قاچاق کالا و ارز یکی از جدی‌ترین تهدیدات اقتصادی و امنیتی کشور است که سالانه خسارات هنگفتی به اقتصاد ملی وارد می‌سازد و پیامدهای زیان‌باری در ابعاد اجتماعی، تولیدی و بهداشتی به دنبال دارد. روش‌های سنتی کشف و پیشگیری از این جرایم به دلیل محدودیت‌های انسانی، حجم بالای تراکنش‌ها و پیچیدگی روزافزون شبکه‌های قاچاق، کارایی لازم را ندارند و نیاز به رویکردهای نوین احساس می‌شود. پژوهش حاضر با هدف بررسی تحلیلی-کاربردی نقش فناوری هوش مصنوعی در کاهش جرم قاچاق کالا و ارز انجام شده و کاربردهای این فناوری را در حوزه‌های گمرک هوشمند، تشخیص الگوهای مشکوک در تراکنش‌های مالی، پردازش تصویر در بازرسی محموله‌ها و تحلیل شبکه‌های قاچاق مورد بررسی قرار می‌دهد.

یافته‌های پژوهش نشان می‌دهد به‌کارگیری الگوریتم‌های یادگیری ماشین، شبکه‌های عصبی مصنوعی و سیستم‌های پردازش زبان طبیعی می‌تواند دقت شناسایی موارد قاچاق را به‌طور قابل‌توجهی افزایش دهد و هزینه‌های نظارتی را کاهش دهد. تجربه کشورهای ایالات متحده، اتحادیه اروپا، چین و امارات متحده عربی حاکی از آن است که یکپارچه‌سازی هوش مصنوعی با زیرساخت‌های گمرکی و مالی می‌تواند نرخ کشف جرایم قاچاق را تا حد چشمگیری بالا ببرد.

مبانی نظری و مفهومی
قاچاق در حقوق ایران بر اساس قانون مبارزه با قاچاق کالا و ارز مصوب ۱۳۹۲ و اصلاحات بعدی آن، به‌عنوان جرمی مستقل با ماهیت اقتصادی-امنیتی تعریف شده است. این پدیده از منظر اقتصادی در بستر شکاف میان قیمت‌های داخلی و خارجی، سیاست‌های ارزی و تعرفه‌های گمرکی شکل می‌گیرد. پیامدهای آن در سه حوزه اصلی قابل دسته‌بندی است: پیامدهای اقتصادی (کاهش درآمدهای گمرکی و مالیاتی، آسیب به تولیدکنندگان داخلی و بی‌ثباتی بازار ارز)، پیامدهای اجتماعی-امنیتی (پیوند با پول‌شویی، فساد اداری و تأمین مالی گروه‌های غیرقانونی) و پیامدهای بهداشتی (ورود کالاهای فاقد استاندارد به بازار).

پژوهش حاضر بر پایه دو نظریه اصلی استوار است: نظریه پیشگیری وضعی از جرم که بر کاهش فرصت‌های ارتکاب جرم از طریق تغییر محیط و افزایش هزینه و خطر تأکید دارد، و نظریه بازدارندگی که بیان می‌کند افزایش قطعیت، سرعت و شدت مجازات می‌تواند نرخ ارتکاب جرم را کاهش دهد. هوش مصنوعی با افزایش احتمال کشف جرم و کاهش زمان واکنش نهادهای نظارتی، مستقیماً در راستای این نظریه‌ها عمل می‌کند.

کاربردهای هوش مصنوعی
در حوزه گمرک هوشمند، الگوریتم‌های یادگیری ماشین با تحلیل هزاران متغیر از جمله سابقه تجاری، مسیر حمل، نوع کالا و ارزش اظهارشده، محموله‌های پرریسک را شناسایی و اولویت‌بندی می‌کنند. فناوری بینایی ماشین در ترکیب با دستگاه‌های اسکن ایکس‌ری، محتویات کانتینرها را با دقت بالا تحلیل کرده و اشیاء پنهان‌شده را شناسایی می‌کند. سیستم‌های پردازش زبان طبیعی نیز اسناد گمرکی و فاکتورها را به‌صورت خودکار بررسی کرده و مغایرت‌ها و نشانه‌های جعل را تشخیص می‌دهند.

در مبارزه با قاچاق ارز و پول‌شویی، الگوریتم‌های یادگیری عمیق الگوهای غیرعادی تراکنش‌های مالی را در زمان واقعی شناسایی می‌کنند. تحلیل شبکه‌های مالی با استفاده از الگوریتم‌های گراف، روابط پنهان میان حساب‌ها را آشکار می‌سازد و ابزارهای نظارت بر ارزهای دیجیتال جریان تراکنش‌های بلاکچین را ردیابی می‌کنند. در نظارت مرزی نیز سیستم‌های تشخیص چهره، تحلیل تصاویر ماهواره‌ای و پهپادی و تحلیل پیش‌بینانه الگوهای زمانی و مکانی قاچاق، امکان تخصیص بهینه منابع را فراهم می‌آورند. در فضای مجازی، سیستم‌های پردازش زبان طبیعی محتوای شبکه‌های اجتماعی و کانال‌های تلگرامی را پایش کرده و تبلیغات و زبان رمزی مرتبط با قاچاق را شناسایی می‌کنند.

تجربه کشورهای پیشرو و چالش‌ها
ایالات متحده با سیستم هدف‌گذاری خودکار سازمان گمرک و حفاظت از مرزها و شبکه FinCEN توانسته نرخ کشف موارد مشکوک را افزایش و هزینه‌های بررسی دستی را کاهش دهد. اتحادیه اروپا در قالب سیستم کنترل واردات و پلتفرم‌های یوروپل، چین با سیستم یکپارچه گمرک و بانک مرکزی، و امارات متحده عربی با پلتفرم هوش تجاری گمرک دبی، نتایج قابل‌توجهی در کشف و توقیف کالاها و دارایی‌های مرتبط با قاچاق به‌دست آورده‌اند. موفقیت این کشورها مستلزم یکپارچگی داده‌ها، همکاری بین‌المللی، سرمایه‌گذاری در آموزش نیروی انسانی و چارچوب حقوقی مناسب بوده است.

با این حال، به‌کارگیری هوش مصنوعی با چالش‌های متعددی روبه‌روست. چالش‌های فنی شامل دسترسی به داده‌های باکیفیت و یکپارچه، سازگاری سیستم‌ها با روش‌های نوین قاچاق و تعادل میان هشدار کاذب و کشف‌نشدن است. چالش‌های حقوقی و اخلاقی بر نگرانی‌های مربوط به حریم خصوصی، قابلیت استناد خروجی‌های سیستم‌های هوش مصنوعی در دادگاه‌ها و تبعیض الگوریتمی متمرکز است. چالش‌های سازمانی نیز شامل مقاومت در برابر تغییر رویه‌های سنتی و هزینه‌های پیاده‌سازی می‌شود. در ایران، تحریم‌های بین‌المللی، پراکندگی نهادی، ضعف زیرساخت‌های دیجیتال در مناطق مرزی و خلأهای قانونی در حوزه داده‌های شخصی و ادله دیجیتال، موانع خاصی ایجاد کرده‌اند.

برای پیاده‌سازی موفق این فناوری در ایران، ایجاد یک مرکز ملی یکپارچه داده میان نهادهای گمرک، بانک مرکزی، سازمان امور مالیاتی، نیروی انتظامی و ستاد مبارزه با قاچاق ضروری است. تدوین قانون جامع حفاظت از داده‌های شخصی، اصلاح قوانین آیین دادرسی کیفری و بازنگری قانون مبارزه با قاچاق کالا و ارز برای پوشش جرایم نوین مرتبط با فناوری نیز لازم به نظر می‌رسد. با توجه به محدودیت‌های ناشی از تحریم‌ها، سرمایه‌گذاری در توسعه بومی سیستم‌های هوش مصنوعی با همکاری دانشگاه‌ها و شرکت‌های دانش‌بنیان و اجرای آزمایشی این سیستم‌ها در چند گمرک پرتردد پیشنهاد می‌شود. آموزش تخصصی کارکنان و ایجاد رشته‌های میان‌رشته‌ای در حوزه حقوق دیجیتال و هوش مصنوعی نیز از اهمیت ویژه‌ای برخوردار است.

در مجموع، فناوری هوش مصنوعی با برخورداری از ظرفیت‌های منحصربه‌فرد پردازش حجم انبوه داده‌ها، تشخیص الگوهای پنهان و تصمیم‌گیری در زمان واقعی، می‌تواند تحولی بنیادین در رویکردهای مبارزه با قاچاق ایجاد کند. این فناوری جایگزین قضاوت و نظارت انسانی نیست، بلکه ابزاری قدرتمند در دست متخصصان و مسئولان است. ترکیب بهینه هوش مصنوعی با تخصص انسانی، اراده سیاسی و اصلاحات ساختاری می‌تواند چشم‌اندازی روشن برای کاهش معنادار جرایم قاچاق کالا و ارز در ایران ترسیم کند.
برگرفته از : مقاله نقش هوش مصنوعی در کاهش جرم قاچاق کالا و ارز- یحیی پیری- فصلنامه علمی و حقوقی حق ق یار -سال دهم- شماره 38- بهار 1405