AI,犯罪 예측을 더 잘할 수 있나요?

과학 소설 책과 영화는 인공지능(AI)이 가능하게 하기 전에 경찰이 범죄를 예측할 수 있는 미래를 상상해왔다. 이제 그것은 단순한 이론적인 가능성만이 아닌 현실이며, 여러 도시에서 AI 기반 예측 경찰 업무를 실험하고 있다. 그러나 아직 일반적인 관행은 아니므로, 그것을 방해하는 것은 무엇인가?

정확도와 신뢰도는 예측 분석 응용 프로그램 모두에서 수년간 문제가 되었다. 그러나 기술은 충분히 성숙하여 제조업과 공급망 관리와 같은 산업에서 파장을 일으키는 수준에 도달했다. 따라서 범죄 예측에서 더 큰 롤아웃에 준비가 되었는가?

현재 범죄 예측 AI의 상태

예측 경찰 업무는 아직 표준이 아니지만, 최근 몇 년간 주요 개발을 보았다. 이러한 단계는 세 가지 범주로 나눌 수 있다 — 실제 범죄 예측 AI, 실험 연구 및 아직 시작되지 않은 범죄 예측 프로젝트.

1. 긍정적인 실제 결과

일부 도시에서는 이미 AI 기반 예측 경찰 업무에서 인상적인 결과를 보았다. 두바이 경찰의 범죄 수사 총국은 중범죄율이 25% 감소했다고 말한다. 덜 심각한 범죄 활동은 7.1% 감소했다.

많은 AI 범죄 예측 도구와 마찬가지로, 이 솔루션은 과거 보고서를 분석하고 현재 조건과 비교하는 방식으로 작동한다. 이전 범죄의 추세를 강조하면 기계 학습 모델이 유사한 사건이 발생할 가능성이 있는 지역과 시간을 식별할 수 있다. 경찰은 그러면 범죄를 방지하거나 범죄가 발생하기 전에 그것으로 이어지는 것을 해결하기 위해 사전에 자원을 동원할 수 있다.

샌호세, 캘리포니아에서는 다른 종류의 AI 모델에서 성공을 보았다. 도시에서는 아직 범죄를 예측하지 않지만, 포트홀과 그래피티를 AI로 감지하여 더 빠르게 해결한다. 당국자에 따르면, 지역을 청소하면 그 지역에서 범죄 활동의 가능성이 줄어든다. 따라서 이 과정은 여전히 사건을 줄인다.

2. 유망한 실험 모델

실제 예측 경찰 업무가 성장함에 따라, 유사한 응용 프로그램의 초기 테스트도 약속을 보였다. 많은 관할 구역에서 전체 예측 범죄 시스템을 롤아웃하는 것은 상당한 규제 장벽을 포함하므로 기술의 채택이 느려진다. 실험 단계의 예는 그 사이에 것을 추진하고 있다.

2022년 시카고 대학교의 연구에서는 90%의 정확도로 일주일 전에 범죄를 예측할 수 있는 모델을 만들었다. 더 중요한 것은, 이 시스템은 이전 시스템보다 편향이 덜하다. 그것은 도시를 이웃이나 정치적 경계로 나누는 대신, 동일하고 같은 타일로 나누어 새로운 시각을 제공한다.

도시의 디지털 쌍둥이를 구축하여 원래 시스템 대신 편향된 기록에 의존하지 않고 범죄를 매핑하면 더 신뢰할 수 있는 통찰력을 제공할 수 있다. 경찰은 아직 이 시스템을 사용하지 않고 있지만, 연구는 이 분야의 새로운 기술이 무엇을 할 수 있는지 보여준다.

3. 예측 경찰 업무 투자

미래를 내다보면, 여러 지역에서 최근에 AI 범죄 예측 목표를 발표했다. 이러한 프로젝트는 아직 시작되지 않았지만, 그 출현은 이 기술에 대한 정부의 신뢰가 증가했을 수 있다.

2024년 7월, 아르헨티나의 안정성부는 AI 범죄 예측 및 응답 계획을 발표했다. 결정에 따르면, 경찰은 역사적인 범죄 데이터를 분석하여 미래의 사건을 예측하고 그것이 발생하지 않도록 적절하게 대응할 것이다. 또한 실시간 이상 감지를 언급했는데, 이는 예측 모델과 함께 작동할 수 있다.

최근, 영국은 살인 예측 도구를 개발 중이라고 밝혔다. 이는 가장 큰 위험을 가진 폭력적인 범죄자로 될 가능성이 있는 사람들을 식별하기 위한 것이다. 당국이 이 데이터에 어떻게 대응할지 불분명하며, 사용할 데이터에 대해 모순된 보고가 있다. 법무부는 이 프로젝트가 현재 연구 목적으로만 진행 중이라고 말했다. 그러나 오늘날의 연구는 내일 실제 프로젝트로 이어질 수 있다.

AI 범죄 예측이 어떻게 개선되었는가?

현재 및 미래의 예측 경찰 업무 응용 프로그램은 이 기술의 첫 번째 예가 아니다. 그러나 그것은 긍정적인 변화를 나타낸다. 이전 버전은 동일한 수준의 정확도와 신뢰성을 달성하지 못했다. 시카고 대학교의 솔루션의 90%의 정확도와 두바이의 25%의 중범죄율 감소는 이전 시도와는 거리가 멀다.

2024년, 플로리다 주 파스코 카운티의 보안관 사무소는 10만 5천 달러의 합의금을 지불하고 예측 경찰 업무 프로그램을 종료했다. 시스템은 범죄를 범하지 않은 시민들을 반복적으로 방문하고 심지어 체포하는 결과를 초래했다.

시카고도 범죄 예측 모델을 종료했다. 연구에 따르면, 시스템은 총기 관련 범죄에 상당한 영향을 미치지 못했음에도 불구하고 체포 가능성이 증가했다. 더 우려스러운 것은, 알고리즘이 본질적으로 인종적으로 편향되어 있음을 보여주는 연구였는데, 이는 유색인종이 체포될 가능성이 더 높았다.

다른 도시에서 사용하는 인기 있는 솔루션인 Geolitica(이전의 PredPol)는 0.6%의 정확도를 보여주었다. 일부 지역에서는 강도에 대한 정확도는 0.1%였다.

이러한 실패한 프로그램과 비교하면, 새로운 AI 범죄 예측기는 놀라울 정도로 정확하다. 아직 이러한 더 발전된 솔루션을 사용하는 실제 경찰력에 대한 이야기는 많지 않지만, 초기 결과는 어제의 AI와 오늘의 AI를 선명하게 대조시킨다.

AI 범죄 예측의 어두운 면

많은 관할 구역이 AI 범죄 예측에 투자하는 이유를 쉽게 이해할 수 있다. 범죄 활동을 시작하기 전에 그것을 막는 것은 공공 안전에 큰 이익이다. 또한 AI는 인간의 가정과는 반대되는 추세를 감지할 수 있다. 예를 들어, 모든 강도 중 절반 이상이 밤이 아닌 낮에 발생한다. AI는 실제 추세를 찾기 위해 무엇이 사실인 것처럼 보이는 것을 볼 수 있다.

동시에, 예측 경찰 업무는 상당한 개인 정보 보호와 윤리적 문제를 안고 있다. 52%의 미국인이 AI에 대해 더 우려한다는 이유가 있다. 가장 발전된 모델도 편향된 데이터에 훈련될 때 인간의 편향을 확대할 수 있다.

과거 범죄 데이터는 잠재적으로 왜곡되거나 인종적으로 편향된 것이다. 체포 기록은 실제 범죄를 반영하기보다는 더 많이 경찰이 пат롤하는 지역을 나타낼 수 있다. 따라서 데이터는 법 집행에서 잘 문서화된 인종적 편향을 반영할 수 있다.

편향된 데이터에서 학습한 AI 모델은 경찰이 흑인 동네를 더 많이 파트롤하거나 유색인종을 더 의심하게 할 수 있다. 시카고와 파스코 카운티의 경우가 이를 보여준다. 따라서 이러한 편향을 인정하지 않고 AI 예측에 의존하면 역사적으로 과도한 경찰 감시와 불리한 인구 통계에 대한 불공평한 대우를 높일 수 있다.

인종적 불공평성 외에도, 시민에 대한 så 많은 데이터를 수집하는 것은 개인 정보 보호 위험을 초래할 수 있다. 정부 기관은 사이버 범죄를 위한 8번째로 많이 표적이 되는 산업이다. 따라서 예측 경찰 업무 모델에서 발생하는 침해는 매우 가능하며, 또한 유해하다. 심지어 사이버 공격이 성공하지 못하더라도, 범죄를 범할 가능성이 있는 시민을 감시하는 것은 과도한 감시와 적법한 절차에 대한 질문을 제기한다.

AI 범죄 예측은 개선되고 있지만, 우려는 여전히 남아 있다

AI 범죄 예측 모델은 오늘날 몇 년 전보다 훨씬 더 정확하다. 그러나 편향, 효과성 및 정의에 대한 우려는 여전히 존재한다. 정책 입안자와 AI 회사들은 이러한 문제를 해결하여 이 기술이 실제로 더 안전한 미래를 제공할 수 있도록 해야 한다.