Er AI bedre til å forutsie kriminalitet?

Sci-fi-bøker og -filmer har forestilt seg en fremtid der politiet kan forutsie kriminalitet lenge før kunstig intelligens (AI) gjorde det mulig. Nå er det ikke bare en teoretisk mulighet, men en realitet, med flere byer som eksperimenterer med AI-drevet prediktiv politiarbeid. Likevel er det ikke nødvendigvis en vanlig praksis ennå, så hva står i veien?

Nøyaktighet og pålitelighet har vært problemer for alle prediktive analytiske applikasjoner gjennom årene. Likevel har teknologien moden nok til å skape bølger over hele industrien, som produksjon og forsyningskjedeledelse. Er den klar for en større utrullning i kriminalitetsforutsielse?

Tilstanden for kriminalitetsforutsiende AI i dag

Prediktiv politiarbeid kan kanskje ikke være normen ennå, men det har sett noen store utviklinger de siste årene. Disse skrittene faller inn i tre brede kategorier — virkelige kriminalitetsforutsiende AI, eksperimentelle studier og kunngjorte, men ikke-startede kriminalitetsforutsielsesprosjekter.

1. Positive virkelige resultater

Noen byer har allerede sett imponerende resultater fra AI-drevet prediktiv politiarbeid. Dubais politis generelle avdeling for kriminalitetssaker sier at alvorlige kriminalitetsrater falt med 25% etter å ha implementert et AI-verktøy for å forutsie kriminalitet. Mindre alvorlig kriminalitet falt med 7,1%.

Som mange AI-kriminalitetsforutsielsesverktøy, fungerer løsningen ved å analysere tidligere rapporter og sammenligne dem med nåværende forhold. Å høydepunkte trender i tidligere kriminalitet lar maskinlæringsmodellene identifisere områder og tider hvor lignende hendelser sannsynligvis vil skje. Politiet kan deretter mobilisere ressurser i forkant for å avskrekke kriminalitet eller håndtere ting som kan føre til det før det skjer.

San Jose, California, har sett suksess fra en annen type AI-modell. Mens byen ikke forutsier kriminalitet ennå, detekterer hull i veien og graffiti med AI for å håndtere dem tidligere. Ifølge myndighetene, å rengjøre et område reduserer sannsynligheten for kriminalitet der, så denne prosessen reduserer hendelser.

2. Løftende eksperimentelle modeller

Mens virkelige prediktive politiarbeid vokser, har tidlige tester av lignende applikasjoner også vist løfte. I mange jurisdiksjoner, å rulle ut et kriminalitetsforutsielsessystem i fullt omfang, innebærer betydelige regulatoriske barrierer, som sakter teknologiens tilpasning. Eksempler i den eksperimentelle fasen skyver tingene fremover i mellomtiden.

En studie fra 2022 fra University of Chicago skapte en modell som kan forutsie kriminalitet med 90% nøyaktighet en uke i forkant. Mer viktig, er systemet mindre utsatt for fordommer enn eldre systemer fordi det bruker forskjellige data. I stedet for å dele byen inn i nabolag eller politiske grenser, deler det den inn i distinkte og like store fliser for å gi en ny titt på området.

Bygging av digitale tvillingbyer for å kartlegge kriminalitet langs et originalsysten i stedet for å stole på eldre, fordomsfulle rekorder, kan produsere mer pålitelige innsikter. Politistyrkene har ikke startet å bruke dette systemet ennå, men forskningen viser hva nye teknologier i dette feltet kan gjøre.

3. Kommende prediktive politiarbeidsinvesteringer

Ser vi fremover, har flere områder nylig avduket AI-kriminalitetsforutsielsesmål. Disse prosjektene har ikke startet ennå, men deres fremkomst signaliserer en økende skift mot denne teknologien, kanskje fra økt regjerings tillit til dens effektivitet.

I juli 2024 kunngjorde Argentinas sikkerhetsministerium planer for AI-kriminalitetsforutsielse og respons. Ifølge resolusjonen, vil politistyrkene analysere historiske kriminalitetsdata for å forutsie fremtidige hendelser og reagere deretter for å forebygge alt fra å skje. Det nevner også sanntids-anomalietekking, som kunne fungere i tandem med forutsielsesmodellen.

Mer nylig avduket Storbritannia at de arbeider på et mordforutsielsesverktøy for å identifisere personer som kan presenterer den største risikoen for å bli voldelige kriminelle. Det er uklart hvordan myndighetene ville reagere på disse dataene, og det er motstridende rapporter om hva dataene løsningen vil bruke. Justisministeriet har sagt at prosjektet er for forskning kun på dette tidspunktet, men forskning i dag kan føre til virkelige prosjekter i morgen.

Hvordan har AI-kriminalitetsforutsielse forbedret seg?

Disse nåværende og fremtidige prediktive politiarbeidsapplikasjoner er langt fra de første eksemplene på denne teknologien. Likevel, de signifierer en positiv skift. Tidligere iterasjoner har ikke kunnet oppnå samme nivåer av nøyaktighet og pålitelighet. University of Chicagos løsning med 90% nøyaktighet og Dubais 25% reduksjon i alvorlig kriminalitet er et langt skritt fra tidligere forsøk.

I 2024 betalte Pasco County, Floridas, sheriffkontor en erstatning på 105 000 dollar og stengte ned sitt prediktive politiarbeidsprogram etter dårlige resultater. Systemet resulterte i at politiet gjentatte ganger besøkte og til og med arresterte borgere som ikke hadde begått noen kriminalitet ennå, basert på AI-modellens forutsielse. 

Tilsvarende stengte Chicago ned sitt kriminalitetsforutsielsesmodell etter flere klager. Studier fant at systemet ikke hadde noen betydelig effekt på skytevåpen-relatert kriminalitet, til tross for en økning i arrest-sannsynlighet. Mer bekymringsverdig, avslørte forskningen hvordan algoritmen var innebygget rasistisk, og gjorde det mer sannsynlig at personer av farge ville bli arrestert.

En annen populær løsning som brukes av flere byer, Geolitica, som tidligere gikk under navnet PredPol, viste bare 0,6% nøyaktighet når det kom til å forutsie alvorlige angrep. Nøyaktighetsraten for innbrudd var bare 0,1% i noen områder.

I sammenligning med disse feilede programmene, er nyere AI-kriminalitetsforutsielsesløsninger bemerkelsesverdig nøyaktige. Mens det ikke har vært like mange historier om virkelige politistyrker som bruker disse mer avanserte løsningene, tidlige resultater tegner et skarpt kontrast mellom AI i går og AI i dag. 

Den mørke siden av AI i kriminalitetsforutsielse

Det er lett å se hvorfor så mange jurisdiksjoner investerer i AI-kriminalitetsforutsielse. Å stoppe kriminalitet før den skjer, er en enorm gevinst for offentlig sikkerhet, og AI kan detektere trender som kan være motsatt av menneskelige antagelser. For eksempel, mer enn halvparten av alle innbrudd skjer om dagen, til tross for den vanlige antagelsen at de er mer sannsynlig om natten. AI kan se gjennom hva som ser ut til å være sant for å finne faktiske trender.

På samme tid, bærer prediktiv politiarbeid betydelige personvern- og etiske bekymringer. Det er en grunn til at 52% av amerikanerne er mer bekymret om AI enn de er begeistret for det. Selv de mest avanserte modellene er utsatt for hallusinasjon, og AI har en rekord for å videreformidle, og til og med overdrive, menneskelig fordom når den er trent på fordomsfulle data.

Historiske kriminalitetsdata er potensielt misrepresentativ på best og innebygget rasistisk på verst. Arrest-rekorder kan signifisere områder som er mer tungt politibevoktede enn de reflekterer faktisk kriminalitet. Følgelig kan dataene reflektere langvarige rasistiske fordommer, som har en vel-dokumentert historie i lovverket.

AI-modeller som lærer fra fordomsfulle data kan føre til at politiet patruljerer sorte nabolag mer intensivt eller er mer mistenksomme overfor personer av farge. Chicago- og Pasco County-tilfellene viser nettopp det. Som følge, kan avhengighet av AI-forutsielse uten å anerkjenne disse fordommene kunne øke den urettferdige behandlingen av historisk over-politiserte og underprivilegerte befolkningsgrupper.

Rasistisk urettferdighet til side, kan innhenting av så mye data om borgere kunne føre til personvern-risiko. Regjeringsbyråer er den åttende mest utsatte industrien for cyberkriminalitet, så et brudd fra et prediktivt politiarbeidsmodell er høyst mulig, i tillegg til å være skadelig. Selv om ingen cyberangrep lykkes, å overvåke borgere fordi de kanskje kan begå en kriminalitet, reiser spørsmål om over-overvåking og rettferdighet.

AI-kriminalitetsforutsielse er bedre, men bekymringer består

AI-kriminalitetsforutsielsesmodeller er langt mer nøyaktige i dag enn de var for noen år siden. Likevel, bekymringer om fordommer, effektivitet og rettferdighet er fremdeles fremtredende. Politikere og AI-selskaper må adresse disse problemene for å sikre at denne teknologien kan faktisk gi en tryggere fremtid.