Video
Napredak u mašinskom učenju i vještačkoj inteligenciji izazvao je interesovanje vlada koje bi željele koristiti te alate za preventivno djelovanje policije u sprečavanju kriminala. Međutim, prvi su rezultati u predviđanju kriminala bili kontroverzni, jer nijesu uzimali u obzir sistemsku pristrasnost policije i njen složen odnos s kriminalom i društvom.
Naučnici s Univerziteta u Čikagu razvili su algoritam koji predviđa kriminal, učeći obrasce u vremenu i geografske lokacije iz javnih podataka o krivičnim djelima, u vezi s nasiljem I imovinom. Model može predvidjeti buduće zločine sedam dana unaprijed s oko 90% tačnosti, prenosi Sajens Dejli.
U odvojenom modelu, istraživački tim je, takođe, proučavao reakciju policije na kriminal, analizirajući broj hapšenja nakon izgreda i upoređujući te stope među četvrtima s različitim socioekonomskim statusom. Vidjeli su kako je kriminal u bogatijim područjima rezultirao novim hapšenjima, dok su hapšenja u siromašnim četvrtima opala. Upravo je to što kriminal u siromašnim četvrtima nije doveo do novih hapšenja, ukazalo na pristrasnost u reakciji policije i primjeni zakona.
“Ono što vidimo jeste da kada država krene u akciju, to zahtijeva znatne resurse za hapšenje više ljudi kao odgovor na kriminal u bogatom području. To odvlači policijske resurse od područja nižeg socioekonomskog statusa”, rekao je doktor Išanu Čatopedej, docent na Univerzitetu u Čikagu.
Alat je testiran i potvrđen pomoću istorijskih podataka iz Čikaga u vezi s dvije široke kategorije evidentiranih događaja: nasilnih zločina (ubistva I fizički napadi) i imovinskih krivičnih djela (provale, krađe i krađe motornih vozila). Ti su podaci korišćeni jer su, najvjerovatnije, bili prijavljeni policiji u urbanim područjima gdje postoji istorijsko nepovjerenje i nedostatak saradnje s organima krivičnog gonjenja. Takva krivična djela takođe su manje podložna pristrasnosti u primjeni zakona. Riječ je o krivičnim djelima zloupotrebe droga, saobraćajnim i drugim sitnim prekršajima.
Raniji pokušaji u predviđanju kriminala često koriste epidemijski ili seizmički model, gdje se kriminal prikazuje kao da se pojavljuje u “žarišnim tačkama” koje se šire na okolna područja. Međutim, ti alati nemaju u vidu složeno društveno okruženje gradova i ne uzimaju u obzir odnos između kriminala i rezultata policijskih akcija.
“Prostorni modeli zanemaruju prirodnu topologiju grada”, rekao je sociolog i koautor modela doktor Džems Evans. “Saobraćajne mreže poštuju ulice, trotoare, željezničke i autobuske linije. Komunikacione mreže imaju u vidu područja slične socioekonomske strukture. Naš model omogućuje otkrivanje tih veza.”
Novi model izoluje kriminal posmatrajući vrijeme i prostorne koordinate događaja, otkrivajući obrasce za predviđanje budućih događaja. Grad se dijeli na prostorne pločice širine otprilike 300 metara i predviđa kriminal unutar tih područja, umjesto da se procjena oslanja na tradicionalne susjedske ili političke granice, koje su takođe podložne pristrasnosti. Model je jednako dobro funkcionisao s podacima iz sedam drugih američkih gradova: Atlante, Ostina, Detroita, Los Anđelesa, Filadelfije, Portlanda i San Franciska.
“Pokazujemo važnost otkrivanja obrazaca specifičnih za grad za predviđanje kriminala. Ti obrasci otkrivaju novi pogled na četvrti u gradu i omogućuju nam postavljanje novih pitanja kao i procjenu policijskih akcija na nove načine”, rekao je Evans.
Čatopedej upozorava da tačnost alata ne znači da bi ga trebalo koristiti za usmjeravanje snaga reda, te da ga policijske uprave koriste za preventivno djelovanje u četvrtima, kako bi spriječile kriminal. Umjesto toga, trebalo bi ga dodati u paket instrumenata urbanih politika i policijskih strategija za rješavanje problema kriminala.
Preporučeno
“Stvorili smo digitalnog blizanca urbanih sredina. Ako ga hranite podacima iz prošlosti, reći će vam što će se dogoditi u budućnosti. Nije čarobno, postoje ograničenja, ali potvrdili smo to i djeluje jako dobro”, rekao je Čatopedej. “Sada to možete koristiti kao simulacioni alat kako biste vidjeli šta će se dogoditi ako se kriminal poveća na jednom području grada ili dođe do jače policijske akcije na drugom području. Ako primijenite sve ove različite varijable, možete vidjeti kako se razvija sistem predviđanja.”
