Pasalnya, sistem ini bisa mengakses lebih dari 150 database rahasia yang disimpan oleh pemerintah sentral dan lokal, termasuk data-data bank, properti, dan konstruksi.
Bila perlu, Zero Trust bisa melihat data satelit untuk menginvestigasi apakah dana publik benar-benar digunakan untuk membangun jalan seperti klaim pemerintah lokal.
Dengan melakukan referensi silang terhadap berbagai data di atas, Zero Trust bisa menemukan tanda-tanda korupsi, misalnya bila ada transfer uang yang mencurigakan atau mobil baru yang didaftarkan atas nama keluarga atau teman pegawai negeri.
Setelah mencurigai, Zero Trust kemudian akan mengalkulasikan kemungkinan tindakan tersebut adalah tindak korupsi. Jika melewati batas tertentu, Zero Trust kemudian akan memperingatkan otoritas China yang akan melakukan verifikasi dan membuat keputusan akhir.
Baca Juga : Begini Prediksi Tim yang Melaju ke Final Piala Dunia 2018 Menurut Kecerdasan Buatan
Namun, sistem ini bukan tanpa kekurangan. Meskipun kecerdasan buatan tersebut mampu menemukan koruptor dengan cepat, ia tidak dapat menjelaskan konklusi tersebut tercapai. Alhasil, keberadaan manusia masih diperlukan untuk membantunya.
Zhang Yi dari Komisi Inspeksi Disiplin untuk Partai Komunis China yang bertugas di Ningxiang, Hunan, salah satu dari segelintir daerah yang masih menggunakan Zero Trust, mengatakan, kami hanya menggunakan hasil mesin sebagai referensi. Kami masih perlu memeriksa dan menverifikasi kebenarannya.
“Mesin ini tidak bisa mengangkat telepon dan menghubungi orang yang dianggap bermasalah. Pada akhirnya, keputusan tetap dibuat oleh manusia,” katanya.
Ketika pertama kali diluncurkan, Zero Trust hanya diuji coba pada 30 daerah dan kota, sekitar 1 persen dari total area administratif China. 30 daerah dan kota tersebut memang sengaja dipilih yang berlokasi di area-area terpencil dan miskin.
Baca Juga : Ngeri, Kecerdasan Buatan Ciptaan Google Bisa Prediksi Kematian Seseorang, Akurasi Mencapai 95 Persen
Source | : | Kompas.com |
Penulis | : | Intisari Online |
Editor | : | Ade S |
KOMENTAR