüristik senaryoları tartışmak yerine, bu fikir, yolsuzluk, kamu şeffaflığı ve bilgiye erişim gibi ülkenin yapısal sorunlarını çözmek için teknolojinin yoğun kullanımıyla bağlantılı görünüyor.
Bu bağlamda, yapay zeka gibi araçlar, tarafından geliştirilen araçlar... Bruno Cesar Bunlar bir tür sivil hızlandırmayı temsil ediyor: toplumun araştırma kapasitesini genişletmek için algoritmaların ve otomasyonun kullanımı. Bu teknolojiler, büyük ölçekli kamu veritabanlarını çapraz referanslayarak gazetecilerin, araştırmacıların ve vatandaşların daha önce aylar süren manuel çalışma gerektiren kalıpları belirlemelerine olanak tanıyor.
Başka bir deyişle, bu, demokratik denetimi hızlandırmak, kamu gücünün izlenmesini daha verimli ve erişilebilir hale getirmek için teknolojinin gücünü kullanmakla ilgilidir. Silikon Vadisi'nde hızlandırmacılık genellikle yapay zeka ve dijital ekonomideki gelişmelerle ilişkilendirilirken, Brezilya'da farklı bir rol üstlenebilir: şeffaflığı, hesap verebilirliği ve vatandaş katılımını güçlendirmek için bir araç olarak hizmet edebilir.
tarafından oluşturulan araç Bruno Cesar Bu durum, yapay zekanın kurumsal otomasyon veya metin üretiminin ötesine geçebileceğini gösteriyor. Kamu verilerinin analizine uygulandığında, şeffaflığı güçlendirme ve sosyal denetim kapasitesini genişletme potansiyeline sahip.
Ancak, her yüksek etkili teknoloji gibi, sorumluluk, insan onayı ve sürekli etik tartışma gerektiriyor. Şimdi asıl zorluk sadece teknik değil, aynı zamanda kurumsal: Bu tür araçları demokratik ekosisteme yapıcı bir şekilde nasıl entegre edebiliriz?
Peki, sizce bu araç yolsuzlukla mücadelede gerçekten daha etkili olmaya yardımcı olabilir mi? Yorumlarda görüşlerinizi belirtin.
daha fazla gör
Tarafından gözden geçirildi Tiago Rodrigues 05/03/2026 tarihinde
Showmetech hakkında daha fazlasını keşfedin
En son haberlerimizi e-postayla almak için kaydolun.
