See tehisintellekt ennustab kuritegevust nädal aega ette ja tõstab esile politsei erapoolikust

Püüdlused kasutada tehisintellekti kuritegevuse ennustamiseks on olnud vastuolulised, kuna on võimalik korrata olemasolevaid eelarvamusi politseitöös. Kuid uus masinõppel töötav süsteem lubab mitte ainult teha paremaid ennustusi, vaid ka tuua esile need eelarvamused.

Kui on midagi, milles kaasaegne masinõpe hea on, on see mustrite tuvastamine ja prognooside tegemine. Seega pole ehk üllatav, et paljud poliitika- ja õiguskaitsemaailmas soovivad neid oskusi kasutada. Pooldajad tahavad treenida AI mudelid ajalooliste kuritegude registrite ja muude asjakohaste andmetega, et ennustada, millal ja kus kuriteod tõenäoliselt aset leiavad, ning kasutada tulemusi politseitöö suunamiseks.

Probleem on selles, et seda tüüpi andmed peidavad end sageli igasugused eelarvamused mida saab liiga kergesti kopeerida, kui seda kasutatakse algoritmide mõtlematult treenimiseks. Varasemad lähenemisviisid on mõnikord hõlmanud võltsmuutujaid, nagu grafiti või demograafilised andmed, mis võivad kergesti viia mudelite loomiseni rassilistel või sotsiaalmajanduslikel kriteeriumidel põhinevate vigaste seoste loomisel.

Isegi politsei põhiandmed teatatud kuritegude või vahistamiste arvu kohta võivad sisaldada varjatud eelarvamusi. Tugev politseitöö teatud piirkondades, mille kuritegevuse tase eeldatakse olemasolevate eelarvamuste tõttu, toob peaaegu paratamatult kaasa rohkem vahistamisi. Ja piirkondades, kus politseisse ei usaldata, võivad kuriteod sageli ka teatamata jääda.

Sellegipoolest võib kuritegeliku tegevuse suundumuste enneaegne ettenägemine ühiskonnale kasulik olla. Nii on Chicago ülikooli rühm välja töötanud uue masinõppesüsteemi, mis suudab ennustada, millal ja kus kuriteod tõenäoliselt aset leiavad, paremini kui varasemad süsteemid ning mida kasutatakse ka politseitöö süsteemsete eelarvamuste uurimiseks.

Teadlased kogusid kõigepealt Chicago politsei mitme aasta andmeid vägivalla- ja varakuritegude kohta, samuti iga intsidendi tulemusel toimunud vahistamiste arvu. Nad kasutasid neid andmeid AI mudelite komplekti koolitamiseks, mis näitavad, kuidas muutused nendes muutujates mõjutavad teisi.

See võimaldas meeskonnal ennustada kuritegevuse taset 1,000 jala laiustes linnapiirkondades kuni nädal ette 90-protsendilise täpsusega, nagu teatati hiljutises ajakirjas. paber sisse Loodus Inimkäitumine. Teadlased näitasid ka, et nende lähenemisviis saavutas sarnase täpsuse, kui koolitati seitsme teise USA linna andmete põhjal. Ja kui nad katsetasid seda riikliku justiitsinstituuti korraldatud ennustava politseitöö väljakutse andmestikuga, ületasid nad parimat lähenemisviisi 119-s 120-st testimiskategooriast.

Teadlased panid oma edu taandamisele lähenemisviisidest, mis seavad mudelile ruumilisi piiranguid, eeldades, et kuritegevus ilmub levialadele enne ümbritsevatesse piirkondadesse levimist. Selle asemel suutis nende mudel tabada keerukamaid ühendusi, mida võisid vahendada transpordiühendused, sidevõrgud või demograafilised sarnasused linna eri piirkondade vahel.

Arvestades, et uuringus kasutatud andmed olid tõenäoliselt rikutud politseitöös olemasolevate eelarvamuste tõttu, uurisid teadlased ka seda, kuidas nende mudelit saaks kasutada selleks, et teha kindlaks, kuidas sellised eelarvamused võivad moonutada õiguskaitseorganite ressursside kasutamist.

Kui meeskond tõstis jõukamates piirkondades kunstlikult nii vägivalla- kui ka varakuritegevuse taset, kasvas vahistamiste arv hüppeliselt, kuna vaesemates piirkondades langes. Seevastu kui kuritegevuse tase vaestes piirkondades tõusis, ei suurenenud vahistamiste arv. Teadlaste sõnul on see, et politsei seab prioriteediks jõukamad linnaosad ja need võivad vaesematelt ressursse ära tõmmata.

Oma leidude kinnitamiseks analüüsisid teadlased ka politsei töötlemata andmeid, kasutades suvekuudel hooajalist kuritegevuse kasvu, et uurida kõrgendatud kuritegevuse mõju erinevates piirkondades. Tulemused peegeldasid nende mudeliga tuvastatud suundumusi.

Vaatamata selle täpsusele ütles uuringu juht Ishanu Chattopadhyay a Pressiteade et seda tööriista ei tohiks kasutada politsei ressursside eraldamise otseseks määramiseks, vaid selle asemel vahendina paremate politseitöö strateegiate uurimiseks. Ta kirjeldab süsteemi kui "linnakeskkonna digitaalset kaksikut", mis aitab politseil mõista erineva kuritegevuse või jõustamistaseme mõjusid linna eri osades.

Seda, kas uuringud võivad aidata ennustava politseitöö valdkonda kohusetundlikumalt ja vastutustundlikumalt suunata, tuleb veel näha, kuid kõik jõupingutused tehnoloogia avaliku turvalisuse potentsiaali ja selle suurte riskide tasakaalustamiseks on samm õiges suunas.

Image Credit: David von Diemar / Unsplash