Чи покращується штучний інтелект у прогнозуванні злочинів?

У науково-фантастичних книгах та фільмах уявлялося майбутнє, де поліція могла передбачати злочини задовго до того, як штучний інтелект (ШІ) зробив це можливим. Зараз це не просто теоретична можливість, а реальність, оскільки кілька міст експериментують з прогнозною поліцейською діяльністю на базі ШІ. Тим не менш, це ще не обов'язково поширена практика, тож що стоїть цьому на заваді?

Точність і надійність були проблемами для всіх застосувань прогнозної аналітики протягом багатьох років. Однак ця технологія достатньо розвинулася, щоб зробити фурор у таких галузях, як виробництво та управління ланцюгами поставок. Тож чи готова вона до ширшого впровадження у прогнозування злочинності?

Стан штучного інтелекту, що прогнозує злочинність, сьогодні

Прогнозна поліція, можливо, ще не стала нормою, але за останні роки вона зазнала деяких значних змін. Ці кроки можна розділити на три широкі категорії: штучний інтелект для прогнозування злочинності в реальному світі, експериментальні дослідження та оголошені, але ще не розпочаті проекти прогнозування злочинності.

1. Позитивні результати в реальному світі

Деякі міста вже побачили вражаючі результати завдяки прогнозній поліцейській діяльності на базі штучного інтелекту. Головне управління кримінальних розслідувань поліції Дубая повідомляє рівень тяжких злочинів знизився на 25% після впровадження інструменту штучного інтелекту для прогнозування злочинів. Кількість менш тяжких злочинів скоротилася на 7.1%.

Як і багато інструментів прогнозування злочинів на основі штучного інтелекту, це рішення працює шляхом аналізу попередніх звітів та порівняння їх із поточними умовами. Виділення тенденцій у попередніх злочинах дозволяє моделям машинного навчання визначати райони та час, де ймовірно відбудуться подібні події. Поліція може заздалегідь мобілізувати ресурси, щоб запобігти злочинності або вирішити проблеми, які можуть призвести до неї, перш ніж вона станеться.

Сан-Хосе, Каліфорнія, досяг успіху завдяки іншій моделі штучного інтелекту. Хоча місто ще не прогнозує злочинність, воно виявляє вибоїни та графіті за допомогою штучного інтелекту, щоб швидше їх вирішити. За словами чиновників, очищення території знижує ймовірність злочинної діяльності там, тому цей процес все одно зменшує кількість інцидентів.

2. Перспективні експериментальні моделі

Зі зростанням реального прогнозного поліцейського контролю, раннє тестування аналогічних програм також показало багатообіцяючі результати. У багатьох юрисдикціях повне впровадження системи прогнозування злочинності пов'язане зі значними регуляторними бар'єрами, що уповільнює впровадження технології. Тим часом приклади, що знаходяться на експериментальній фазі, просувають справи вперед.

Дослідження Чиказького університету 2022 року створило модель, яка може передбачати злочини з точністю 90% за тиждень наперед. Що ще важливіше, система менш схильна до упередженості, ніж старіші системи, оскільки використовує інші дані. Замість того, щоб ділити місто на райони чи політичні кордони, вона розділяє його на окремі та рівні плитки, щоб надати новий погляд на місцевість.

Створення цифрових двійників міста для картографування злочинності за оригінальною системою, замість того, щоб покладатися на старіші, схильні до упереджень записи, може дати більш достовірну інформацію. Поліцейські сили ще не почали використовувати цю систему, але дослідження демонструє, на що здатні нові технології в цій галузі.

3. Майбутні інвестиції у прогнозну поліцію

Забігаючи наперед, кілька регіонів нещодавно оприлюднили цілі прогнозування злочинності за допомогою штучного інтелекту. Ці проекти ще не розпочалися, але їхня поява сигналізує про зростаючий зсув у бік цієї технології, можливо, через зростання довіри уряду до її ефективності.

У липні 2024 року Міністерство безпеки Аргентини оголосили про плани щодо прогнозування злочинів зі штучним інтелектом та реагування. Згідно з резолюцією, поліцейські сили аналізуватимуть історичні дані про злочинність, щоб прогнозувати майбутні події та реагувати відповідно, щоб запобігти будь-яким можливим наслідкам. Також згадується виявлення аномалій у режимі реального часу, яке може працювати разом із прогностичною моделлю.

Зовсім недавно Велика Британія оголосила, що працює над інструментом прогнозування вбивств щоб виявити людей, які можуть становити найбільший ризик стати насильницькими злочинцями. Незрозуміло, як влада відреагує на ці дані, і існують суперечливі повідомлення про те, які дані використовуватиме це рішення. Міністерство юстиції заявило, що на даний момент проєкт призначений лише для досліджень, але дослідження сьогодні можуть призвести до реальних проєктів завтра.

Як покращилося прогнозування злочинів за допомогою штучного інтелекту?

Ці нинішні та майбутні програми прогнозного поліцейського контролю далеко не перші приклади використання цієї технології. Однак вони свідчать про позитивний зсув. Попередні ітерації не змогли досягти такого ж рівня точності та надійності. 90% точність рішення Чиказького університету та 25% зниження тяжких злочинів у Дубаї дуже відрізняються від попередніх спроб.

У 2024 році офіс шерифа округу Паско, штат Флорида сплатив компенсацію у розмірі 105,000 XNUMX доларів США і закрила свою програму прогнозного поліцейського контролю після поганих результатів. Система призвела до того, що офіцери неодноразово відвідували та навіть заарештовували громадян, які ще не скоїли злочинів, на основі прогнозів моделі штучного інтелекту. 

Так само, Чикаго закрити свою модель прогнозування злочинності після кількох скарг. Дослідження показали, що система не мала суттєвого впливу на злочини, пов'язані зі зброєю, незважаючи на збільшення ймовірності арешту. Ще більш тривожним є те, що дослідження виявили, що алгоритм був за своєю суттю расово упередженим, що збільшувало ймовірність арешту кольорових людей.

Ще одне популярне рішення, яке використовують багато міст, – Geolitica, що раніше мала назву PredPol, показав лише 0.6% точності при прогнозуванні нападів із обтяжуючими обставинами. Коефіцієнт точності для крадіжок зі зломом у деяких районах становив лише 0.1%.

Порівняно з цими невдалими програмами, новіші прогностичні засоби для прогнозування злочинності на основі штучного інтелекту є надзвичайно точними. Хоча історій про те, як поліцейські сили в реальному світі використовують ці більш просунуті рішення, не так багато, ранні результати показують разючий контраст між штучним інтелектом учора та сьогодні. 

Темний бік ШІ у прогнозуванні злочинності

Легко зрозуміти, чому так багато юрисдикцій інвестують у прогнозування злочинів за допомогою штучного інтелекту. Зупинка злочинної діяльності до її початку є величезним здобутком для громадської безпеки, а штучний інтелект може виявляти тенденції, які можуть суперечити людським припущенням. Наприклад більше половини всіх крадіжок зі зломом трапляються вдень, попри поширену думку, що вони більш імовірні вночі. Штучний інтелект може бачити крізь те, що здається правдою, щоб знаходити реальні тенденції.

Водночас, прогнозна поліцейська діяльність несе значні проблеми щодо конфіденційності та етики. Є причина, чому 52% американців більше стурбовані про ШІ, ніж вони ним захоплюються. Навіть найдосконаліші моделі схильні до галюцинацій, а ШІ має історію увічнення, навіть перебільшення, людської упередженості, коли його навчають на упереджених даних.

Історичні дані про злочинність у кращому випадку потенційно неправдиві, а в гіршому – за своєю суттю расистські. Записи про арешти можуть свідчити про райони, де поліція ретельніше контролює злочинність, ніж вони відображають фактичну злочинність. Отже, дані можуть відображати давні расові упередження, які мають добре задокументовану історію в правоохоронних органах.

Моделі штучного інтелекту, які навчаються на упереджених даних, можуть спонукати поліцію ретельніше патрулювати райони, де проживає чорношкірий населення, або ставитися до них з більшою підозрою. Випадки Чикаго та округу Паско саме це й демонструють. Як наслідок, покладатися на прогнози штучного інтелекту без урахування цих упереджень може посилити несправедливе ставлення до історично надмірно контрольованих та неблагополучних демографічних груп.

Якщо не враховувати расову несправедливість, збір такої великої кількості даних про громадян може призвести до ризиків для конфіденційності. Урядові установи... восьма за величиною галузь, що є мішенню для кіберзлочинності, тому порушення прогнозної моделі поліції є цілком можливим, окрім того, що може завдати шкоди. Навіть якщо жодні кібератак не будуть успішними, моніторинг громадян через те, що вони можуть скоїти злочин, викликає питання щодо надмірного спостереження та належної правової процедури.

Прогнозування злочинності за допомогою штучного інтелекту покращується, але занепокоєння залишаються

Моделі прогнозування злочинності за допомогою штучного інтелекту сьогодні набагато точніші, ніж кілька років тому. Однак, побоювання щодо упередженості, ефективності та справедливості все ще залишаються значними. Політики та компанії, що займаються штучним інтелектом, повинні вирішити ці проблеми, щоб гарантувати, що ця технологія дійсно забезпечить безпечніше майбутнє.