監視

AIは犯罪予測を改善しているか？

公開日 2025年7月16日

更新日 2026年5月18日

著者

Zac Amos Features Editor, ReHack

Unite.AI を Google の優先ソースに追加

SF小説や映画では、警察が犯罪を予測する未来が描かれています。現在、AIの登場により、実現可能な技術となりました。複数の都市でAIを使用した予測ポリシングの実験が行われています。しかし、まだ一般的な慣行ではありません。なぜそれが妨げられているのかを見てみましょう。

予測分析のすべてのアプリケーションで、精度と信頼性は問題でした。しかし、技術は成熟し、製造業やサプライチェーン管理などの業界で波紋を広げています。犯罪予測でも大規模な導入に十分な準備ができているのでしょうか。

現在の犯罪予測AIの状況

予測ポリシングはまだ一般的ではありませんが、近年大きな発展を遂げています。これらのステップは、実際の犯罪予測AI、実験研究、発表済みだがまだ開始されていない犯罪予測プロジェクトの3つの広いカテゴリに分類されます。

1. 実際の犯罪予測の成果

いくつかの都市では、AIを使用した予測ポリシングから印象的な結果が得られています。ドバイ警察の犯罪捜査総局は、重犯罪率が25%減少したと報告しています。軽犯罪は7.1%減少しました。

多くのAI犯罪予測ツールと同様に、このソリューションは過去の報告を分析し、現在の状況と比較することで機能します。以前の犯罪の傾向を強調することで、機械学習モデルは、同様のイベントが発生する可能性のある地域と時間を特定できます。警察は事前にリソースを動員して、犯罪を阻止したり、犯罪につながる可能性のある事態に対処したりできます。

カリフォルニア州サンノゼでは、別の種類のAIモデルが成功を収めています。市はまだ犯罪を予測していませんが、ポットホールや落書きをAIで検出して対処しています。担当者によると、地域を清掃することで、犯罪の可能性が低くなるため、このプロセスでも犯罪の発生を減らすことができます。

2. 実験的なモデル

実際の予測ポリシングが成長するにつれて、類似のアプリケーションの初期テストも期待を寄せています。多くの管轄区域では、予測ポリシングシステムをフルに展開するには、相当な規制の障壁があり、技術の採用が遅れています。実験段階の例は、その間にも前進を促しています。

2022年のシカゴ大学の研究では、1週間先の犯罪を90%の精度で予測できるモデルが作成されました。さらに重要なのは、このシステムは古いシステムよりもバイアスに陥りやすさが低いことです。市を政治的境界や地区ではなく、等しいタイルに分割することで、新しい視点を提供します。

都市のデジタルツインを作成して、元のシステムではなく、古い、バイアスのかかったレコードに頼るのではなく、犯罪をマッピングすることで、より信頼性の高い洞察が得られる可能性があります。警察はまだこのシステムを使用していませんが、研究はこの分野の新しい技術が何をできるかを示しています。

3. 予測ポリシングへの投資

将来を見ると、複数の地域でAI犯罪予測の目標が発表されています。これらのプロジェクトはまだ開始されていませんが、その出現は、政府がこの技術の有効性に対する信頼が高まっていることを示唆しています。

2024年7月、アルゼンチンのセキュリティ省は、AI犯罪予測と対応の計画を発表しました。決定によると、警察は歴史的な犯罪データを分析して将来の出来事を予測し、予測に応じて対応して犯罪を防ぐことになります。また、リアルタイムの異常検出も言及されており、予測モデルと連携して機能する可能性があります。

最近、イギリスは、殺人予測ツールの作成を発表しました。どのようなデータを使用するかについては、報告が相反しています。法務省は、このプロジェクトは現段階では研究目的のみであると述べていますが、今日の研究は明日の実際のプロジェクトにつながる可能性があります。

AI犯罪予測の改善

これらの現在および将来の予測ポリシングアプリケーションは、最初の例から遠ざかっています。しかし、肯定的な変化を示しています。以前のバージョンは、同じレベルの精度と信頼性を達成できませんでした。シカゴ大学の解決策の90%の精度とドバイの重犯罪の25%の減少は、以前の試みとは遠く離れています。

2024年、フロリダ州パスコ郡の保安官事務所は、10.5万ドルの和解を行い、予測ポリシングプログラムを終了しました。システムは、AIモデルの予測に基づいて、犯罪を犯していない市民を繰り返し訪問し、さらには逮捕しました。

同様に、シカゴは、犯罪予測モデルを終了しました。研究によると、システムは銃関連犯罪に対する影響はありませんでしたが、逮捕の可能性は高まりました。さらに懸念されるのは、アルゴリズムが本質的に人種的に偏っていることが明らかになり、有色人種が逮捕される可能性が高くなっていたことです。

別の一般的なソリューションであるGeolitica（以前はPredPol）は、0.6%の精度しか示さなかったと報告されています。強盗事件の精度は0.1%でした。

これらの失敗したプログラムと比較して、新しいAI犯罪予測ツールは驚くほど正確です。まだ、多くの警察がこれらの高度なソリューションを使用している話は聞きませんが、初期の結果は、昨日のAIと今日のAIの対比を示しています。

AI犯罪予測の暗い面

多くの管轄区域がAI犯罪予測に投資している理由は明らかです。犯罪を起こす前にそれを阻止することは公共の安全にとって大きな利益であり、AIは人間の仮定に反する傾向を検出できます。たとえば、半分以上の強盗は夜ではなく昼に発生します。AIは人間の認識と異なる実際の傾向を検出できます。

同時に、予測ポリシングには重大なプライバシーと倫理的な懸念があります。52%のアメリカ人がAIよりも懸念している理由があります。最も高度なモデルでも、データに偏見があると、人間の偏見を永続させ、または誇張する可能性があります。

歴史的な犯罪データは、最悪の場合、偏ったものである可能性があります。逮捕記録は、実際の犯罪を反映するのではなく、より厳しく取り締まられている地域を示している可能性があります。したがって、データは、法執行における長い歴史を持つ人種的な偏見を反映している可能性があります。

偏ったデータで学習したAIモデルは、警察が黒人居住地区をより厳しく取り締まることや、有色人種に対してより警戒することにつながる可能性があります。シカゴとパスコ郡の事例はそのように示しています。したがって、偏見を認めずにAIの予測に頼ると、歴史的に過度に取り締まられてきた人種的マイノリティの扱いが不公平になる可能性があります。

人種的不正義とは別に、市民に関する膨大な量のデータを収集することはプライバシー上のリスクにつながる可能性があります。政府機関は、サイバー犯罪の8番目に標的となる業界です。予測ポリシングモデルからのセキュリティ侵害は、サイバー攻撃が成功する可能性は高く、被害も大きい可能性があります。サイバー攻撃が成功しなくても、犯罪を犯す可能性があるとして市民を監視することは、過度な監視と適正手続きについての疑問を提起します。