Sztuczna inteligencja potrafi przewidywać przestępstwa z 90% dokładnością

Algorytm, który przewiduje przestępczość

Postępy, jakie mają miejsce w obszarach sztucznej inteligencji oraz uczenia maszynowego wzbudzają ogromne zainteresowanie, także wśród rządów, które chciałyby je wykorzystywać do powstrzymywania przestępczości.

Dzięki wykorzystaniu danych zebranych przez Uniwersytet w Chicago oraz pracy socjologów, opracowano nowy algorytm, który prognozuje przestępczość, ucząc się wzorców na podstawie danych publicznych. Okazuje się, że odnosi od sukcesy w przewidywaniu przyszłych przestępstw z tygodniowym wyprzedzeniem. Dokładność wynosi około 90%.

Jakie dane są wykorzystywane?

Nowe narzędzie zostało przetestowane i zweryfikowane przy użyciu danych historycznych z miasta Chicago, dotyczących dwóch kategorii zdarzeń: przestępstw z użyciem przemocy (zabójstwa, napady i pobicia) oraz przestępstw związanych z mieniem (włamania, kradzieże, w tym też pojazdów mechanicznych).

Dane te zostały wykorzystane, ponieważ najczęściej zgłaszano je policji w obszarach miejskich, gdzie istnieje historyczna nieufność i brak współpracy z organami ścigania. Takie przestępstwa są również mniej podatne na stronniczość organów ścigania, jak ma to miejsce w przypadku przestępstw narkotykowych, zatrzymań ruchu i innych wykroczeń.

Jak działa algorytm?

Nowy model izoluje przestępczość, analizując współrzędne czasowe i przestrzenne zdarzeń oraz wykrywając wzorce w celu przewidywania tych, które nastąpią w przyszłości. Algorytm dzieli miasto na przestrzenne kafelki o szerokości około 1000 stóp (ok. 300 metrów) i przewiduje przestępczość na tych obszarach. Jak dodaje James Evans, socjolog:

Pokazujemy, jak ważne jest odkrywanie wzorców charakterystycznych dla miasta dla przewidywania zgłaszanych przestępstw, które generuje świeże spojrzenie na dzielnice w mieście, pozwala nam zadawać nowe pytania i pozwala nam oceniać działania policji w nowy sposób.

Co sądzicie o takim wykorzystaniu sztucznej inteligencji? Dajcie znać w komentarzach.

Źródło: biologicalsciences.uchicago.edu