Er AI blevet bedre til at forudsige kriminalitet?

Sci-fi-bøger og film har forestillet sig en fremtid, hvor politiet kan forudsige kriminalitet lang tid før kunstig intelligens (AI) gjorde det muligt. Nu er det ikke længere blot en teoretisk mulighed, men en realitet, hvor flere byer eksperimenterer med AI-drevet præventiv politiarbejde. Alligevel er det ikke nødvendigvis en almindelig praksis endnu, så hvad står i vejen?

Nøjagtighed og pålidelighed har været problemer for alle prædikative analytics-applikationer gennem årene. Imidlertid er teknologien blevet moden nok til at skabe bølger på tværs af brancher som fabrikation og leverandørstyring. Er den så klar til en større udvikling i kriminalitetsforudsigelse?

Tilstanden for kriminalitetsforudsigende AI i dag

Præventiv politiarbejde er måske ikke endnu normen, men det har set nogle store udviklinger i de seneste år. Disse skridt falder i tre bredte kategorier — virkelige kriminalitetsforudsigende AI, eksperimentelle studier og annoncerede, men endnu ikke startede kriminalitetsforudsigelsesprojekter.

1. Positive virkelige resultater

Nogle byer har allerede set imponerende resultater fra AI-drevet præventiv politiarbejde. Dubais politis generelle afdeling for kriminalundersøgelser siger at alvorlige kriminalitetsrater faldt med 25% efter implementering af et AI-værktøj til at forudsige kriminalitet. Mindre alvorlig kriminel aktivitet faldt med 7,1%.

Ligesom mange AI-kriminalitetsforudsigelsesværktøjer fungerer løsningen ved at analysere tidligere rapporter og sammenligne dem med nuværende forhold. At fremhæve tendenser i tidligere kriminalitet låter maskinelæringsmodellerne identificere områder og tidspunkter, hvor lignende begivenheder er sandsynlige at forekomme. Politiet kan derefter mobilisere ressourcer i forvejen for at afværge kriminalitet eller løse problemer, der kan føre til det, før det sker.

San Jose, Californien, har set succes fra en anden type AI-model. Mens byen ikke forudsiger kriminalitet endnu, detekterer huller og graffiti med AI for at løse dem tidligere. Ifølge myndighederne reducerer rengøring af et område sandsynligheden for kriminel aktivitet der, så denne proces reducerer stadig begivenheder.

2. Lovende eksperimentelle modeller

Mens virkelige præventive politi-virksomheder vokser, har tidlige tests af lignende applikationer også vist løfte. I mange jurisdiktioner indebærer det at rulle en kriminalitetsforudsigelsessystem ud i fuld skala betydelige regulatoriske barrierer, hvilket sænker teknologiens adoption. Eksempler i den eksperimentelle fase skyder tingene frem i mellemtiden.

En studie fra 2022 fra University of Chicago skabte en model, der kan forudsige kriminalitet med 90% nøjagtighed en uge i forvejen. Endnu vigtigere er systemet mindre tilbøjelig til bias end ældre systemer, fordi det bruger anderledes data. I stedet for at opdele byen i kvarterer eller politiske grænser, opdeler det den i distinkte og lige store fliser for at give en ny indsigt i området.

At bygge digitale tvillingbyer til at kortlægge kriminalitet langs et originalsystém i stedet for at stole på ældre, bias-prægede optegnelser kan producere mere pålidelige indsigt. Politistyrker har ikke begyndt at bruge dette system, men forskningen viser, hvad nye teknologier på dette område kan gøre.

3. Kommende præventive politi-investeringer

I fremtiden har flere områder nyligt afsløret AI-kriminalitetsforudsigelsesmål. Disse projekter er ikke startet endnu, men deres opdukken signalerer en voksende skiftning mod denne teknologi, muligvis på grund af øget tillid fra regeringen til dets effektivitet.

I juli 2024 annoncerede Argentinas sikkerhedsministerium planer for AI-kriminalitetsforudsigelse og respons. Ifølge resolutionen vil politistyrkerne analysere historisk kriminel data for at forudsige fremtidige begivenheder og reagere derefter for at forhindre noget i at ske. Det nævner også realtidsafvigelsesdetektion, som kunne fungere i tandem med den prædikative model.

Mere nylig afslørede Storbritannien, at det arbejder på et mordforudsigelsesværktøj for at identificere personer, der måske udgør den største risiko for at blive voldelige kriminelle. Det er uklart, hvordan myndighederne vil reagere på disse data, og der er modstridende rapporter om, hvilke data løsningen vil bruge. Justitsministeriet har sagt, at projektet er til forskning alene på dette punkt, men forskning i dag kan føre til virkelige projekter i morgen.

Hvordan er AI-kriminalitetsforudsigelse forbedret?

Disse nuværende og fremtidige præventive politi-applikationer er langt fra de første eksempler på denne teknologi. Imidlertid signalerer de en positiv skiftning. Tidligere iterationer har ikke kunnet opnå samme niveau af nøjagtighed og pålidelighed. University of Chicagos løsning med 90% nøjagtighed og Dubais 25% reducering i alvorlig kriminalitet er langt fra tidligere forsøg.

I 2024 betalte Pasco County, Floridas, sheriffs kontor en erstatning på 105.000 dollars og lukkede sin præventive politi-program efter dårlige resultater. Systemet resulterede i, at betjente gentagne gange besøgte og endda anholdt borgere, der endnu ikke havde begået kriminalitet, baseret på AI-modellens forudsigelser.

Ligesom Chicago lukkede sin kriminalitetsforudsigelsesmodel efter flere klager. Studier fandt, at systemet ikke havde nogen betydelig indvirkning på skydevåben-relateret kriminalitet, på trods af en øget sandsynlighed for anholdelse. Endnu mere bekymrende var, at forskningen afslørede, hvordan algoritmen var indbygget racemæssigt bias, og gjorde det mere sandsynligt, at personer af farve ville blive anholdt.

En anden populær løsning, der blev brugt af flere byer, Geolitica, der tidligere gik under navnet PredPol, viste kun 0,6% nøjagtighed når det kom til at forudsige alvorlige overfald. Nøjagtighedsraten for indbrud var en ringe 0,1% i visse områder.

I sammenligning med disse fejlslåede programmer er nyere AI-kriminalitetsforudsigelser bemærkelsesværdigt nøjagtige. Selv om der ikke har været så mange historier om virkelige politistyrker, der bruger disse mere avancerede løsninger, tegner tidlige resultater et stærkt kontrast mellem AI i går og AI i dag.

Den mørke side af AI i kriminalitetsforudsigelse

Det er let at se, hvorfor så mange jurisdiktioner investerer i AI-kriminalitetsforudsigelse. At stoppe kriminel aktivitet, før den starter, er en enorm gevinst for offentlig sikkerhed, og AI kan opdage tendenser, der kan være modsat menneskelige antagelser. For eksempel mere end halvdelen af alle indbrud sker om dagen, på trods af den almindelige opfattelse af, at de er mere sandsynlige om natten. AI kan se igennem, hvad der synes sandt, for at finde virkelige tendenser.

På samme tid indebærer præventiv politiarbejde betydelige bekymringer om privatliv og etik. Der er en grund til, at 52% af amerikanerne er mere bekymrede om AI end de er begejstrede for det. Selv de mest avancerede modeller er tilbøjelige til hallucination, og AI har en track record for at fastholde, endda forstærke, menneskelig bias, når de trænes på fordomsfulde data.

Historisk kriminalitetsdata er potentielt misrepræsentativt i bedste fald og indbygget racistisk i værste fald. Anholdelsesoptegnelser kan signalisere områder, der er mere intensivt patruljeret end de reflekterer virkelig kriminalitet. Følgelig kan dataene reflektere langvarige racemæssige fordomme, der har en velkendt historie i lov og orden.

AI-modeller, der lærer af fordomsfulde data, kan føre til, at politiet patruljerer sorte kvarterer mere intensivt eller er mere mistænksomme over for personer af farve. Chicago- og Pasco County-sagerne viser netop det. Som følge heraf kan afhængighed af AI-forudsigelser uden at anerkende disse fordomme kunne øge den uretfærdige behandling af historisk over-patruljerede og underordnede demografier.

Racemæssig uretfærdighed til side, kan indsamling af så megen data om borgere føre til privatlivsrisici. Reguleringsmyndigheder er den ottende mest udsatte industri for cyberkriminalitet, så et brud fra en præventiv politimodel er højst sandsynligt, ud over at være skadeligt. Selv hvis ingen cyberangreb lykkes, rejser overvågning af borgere, fordi de måske kan begå en kriminalitet, spørgsmål om over-overvågning og retssikkerhed.

AI-kriminalitetsforudsigelse er forbedret, men bekymringer består

AI-kriminalitetsforudsigelsesmodeller er langt mere nøjagtige i dag end de var for få år siden. Imidlertid er bekymringer om bias, effektivitet og retfærdighed stadig fremherskende. Beslutningstagerne og AI-virksomhederne må løse disse problemer for at sikre, at denne teknologi kan give en sikrere fremtid.