PREDVIĐANJE ZLOČINA: Algoritam koji može predvidjeti lokaciju i stopu kriminala u gradu tjedan dana unaprijed

Istraživači sa Sveučilišta u Chicagu razvili su algoritam za koji kažu da može predvidjeti lokaciju i stopu kriminala u gradu tjedan dana unaprijed.

Podaci i društveni znanstvenici priznaju da su alati za predviđanje zločina ranije “izazivali kontroverze” o pristranosti i nadzoru i kažu da su poduzeli nekoliko koraka za ublažavanje ovih rizika.

Međutim, drugi stručnjaci još uvijek iskazuju zabrinutosti o tome kako bi se takvi alati mogli koristiti.

Model dijeli grad na prostorne površine široke otprilike 300 metara i ‘predviđa’ kriminal unutar tih područja

Testiran je i potvrđen korištenjem povijesnih podataka iz grada Chicaga o nasilnom i imovinskom kriminalu. Prema studiji objavljenoj u časopisu Nature Human Behavior, model može predvidjeti buduće zločine tjedan dana unaprijed s točnošću od oko 90 posto, a pokazao se jednako dobrim s podacima iz sedam drugih američkih gradova: Atlante, Austina, Detroita, Los Angelesa, Philadelphije, Portlanda , i San Francisco.

Može predvidjeti, na primjer, unutar radijusa od dva bloka gdje postoji visok rizik od ubojstva za tjedan dana, rekao je za Cities Today Ishanu Chattopadhyay, docent medicine na UChicago i viši autor studije.

Znanstvena fantastika iz stvarnog života?

Chattopadhyay je rekao da se alat ne bi trebao uspoređivati ​​s Minority Reportom, znanstvenofantastičnom kratkom pričom i filmom smještenim u budućnost gdje se ljudi uhićuju za zločine koji još nisu počinjeni.

“Ne fokusiramo se na predviđanje individualnog ponašanja”, rekao je.

Prethodne inicijative za predviđanje zločina bile su kontroverzne, poput sada napuštenog programa u Chicagu koji je ocjenjivao desetke tisuća stanovnika prema tome tko će najvjerojatnije biti uhvaćen u nasilju, bilo kao žrtva ili kriminalac.

Tim naglašava da se njihov pristup razlikuje od drugih pokušaja koji prikazuju kriminal kao pojavu u “vrućim točkama” koje se šire na okolna područja. Tvrde da ovi alati propuštaju složeno društveno okruženje gradova i ne razmatraju odnos između kriminala i učinaka policijskih mjera.

Alat se također može koristiti za reviziju pristranosti

Istraživači su proučavali reakciju policije na kriminal analizirajući broj uhićenja nakon incidenata i uspoređujući te stope među četvrtima s različitim socioekonomskim statusom. Vidjeli su da kriminal u bogatijim područjima dovodi do više uhićenja nego u siromašnijim četvrtima.

Prema Chattopadhyayu, otvorena priroda modela dodatno ga izdvaja. “Podaci su javni, algoritam je otvorenog koda, i stoga rezultate može replicirati bilo tko s pristupom umjereno snažnom računalnom sustavu“, kaže on.

Algoritmi strojnog učenja često trebaju “značajke” kao ulazne podatke, koje određuju stručnjaci za znanost podataka ili područje. Novi algoritam nema zahtjeva za ovaj ljudski unos, jer izravno obrađuje neobrađene zapisnike događaja.

“Ovo se može smatrati korakom prema demokratizaciji umjetne inteligencije: nema skrivenih unosa, nema komentara podataka koji su dodijeljeni ‘nadležnim vlastima’ i nitko ne sjedi i ne upisuje parametre koji bi se zatim koristili za definiranje i identifikaciju loše ili ‘rizično’ ponašanje”, rekao je Chattopadhyay.

Rizici ostaju

“To ne znači da smo potpuno eliminirali potencijalnu pristranost“, dodao je. “Podaci mogu imati ugrađenu pristranost. Na primjer, pretjerano nadziranje zajednica u nepovoljnom položaju lažno će podići relativnu stopu kriminala, a algoritam za zaključivanje to neće moći reći. Stoga moramo paziti kako se ovaj i slični alati koriste.

“Moramo iskoristiti ovu tehnologiju kako bismo pomogli zajednicama, prepoznali pristranosti tamo gdje postoje i krenuli prema boljem društvu, a ne preplavili zajednice u nepovoljnom položaju s više mjera.“

Međutim, drugi ističu da kreatori algoritama imaju malo kontrole nad time kako se oni koriste u praksi.

Vincent M. Southerland, asistent profesora kliničkog prava i suvoditelj Centra za rasu, nejednakost i pravo na Pravnom fakultetu sveučilišta NYU, rekao je za Cities Today: “Ne zamišljam da će policijske uprave koristiti ovaj alat za otkrivanje načina za dodjelu resursa koji se zapravo bave temeljnim problemima koji dovode do uključenosti ljudi u kazneni pravni sustav.

Ako se alat koristi kako bi se rasporedilo policijske resurse, to je potencijalni problem

“Svakako vidim da se to koristi kako bi se otkrilo gdje rasporediti policijske resurse. I u tom smislu, mislim da će pridonijeti istoj vrsti pretjeranog nadzora policije kakvu smo vidjeli u zajednicama obojenih, povijesno posvuda.”

Rekao je da takvi alati mogu “baciti mrežu sumnje” na svakoga u nekom području kao potencijalnog kriminalca.

Emily M. Bender, profesorica lingvistike na Sveučilištu u Washingtonu, u objavi je na Twitteru rekla da bi se fokus trebao usmjeriti na temeljne nejednakosti, a ne na predviđanje, te napomenula da zločini poput krađe plaća, financijskih prijevara i kršenja okolišnih zakona obično dobivaju manje pažnje.

Chattopadhyay je rekao: “Bili smo oprezni pri implementaciji s obzirom na mnoge, mnoge neželjene posljedice koje takva tehnologija može imati. Ali sam alat je prilično potpun i može se brzo implementirati.

“Mogli bismo vidjeti neke implementacije ovog alata već unutar godinu dana.“