全球有超过4000万人沦为奴役受害者。
包括人工智能在内的新兴技术可以帮助打击这种行为。
它可以揭示支付趋势，并帮助识别受害者。
尽管英国于1833年废除合法奴隶制，且美国经历了内战，最终于1863年通过《废除奴隶制法案》，但这种做法已演变为在现代世界各地盛行。如今，有组织犯罪网络通过剥削全球多达4000万名受害者的契约劳工，估计每年牟利1500亿美元。
这些受害者中，每四人就有一名儿童。四分之三是妇女和女孩。受害者往往甚至没有意识到自己受到了奴役，报告指出，新冠疫情使情况进一步恶化。
根据《全球奴隶制指数》，奴役在非洲、亚洲和太平洋地区国家最为普遍，10个国家据估计占所有受害者的近60%。然而，认为这是一个遥远的问题是错误的。在英国，一些估算认为受害者人数达到10万人或以上。
这些受害者从海外被贩运至较富裕的国家，往往深陷现代经济和社会赖以运转的供应链之中，例如食品生产、制造业以及生产我们穿着的衣物。对企业而言，未能遵守诸如《2015年现代奴隶制法案）等法规，可能会带来严重后果。
犯罪团伙运用各种心理、经济和身体手段实施严密控制。跨境贩运人员使受害者陷入困境，许多人背负对团伙的债务，或面临语言障碍。犯罪分子还经常以随时可能发生的身体暴力威胁受害者及其家人，迫使他们服从，这使得发现和打击此类犯罪极为困难。据认为，近90%的此类犯罪未被发现。
新技术有助于揭露人口贩运、起诉贩运者并解救被奴役者。
应用现代技术
现代奴役的证据链以及能够揭示其国际网络的数据，分布在许多组织和地理边界之上。必须梳理复杂的供应链，以免组织在无意中参与这种剥削。值得庆幸的是，技术如今可以为调查机构、企业、银行和政府提供重要支持。
犯罪分子善于利用最新技术逃避侦查，跨国犯罪日益成为常态，也进一步影响了国家和国际警务机构的运作方式，以及它们打击复杂犯罪的方式。在网络安全等领域，技术的影响、复杂的通信平台以及犯罪的全球化，正导致传统执法成果大幅下滑。
这促使网络安全领域采用诸如人工智能（AI）等技术，但我们需要将这些开创性新策略推广到更广泛的领域。
追踪资金流向
支付给受害者的钱款需要被犯罪团伙截取、提取并洗白。这可能是一个薄弱环节，政府和企业在此投入大量精力以发现滥用行为。银行为抓捕洗钱者而进行的交易分析，可能会漏掉小额资金流动；这些钱从受害者名下的银行账户中取出，往往只是通过反复前往当地自动取款机提取。
行为分析如今能够检视整个账户网络，将背景风险因素与交易数据结合起来，更容易识别此类犯罪模式，并向执法部门标记可疑活动。
调查机构在汇集来自多个来源的不同数据流方面，可能面临更多挑战，以识别嫌疑人、受害者，以及用于贩运和剥削受害者的基础设施。
自然语言处理（NLP）和实体解析结合灵活的关联分析软件，使调查人员能够为案件或犯罪团伙网络建立统一的集中式知识图谱，并自动串联起受害者、嫌疑人的电话号码、银行账户、交易，航班记录或调查期间收集的任何其他证据。
核查身份与就业情况
现代奴役依赖大量欺骗手段来获取合法的便利性资产，例如银行账户、身份证件和税务信息。受害者可能连当地语言都不会说，往往缺少银行开户时收集的基本信息，例如住址证明、电话号码和电子邮件地址；犯罪团伙会代为提供这些信息并开设由其控制的账户。这些合法身份信息使犯罪分子能够不受审查地控制资金。
更关键的是，这些信息往往还能让犯罪分子把受害者安插到供应链中待遇优厚的工作岗位；认为受害者大多领取现金或在账外受雇的看法，在很大程度上是错误的。凭借合法资产和税号，受害者可能在不知情的情况下年收入达数万英镑，但除食宿外，每周实际只拿到几英镑。
运用分析技术发现表面上互不相关的个人之间隐藏的联系，意味着新一代“了解你的客户”（KYC）审查可以更可靠地标记欺骗和剥削迹象，并在必要时上报执法部门。
就业中介和供应链合作伙伴，例如工厂和仓库，如今正根据工人提供的信息开展自身尽职调查。实体解析——一种能够从模糊且稀疏的数据集中唯一识别个人的人工智能技术——可以发现剥削的典型警讯，例如异常多的员工共用相同地址或银行信息。
如何关注“变革先锋峰会”？
确保全球协同行动
应用人工智能是打击现代奴役的一项重要进展，但它只是解决方案的一部分。我们还需要付出更多努力，让这些复杂技术更容易为最需要的地方所用。这项技术的作用终究有限。
如今，我们需要大胆的领导力、社会政策和监管框架，以抓捕犯罪分子，防止受害者落入现代奴役的陷阱。诸如《2015年现代奴隶制法案》以及欧盟即将出台的《第六项反洗钱指令》等立法，已使这一犯罪问题成为董事会层面的议题，但最终由谁负责仍有待厘清。企业、金融机构和政府部门必须共同运用技术识别警讯，终结剥削。
