Η τεχνητή νοημοσύνη βελτιώνεται στην πρόβλεψη του εγκλήματος;

Τα βιβλία και οι ταινίες επιστημονικής φαντασίας έχουν φανταστεί ένα μέλλον όπου η αστυνομία μπορεί να προβλέψει εγκλήματα πολύ πριν η τεχνητική νοημοσύνη (AI) το έκανε δυνατό. Τώρα, δεν είναι απλώς μια θεωρητική δυνατότητα, αλλά μια πραγματικότητα, με πολλές πόλεις που πειραματίζονται με προηγμένα συστήματα προβλέψεων εγκλήματος. Παρόλα αυτά, δεν είναι ακόμη μια κοινή πρακτική, οπότε τι είναι αυτό που την εμποδίζει;

Η ακρίβεια και η αξιοπιστία έχουν sido ζητήματα για όλες τις εφαρμογές προβλέψεων ανάλυσης κατά τη διάρκεια των ετών. Ωστόσο, η τεχνολογία έχει ωριμάσει αρκετά για να κάνει κύματα σε βιομηχανίες όπως η производство και η διαχείριση της αλυσίδας εφοδιασμού. Οπότε, είναι έτοιμη για eine μεγαλύτερη αναπτυξη στην πρόβλεψη του εγκλήματος;

Η κατάσταση της AI στην πρόβλεψη του εγκλήματος σήμερα

Η προβλεπτική αστυνομία μπορεί να μην είναι ακόμη το πρότυπο, αλλά έχει δει μερικές σημαντικές εξελίξεις τα τελευταία χρόνια. Αυτά τα βήματα χωρίζονται σε τρεις ευρείες κατηγορίες — πραγματικά αποτελέσματα προβλέψεων εγκλήματος, πειραματικές μελέτες και ανακοινωθέντα αλλά όχι ακόμη ξεκινημένα προγράμματα προβλέψεων εγκλήματος.

1. Θετικά αποτελέσματα στην πραγματική ζωή

Ορισμένες πόλεις έχουν ήδη δει εντυπωσιακά αποτελέσματα από τα προηγμένα συστήματα προβλέψεων εγκλήματος. Το Τμήμα Εγκληματολογικής Ερεύνης της Αστυνομίας του Ντουμπάι λέει πως οι σοβαρές εγκληματικές δραστηριότητες μειώθηκαν κατά 25% μετά την εφαρμογή eines εργαλείου AI για την πρόβλεψη εγκλήματος. Οι λιγότερο σοβαρές εγκληματικές δραστηριότητες μειώθηκαν κατά 7.1%.

Όπως και πολλά άλλα εργαλεία προβλέψεων εγκλήματος, η λύση λειτουργεί αναλύοντας τις προηγούμενες αναφορές και τις συγκρίνει με τις τρέχουσες συνθήκες. Η υπογράμμιση των τάσεων στις προηγούμενες εγκληματικές δραστηριότητες επιτρέπει στα μοντέλα μηχανικής μάθησης να αναγνωρίσουν τις περιοχές και τις ώρες όπου είναι πιθανό να συμβούν παρόμοια γεγονότα. Η αστυνομία μπορεί τότε να κινητοποιήσει τους πόρους της εκ των προτέρων για να αποθαρρύνει την εγκληματικότητα ή να αντιμετωπίσει τα πράγματα που μπορεί να οδηγήσουν σε αυτή πριν συμβεί.

Η Σαν Χοσέ, Καλιφόρνια, έχει δει επιτυχία από ένα διαφορετικό είδος μοντέλου AI. Ενώ η πόλη δεν προβλέπει ακόμη εγκλήματα, ανιχνεύει οδικά χαντάκια και γκράφιτι με AI για να τα αντιμετωπίσει συντομότερα. Σύμφωνα με τους αξιωματούχους, η καθαρισμός μιας περιοχής μειώνει την πιθανότητα εγκληματικής δραστηριότητας εκεί, οπότε αυτή η διαδικασία μειώνει επίσης τις περιπτώσεις.

2. Υποσχόμενα πειραματικά μοντέλα

Καθώς η προβλεπτική αστυνομία εξελίσσεται, η πρώιμη δοκιμή παρόμοιων εφαρμογών έχει δείξει υποσχόμενα αποτελέσματα. Σε πολλές δικαιοδοσίες, η εφαρμογή ενός συστήματος προβλέψεων εγκλήματος σε πλήρη κλίμακα εμπλέκει σημαντικά ρυθμιστικά εμπόδια, που επιβραδύνουν την υιοθέτηση της τεχνολογίας. Τα παραδείγματα στην πειραματική φάση推進ουν τα πράγματα στο μεταξύ.

Μια μελέτη του 2022 από το Πανεπιστήμιο του Σικάγου δημιούργησε ένα μοντέλο που μπορεί να προβλέψει εγκλήματα με ακρίβεια 90% μια εβδομάδα πριν. Αυτό που είναι πιο σημαντικό, το σύστημα είναι λιγότερο ευάλωτο σε προκατάληψη από τα παλαιότερα συστήματα επειδή χρησιμοποιεί διαφορετικά δεδομένα. Αντί να διαιρεί την πόλη σε γειτονιές ή πολιτικές ορίες, τη χωρίζει σε διακριτά και ίσα τετράγωνα για να παρέχει μια νέα ματιά στην περιοχή.

Η κατασκευή ψηφιακών διπλότυπων μιας πόλης για να χαρτογραφήσει την εγκληματικότητα κατά μήκος ενός πρωτότυπου συστήματος αντί να βασίζεται σε παλαιότερα, προκατειλημμένα αρχεία μπορεί να παράγει πιο αξιόπιστες εικόνες. Οι αστυνομικές δυνάμεις δεν έχουν ξεκινήσει ακόμη να χρησιμοποιούν αυτό το σύστημα, αλλά η έρευνα δείχνει τι μπορούν να κάνουν οι νέες τεχνολογίες σε αυτό το πεδίο.

3. Επικείμενες επενδύσεις σε προβλεπτική αστυνομία

Προβλέποντας το μέλλον, πολλές περιοχές έχουν ανακοινώσει πρόσφατα στόχους προβλέψεων εγκλήματος με AI. Αυτά τα έργα δεν έχουν ξεκινήσει ακόμη, αλλά η εμφάνισή τους σηματοδοτεί μια αυξανόμενη στροφή προς αυτή τη τεχνολογία, πιθανότατα λόγω της αυξημένης εμπιστοσύνης της κυβέρνησης στην αποτελεσματικότητά της.

Τον Ιούλιο του 2024, το Υπουργείο Ασφαλείας της Αργεντινής ανακοίνωσε σχέδια για προβλέψεις εγκλήματος και αντίδραση. Σύμφωνα με την απόφαση, οι αστυνομικές δυνάμεις θα αναλύσουν ιστορικά εγκληματικά δεδομένα για να προβλέψουν μελλοντικά γεγονότα και να αντιδράσουν ανάλογα για να αποτρέψουν οτιδήποτε από το να συμβεί. Αναφέρει επίσης την ανίχνευση ανωμαλιών σε πραγματικό χρόνο, η οποία θα μπορούσε να λειτουργήσει σε συνδυασμό με το προβλεπτικό μοντέλο.

Πιο πρόσφατα, το Ηνωμένο Βασίλειο αποκάλυψε ότι δουλεύει σε ένα εργαλείο προβλέψεων δολοφονιών για να αναγνωρίσει άτομα που μπορεί να παρουσιάσουν τον μεγαλύτερο κίνδυνο να γίνουν βίαιοι εγκληματίες. Δεν είναι σαφές πώς οι αρχές θα αντιδράσουν σε αυτά τα δεδομένα, και υπάρχουν αντικρουόμενες αναφορές σχετικά με τα δεδομένα που θα χρησιμοποιηθεί η λύση. Το Υπουργείο Δικαιοσύνης έχει πει ότι το έργο είναι για έρευνα μόνο σε αυτό το στάδιο, αλλά η έρευνα σήμερα θα μπορούσε να οδηγήσει σε πραγματικά έργα αύριο.

Πώς έχει βελτιωθεί η πρόβλεψη εγκλήματος με AI;

Αυτές οι τρέχουσες και μελλοντικές εφαρμογές προβλεπτικής αστυνομίας είναι μακρές από τα πρώτα παραδείγματα αυτής της τεχνολογίας. Ωστόσο, σηματοδοτούν μια θετική στροφή. Προηγούμενες εκδοχές δεν ήταν σε θέση να επιτύχουν τα ίδια επίπεδα ακρίβειας και αξιοπιστίας. Η λύση του Πανεπιστημίου του Σικάγου με ακρίβεια 90% και η μείωση της σοβαρής εγκληματικότητας κατά 25% στο Ντουμπάι είναι ένα遠 cry από τις προηγούμενες προσπάθειες.

Το 2024, το Γραφείο του Σερίφη της Κομητείας Πάσκο, Φλόριντα, πληρώσε một αποζημίωση 105.000 δολαρίων και έκλεισε το πρόγραμμα προβλεπτικής αστυνομίας του μετά από κακές επιδόσεις. Το σύστημα οδήγησε τους αξιωματούχους να επισκέπτονται και ακόμη και να συλλαμβάνουν πολίτες που δεν είχαν ακόμη διαπράξει εγκλήματα με βάση τις προβλέψεις του μοντέλου AI.

Ομοίως, το Σικάγο έκλεισε το μοντέλο προβλέψεων εγκλήματος του μετά από πολλές καταγγελίες. Οι μελέτες βρήκαν ότι το σύστημα δεν είχε κανένα σημαντικό αντίκτυπο στην εγκληματικότητα που σχετίζεται με όπλα παρά την αύξηση της πιθανότητας σύλληψης. Περισσότερο ανησυχητικό, η έρευνα αποκάλυψε πώς το αλγόριθμο ήταν εγγενώς ρατσιστικά προκατειλημμένος, καθιστώντας τους ανθρώπους του χρώματος πιο πιθανό να συλληφθούν.

Ένα άλλο δημοφιλές λύση που χρησιμοποιείται από πολλές πόλεις, Geolitica, η οποία προηγουμένως ονομαζόταν PredPol, έδειξε μόνο 0,6% ακρίβεια όταν προέβλεψε βίαιες επιθέσεις. Ο ρυθμός ακρίβειας για κλοπές ήταν μόλις 0,1% σε ορισμένες περιοχές.

Συγκριτικά με αυτά τα αποτυχημένα προγράμματα, τα νεότερα προβλεπτικά μοντέλα εγκλήματος είναι αξιοπρεπώς ακριβή. Ενώ δεν υπήρξαν τόσο πολλές ιστορίες για πραγματικές αστυνομικές δυνάμεις που χρησιμοποιούν αυτά τα πιο προηγμένα λύσεις, τα πρώιμα αποτελέσματα ζωγραφίζουν μια σαφής αντίθεση μεταξύ της AI χθες και της AI σήμερα.

Η σκοτεινή πλευρά της AI στην πρόβλεψη εγκλήματος

Είναι εύκολο να καταλάβουμε γιατί τόσοι πολλοί δήμοι επενδύουν σε προβλεπτική αστυνομία με AI. Το να σταματάς την εγκληματική δραστηριότητα πριν ξεκινήσει είναι ένα τεράστιο κέρδος για την ασφάλεια του κοινού, και η AI μπορεί να ανιχνεύσει τάσεις που μπορεί να είναι αντίθετες με τις ανθρώπινες υποθέσεις. Για παράδειγμα, περισσότερο από το μισό όλων των κλοπών συμβαίνουν κατά τη διάρκεια της ημέρας, παρά την κοινή πεποίθηση ότι είναι πιο πιθανό να συμβούν τη νύχτα. Η AI μπορεί να δει μέσα από αυτό που φαίνεται αληθινό για να βρει τις πραγματικές τάσεις.

Ταυτόχρονα, η προβλεπτική αστυνομία φέρει σημαντικές ανησυχίες σχετικά με την ιδιωτικότητα και την ηθική. Υπάρχει ένας λόγος για τον οποίο το 52% των Αμερικανών είναι περισσότερο ανήσυχοι για την AI παρά να είναι ενθουσιασμένοι γι’ αυτή. Ακόμη και τα πιο προηγμένα μοντέλα είναι ευάλωτα σε ψευδαισθήσεις, και η AI έχει ένα ιστορικό για την ενίσχυση, ακόμη και την υπερβολή, των ανθρώπινων προκαταλήψεων όταν εκπαιδεύεται με προκατειλημμένα δεδομένα.

Τα ιστορικά δεδομένα εγκλήματος είναι πιθανότατα αναπαραστατικά στο χειρότερο και εγγενώς ρατσιστικά στο χειρότερο. Τα αρχεία συλλήψεων μπορεί να σηματοδοτούν περιοχές που είναι πιο εντατικά αστυνομικές παρά να αντανακλούν την πραγματική εγκληματικότητα. Συνεπώς, τα δεδομένα μπορεί να αντανακλούν μακροχρόνιες ρατσιστικές προκαταλήψεις, οι οποίες έχουν μια καλά τεκμηριωμένη ιστορία στην επιβολή του νόμου.

Τα μοντέλα AI που μαθαίνουν από προκατειλημμένα δεδομένα μπορεί να οδηγήσουν την αστυνομία να πατρουλάρει μαύρες γειτονιές πιο εντατικά ή να είναι πιο υποψιασμένες για άτομα του χρώματος. Οι περιπτώσεις του Σικάγου και της Κομητείας Πάσκο δείχνουν ακριβώς αυτό. Ως αποτέλεσμα, η εξάρτηση από προβλέψεις AI χωρίς να αναγνωρίζονται αυτές οι προκαταλήψεις θα μπορούσε να αυξήσει την άδικη μεταχείριση ιστορικά υπερ-αστυνομικών και αποτυχημένων δημογραφικών.

Παράλληλα με τις ρατσιστικές αδικίες, η συλλογή इतनών δεδομένων για τους πολίτες θα μπορούσε να οδηγήσει σε κινδύνους ιδιωτικότητας. Οι κυβερνητικές υπηρεσίες είναι η όγδοη πιο στοχευμένη βιομηχανία για κυβερνοεγκλήματα, οπότε μια παραβίαση από ένα μοντέλο προβλεπτικής αστυνομίας είναι πολύ πιθανό, εκτός από το ότι είναι καταστροφικό. Ακόμη και αν δεν υπάρξουν επιτυχημένες κυβερνοεπιθέσεις, η παρακολούθηση των πολιτών επειδή μπορεί να διαπράξει ένα έγκλημα θέτει ερωτήματα σχετικά με την υπερ-παρακολούθηση και την due διαδικασία.

Η πρόβλεψη εγκλήματος με AI βελτιώνεται, αλλά οι ανησυχίες παραμένουν

Τα μοντέλα προβλέψεων εγκλήματος με AI είναι πολύ πιο ακριβή σήμερα από ότι ήταν πριν από quelques χρόνια. Ωστόσο, οι ανησυχίες σχετικά με την προκατάληψη, την αποτελεσματικότητα και την δικαιοσύνη είναι ακόμη προεξάρχουσες. Οι νομοθέτες και οι εταιρείες AI πρέπει να αντιμετωπίσουν αυτά τα ζητήματα για να διασφαλίσουν ότι αυτή η τεχνολογία μπορεί πραγματικά να παρέχει ένα ασφαλέστερο μέλλον.