Onko tekoäly parantamassa rikosten ennustamista?

Tieteiskirjat ja -elokuvat ovat kuvanneet tulevaisuutta, jossa poliisi voi ennustaa rikoksia ennen kuin tekoäly (AI) teki siitä mahdollisen. Nyt se ei ole enää vain teoreettinen mahdollisuus, vaan todellisuus, jossa useat kaupungit kokeilevat tekoälyllä toimivia ennustavia poliisitoimia. Silti se ei ole vielä yleinen käytäntö, joten mitä estää sitä?

Tarkkuus ja luotettavuus ovat olleet ongelmia kaikille ennustavalle analytiikalle vuosien varrella. Teknologia on kuitenkin kehittynyt tarpeeksi, jotta se on saanut aikaan aaltoja teollisuudenaloilla, kuten valmistuksessa ja toimitusketjujen hallinnassa. Onko se valmis laajempaan käyttöön rikosten ennustamisessa?

Tekoälyllinen rikosten ennustaminen tänään

Ennustava poliisityö ei ole vielä normi, mutta siinä on tapahtunut merkittäviä kehityksiä viime vuosina. Nämä kehitysaskeleet voidaan jakaa kolmeen laajaan kategoriaan: todelliset rikosten ennustamiseen perustuvat tekoälysovellukset, kokeelliset tutkimukset ja ilmoitetut, mutta vielä aloittamattomat rikosten ennustamishankkeet.

1. Myönteiset todelliset tulokset

Joissakin kaupungeissa on saavutettu vaikuttavia tuloksia tekoälyllä toimivista ennustavista poliisitoimista. Dubain poliisin Rikos tutkimusosasto kertoo, että vakavien rikosten määrä laski 25% tekoälytyökalun käyttöönoton jälkeen. Vähemmän vakavia rikoksia laski 7,1%.

Kuten useimmat tekoälylliset rikosten ennustamistyökalut, ratkaisu toimii analysoimalla aiempia ilmoituksia ja vertaamalla niitä nykyisiin olosuhteisiin. Korostamalla aiempien rikosten trendejä koneoppimismallit voivat tunnistaa alueet ja ajat, joissa samanlaisia tapahtumia on todennäköisesti tapahtuvaksi. Poliisi voi sitten mobilisoida resursseja etukäteen estämään rikoksia tai puuttua niihin ennen kuin ne tapahtuvat.

San Jose, Kalifornia, on saavuttanut menestystä erilaisen tekoälymallin avulla. Vaikka kaupunki ei vielä ennusta rikoksia, se tunnistaa kuopat ja graffitit tekoälyllä ja puuttuu niihin aikaisemmin. Viranomaisten mukaan alueen puhdistaminen vähentää rikollisen toiminnan todennäköisyyttä siellä, joten tämä prosessi vähentää tapahtumia.

2. Lupaavat kokeelliset mallit

Koska ennustava poliisityö kasvaa, myös samankaltaisten sovellusten varhaiset testit ovat osoittaneet lupaavia tuloksia. Monissa yhteisöissä ennustavan poliisityön täysimittainen käyttöönotto vaatii merkittäviä sääntelyesteitä, mikä hidastaa teknologian omaksumista. Esimerkkejä kokeellisessa vaiheessa edistetään asioiden eteenpäin siinä vaiheessa.

Chicagon yliopiston 2022 tutkimus loi mallin, joka voi ennustaa rikoksia 90%:n tarkkuudella viikko etukäteen. Tärkeämpää on, että järjestelmä on vähemmän altis harhaanjohtamiselle kuin vanhemmat järjestelmät, koska se käyttää erilaisia tietoja. Sen sijaan, että kaupunki jaetaan naapureihin tai poliittisiin rajoihin, se jaetaan erillisiin ja yhtäläisiin tiileen, mikä antaa uuden näkökulman alueeseen.

Kaupungin digitaalisten kaksosten luominen rikosten kartoittamiseksi alkuperäisen järjestelmän sijaan vanhojen, harhaanjohtavien tietojen käyttämisen sijaan voi tuottaa luotettavampia näkemyksiä. Poliisivoimat eivät ole vielä käyttäneet tätä järjestelmää, mutta tutkimus osoittaa, mitä uudet teknologiat tässä alalla voivat tehdä.

3. Tulevat ennustavat poliisitoimet

Tulevaisuuden näkökulmasta useat alueet ovat ilmoittaneet tekoälyllisten rikosten ennustamistavoitteensa. Nämä hankkeet eivät ole vielä aloittaneet, mutta niiden ilmestyminen osoittaa kasvavaa siirtymistä tämän teknologian käyttöön, mahdollisesti hallituksen lisääntyneestä luottamuksesta sen tehokkuuteen.

Heinäkuussa 2024 Argentiinan turvallisuusministeriö ilmoitti tekoälyllisten rikosten ennustamisen ja vastaamisen suunnitelmista. Mukaan määräyksen, poliisivoimat analysoivat historiallisia rikostietoja ennustaakseen tulevia tapahtumia ja reagoivat niiden mukaisesti estääkseen mitään tapahtumista. Se mainitsee myös reaaliaikaisen poikkeamien havaitsemisen, joka voisi toimia yhdessä ennustusmallin kanssa.

Viimeaikaisemmin Iso-Britannia on paljastanut, että se luo ennustustyökalun murhan tunnistamiseksi, jotta voidaan tunnistaa henkilöt, jotka saattavat olla suurimman vaaran alttiina tulevista väkivallan tekijöistä. On epäselvää, miten viranomaiset reagoisivat tähän tietoon, ja on ristiriitaisia raportteja siitä, mitä tietoja ratkaisu käyttää. Oikeusministeriö on sanonut, että hanke on tutkimuksellinen tällä hetkellä, mutta tutkimus tänään voi johtaa tuleviin todellisiin hankkeisiin.

Miten tekoälyllinen rikosten ennustaminen on parantunut?

Nämä nykyiset ja tulevat ennustavat poliisitoimet ovat kaukana ensimmäisistä esimerkeistä tästä teknologiasta. Ne kuitenkin osoittavat myönteisen muutoksen. Aikaisemmat versiot eivät ole pystyneet saavuttamaan saman tason tarkkuutta ja luotettavuutta. Chicagon yliopiston 90%:n tarkkuus ja Dubain 25%:n lasku vakavissa rikoksissa ovat kaukana aikaisemmista yrityksistä.

Vuonna 2024 Pasco County, Floridan, sheriffin toimisto maksoi 105 000 dollarin sovittelun ja lopetti ennustavan poliisitoimintansa huonojen tuloksien vuoksi. Järjestelmä johti siihen, että poliisit kävivät usein ja jopa pidättivät kansalaisia, jotka eivät olleet vielä tehneet rikoksia tekoälymallin ennustusten perusteella.

Samoin Chicago sulki rikosten ennustusmallinsa useiden valitusten jälkeen. Tutkimukset osoittivat, että järjestelmä ei ollut vaikuttanut merkittävästi aserikoksiin, vaikka pidätys todennäköisyys kasvoi. Enemmän huolestuttaen tutkimus paljasti, kuinka algoritmi oli sisäisesti rotuun perustuva, mikä teki ihmisistä värillisiä todennäköisemmin pidätettäviksi.

Toinen suosittu ratkaisu, jota useat kaupungit käyttävät, Geolitica, joka aiemmin tunnettiin nimellä PredPol, näytti vain 0,6%:n tarkkuuden rikosten ennustamisessa. Tarkkuusaste rikoksille oli vain 0,1% joissakin alueissa.

Vertailukohtana epäonnistuneisiin ohjelmiin uudet tekoälylliset rikosten ennustajat ovat hämmästyttävän tarkkoja. Vaikka niistä ei ole ollut paljon tarinoita todellisista poliisivoimista, jotka käyttävät näitä edistyneempiä ratkaisuja, varhaiset tulokset piirtävät voimakkaan kontrastin tekoälyn välillä eilen ja tänään.

Tekoälyllisen rikosten ennustamisen pimeä puoli

On helppo ymmärtää, miksi monet yhteisöt panostavat tekoälylliseen rikosten ennustamiseen. Rikollisen toiminnan estäminen ennen kuin se alkaa on suuri voitto julkiselle turvallisuudelle, ja tekoäly voi havaita trendejä, jotka voivat olla vastakkaisia ihmisten oletuksille. Esimerkiksi yli puolet kaikista murroista tapahtuu päivällä, vaikka yleinen käsitys on, että ne ovat todennäköisemmin yöllä. Tekoäly voi nähdä, mitä näyttää tosilta, löytääkseen todelliset trendit.

Samalla ennustava poliisityö kantaa merkittäviä yksityisyyden ja eettisten huolenaiheiden mukanaan. On syy, miksi 52%:a amerikkalaisista on enemmän huolissaan tekoälystä kuin he ovat innoissaan siitä. Jopa edistyneimmät mallit ovat alttiita harhaanjohtamiselle, ja tekoälyllä on historia perustuvan, jopa liioitellun, ihmisen harhaa, kun se on koulutettu ennaltaehkäiseviin tietoihin.

Historialliset rikostiedot ovat potentiaalisesti vääräksi tulkitsevia parhaimmillaan ja sisäisesti rasistisia pahimmillaan. Pidätysrekisterit voivat osoittaa alueita, jotka ovat enemmän valvottuja kuin ne heijastavat todellista rikollisuutta. Seurauksena tiedot voivat heijastaa pitkään jatkuvia rotuun perustuvia harhaa, joilla on hyvin dokumentoitu historia lainvalvonnassa.

Tekoälymallit, jotka oppivat harhaanjohtavista tiedoista, voivat johtaa siihen, että poliisi partioi mustien naapurustoja voimakkaammin tai on epäluuloisempia värillisiä ihmisiä kohtaan. Chicagon ja Pasco Countyn tapaukset osoittavat juuri sen. Seurauksena tekoälyennustusten luottaminen ilman näiden ennakkoluulojen tunnustamista voi lisätä epäoikeudenmukaisen kohtelun historiallisesti ylipoliceiden ja heikommassa asemassa olevien väestöryhmien keskuudessa.

Rotu epäoikeudenmukaisuuden lisäksi kansalaisten tietojen kerääminen voi johtaa yksityisyyden riskeihin. Hallitukselliset virastot ovat kahdeksanneksi kohdennetuimpia teollisuudenaloja kyberrikoksille, joten ennustavan poliisityön mallin tietoturva on hyvin mahdollinen, lisäksi vahingollinen. Jopa jos kyberhyökkäykset eivät onnistu, kansalaisten valvonta, koska he saattavat tehdä rikoksen, herättää kysymyksiä liiallisen valvonnan ja oikeudenmukaisuuden yhteydestä.

Tekoälyllinen rikosten ennustaminen on parantunut, mutta huolenaiheet pysyvät

Tekoälylliset rikosten ennustusmallit ovat paljon tarkemmpia tänään kuin ne olivat muutama vuosi sitten. Kuitenkin huolenaiheet harhaan, tehokkuudesta ja oikeudenmukaisuudesta ovat edelleen merkittäviä. Päättäjien ja tekoälyyritysten on ratkaisu tehdä nämä ongelmat, jotta voidaan varmistaa, että tämä teknologia voi tarjota turvallisemman tulevaisuuden.