Această inteligență artificială prezice criminalitatea cu o săptămână în avans și evidențiază părtinirea poliției

Eforturile de utilizare a inteligenței artificiale pentru a prezice criminalitatea au fost pline de controverse din cauza potențialului de a replica părtinirile existente în poliție. Dar un nou sistem alimentat de învățare automată promite nu numai să facă predicții mai bune, ci și să evidențieze aceste părtiniri.

Dacă există un lucru la care învățarea automată modernă este bună, este să identifice modele și să facă predicții. Așadar, este probabil deloc surprinzător că mulți din lumea politicilor și a aplicării legii sunt dornici să folosească aceste abilități. Susținătorii vor să se antreneze Modele AI cu înregistrări istorice ale criminalității și alte date relevante pentru a prezice când și unde este probabil să se producă crimele și pentru a utiliza rezultatele pentru a direcționa eforturile de poliție.

Problema este că acest tip de date se ascund adesea tot felul de prejudecăți care pot fi reproduse prea ușor atunci când sunt folosite pentru a antrena algoritmi fără să se gândească. Abordările anterioare au inclus uneori variabile false, cum ar fi prezența graffiti-urilor sau a datelor demografice, care pot determina cu ușurință modelele să facă asocieri greșite pe baza criteriilor rasiale sau socioeconomice.

Chiar și datele de bază ale poliției privind infracțiunile raportate sau numărul de arestări pot conține părtiniri ascunse. Poliția intensă în anumite zone despre care se presupune că au un nivel ridicat de criminalitate din cauza prejudecăților preexistente va duce aproape inevitabil la mai multe arestări. Și în zonele cu mare neîncredere în poliție, crimele pot rămâne adesea neraportate.

Cu toate acestea, capacitatea de a anticipa din timp tendințele activității criminale ar putea aduce beneficii societății. Așadar, un grup de la Universitatea din Chicago a dezvoltat un nou sistem de învățare automată care poate prezice când și unde este probabil să se întâmple crimele mai bine decât sistemele anterioare și, de asemenea, poate fi folosit pentru a investiga părtinirile sistemice în poliție.

Cercetătorii au adunat mai întâi date de câțiva ani de la poliția din Chicago privind crimele violente și asupra proprietății, precum și numărul de arestări rezultate din fiecare incident. Ei au folosit aceste date pentru a antrena o suită de modele AI care arată modul în care schimbările în fiecare dintre aceste variabile le afectează pe celelalte.

Acest lucru a permis echipei să prezică nivelurile criminalității în zone de 1,000 de picioare lățime ale orașului cu până la o săptămână în avans, cu o precizie de 90 la sută, după cum se raportează într-un recent studiu. hârtie înăuntru Natura Comportamentul uman. Cercetătorii au arătat, de asemenea, că abordarea lor a obținut o precizie similară atunci când au fost instruiți pe date din alte șapte orașe din SUA. Și când l-au testat pe un set de date dintr-o provocare de poliție predictivă condusă de Institutul Național al Justiției, au depășit cea mai bună abordare în 119 din 120 de categorii de testare.

Cercetătorii și-au pus succesul pe abandonul abordărilor care impun constrângeri spațiale asupra modelului, presupunând că criminalitatea apare în punctele fierbinți înainte de a se răspândi în zonele învecinate. În schimb, modelul lor a reușit să surprindă conexiuni mai complexe care ar putea fi mediate de legături de transport, rețele de comunicații sau asemănări demografice între diferitele regiuni ale orașului.

Cu toate acestea, recunoscând că datele utilizate pentru studiu ar fi fost probabil afectate de părtinirile existente în practicile de poliție, cercetătorii au investigat și modul în care modelul lor ar putea fi utilizat pentru a descoperi modul în care astfel de prejudecăți ar putea denatura modul în care forțele de ordine își desfășoară resursele.

Când echipa a crescut în mod artificial atât nivelul crimelor violente, cât și al criminalității asupra proprietății în cartierele mai bogate, arestările au crescut, pe măsură ce cele din zonele mai sărace au scăzut. În schimb, când nivelul criminalității a fost crescut în zonele sărace, nu a existat o creștere a numărului de arestări. Implicația, spun cercetătorii, este că cartierele mai bogate sunt prioritare de către poliție și pot atrage resurse de la cele mai sărace.

Pentru a-și valida concluziile, cercetătorii au analizat și datele brute ale poliției, folosind creșterea sezonieră a criminalității în lunile de vară pentru a investiga efectul ratelor crescute ale criminalității în diferite zone. Rezultatele au reflectat tendințele identificate de modelul lor.

În ciuda acurateței sale, liderul studiului Ishanu Chattopadhyay a spus într-un comunicatul de presă că instrumentul nu ar trebui utilizat pentru a determina în mod direct alocarea resurselor poliției, ci ca instrument de investigare a strategiilor de poliție mai bune. El descrie sistemul ca fiind un „geamăn digital al mediilor urbane” care poate ajuta poliția să înțeleagă efectele diferitelor niveluri de criminalitate sau de aplicare a legii în diferite părți ale orașului.

Rămâne de văzut dacă cercetarea poate ajuta la direcționarea domeniului poliției predictive într-o direcție mai conștiincioasă și mai responsabilă, dar orice efort de a echilibra potențialul de siguranță publică al tehnologiei față de riscurile sale considerabile este un pas în direcția corectă.

Credit imagine: David von Diemar / Unsplash