Искусственный интеллект, изучающий данные о преступности, может предсказать место совершения преступлений на предстоящей неделе с точностью до 90 процентов, но есть опасения, что подобные системы могут способствовать сохранению предвзятости.
Искусственный интеллект теперь может предсказать местоположение и уровень преступности в городе на неделю вперед с точностью до 90 процентов. Было доказано, что подобные системы закрепляют расистские предрассудки в работе полиции, и то же самое может быть верно и в данном случае, но исследователи, создавшие этот ИИ, утверждают, что его можно использовать и для выявления этих предубеждений.
Ишану Чаттопадхьяй из Чикагского университета и его коллеги создали модель ИИ, которая проанализировала исторические данные о преступности в Чикаго, штат Иллинойс, с 2014 по конец 2016 года, а затем предсказала уровень преступности на недели, последовавшие за этим периодом обучения.
Модель предсказала вероятность совершения определенных преступлений по всему городу, который был разделен на квадраты размером около 300 метров в поперечнике, на неделю вперед с точностью до 90 процентов. Модель также была обучена и протестирована на данных по семи другим крупным городам США и показала аналогичный уровень эффективности.
Предыдущие попытки использовать ИИ для прогнозирования преступлений вызывали споры, поскольку они могут увековечить расовые предрассудки. В последние годы Департамент полиции Чикаго опробовал алгоритм, который создал список людей, считающихся наиболее подверженными риску быть вовлеченными в стрельбу, либо в качестве жертвы, либо в качестве преступника. Детали алгоритма и списка первоначально держались в секрете, но когда список был наконец обнародован, оказалось, что в него попали 56 процентов чернокожих мужчин города в возрасте от 20 до 29 лет.
Чаттопадхьяй признает, что данные, используемые его моделью, также будут необъективными, но говорит, что были предприняты усилия для уменьшения влияния необъективности, и ИИ не определяет подозреваемых, а только потенциальные места преступлений. "Это не Minority Report", - говорит он.
"Ресурсы правоохранительных органов не безграничны. Поэтому вы хотите использовать их оптимально. Было бы здорово, если бы вы могли знать, где будут происходить убийства", - говорит он.
Чаттопадхьяй говорит, что прогнозы ИИ можно было бы с большей уверенностью использовать для обоснования политики на высоком уровне, а не для прямого распределения ресурсов полиции. Он опубликовал данные и алгоритм, использованный в исследовании, чтобы другие исследователи могли изучить результаты.
Исследователи также использовали данные для поиска областей, где человеческая предвзятость влияет на работу полиции. Они проанализировали количество арестов после преступлений в районах Чикаго с разным социально-экономическим уровнем. Это показало, что преступления в более богатых районах привели к большему количеству арестов, чем в более бедных районах, что свидетельствует о предвзятости реакции полиции.
Лоуренс Шерман из Кембриджского центра доказательной полиции (Великобритания) говорит, что его беспокоит включение в исследование данных о реактивной и проактивной полиции, или преступлений, которые регистрируются, потому что люди сообщают о них, и преступлений, которые регистрируются, потому что полиция выезжает на их поиски. Последний тип данных очень подвержен предвзятости, говорит он. "Они могут отражать намеренную дискриминацию со стороны полиции в определенных районах", - говорит он.
