Met weinig tamtam en nog minder publieke transparantie hebben ten minste 60 steden in de VS en Europa misdaadvoorspellingssystemen geïmplementeerd. Het is tijd voor een nationale discussie over politiebeleid en burgerbescherming. ⁃ TN-editor
Wat als je kon voorspellen waar een misdrijf zal plaatsvinden voordat het plaatsvond, zelfs van tevoren het tijdstip van het incident en de identiteit van de dader bepalen? Klinkt een beetje als science fiction, toch? Sociale wetenschappers geloven al lang dat trends in de historische criminaliteit vaak toekomstige patronen beïnvloeden.
De revolutie in geavanceerde machine learning stelt hun theorieën op de proef. Een nieuwe generatie tools voor misdaadvoorspelling staat op het punt de aard van wetshandhaving - en onze privacy - voor altijd dramatisch te veranderen. En het is belangrijker dan ooit dat we een licht werpen op de algoritmen die deze innovaties sturen.
Lessen uit een van 's werelds meest door criminaliteit getroffen steden
Hoewel het nog steeds in het begin is, hebben ten minste 60-politiediensten in Amerikaanse en Europese steden de invoering van systemen voor het voorspellen van criminaliteit uitgerold - met gemengde resultaten. Onderzoekers worstelen om de uitkomsten te begrijpen. Een van de problemen is dat de politie het niet leuk vindt om te delen wat ze doen met het publiek. Een andere is dat het buitengewoon moeilijk is om uitpakken de algoritmen die ze gebruiken omdat ze eigendom zijn. We weten gewoon niet wat er in de zwarte doos zit.
Om het potentieel van criminaliteitsvoorspelling beter te begrijpen, hebben we onlangs een open-source platform voor criminaliteitsvoorspelling ontworpen voor een bijzonder door criminaliteit getroffen stad, Rio de Janeiro. Gemiddeld ongeveer 1,000 mensen worden vermoord jaarlijks in de uitgestrekte metropool 6 miljoen. Dat is twee keer het aantal mensen vermoord in heel Canada, een land met zes keer de bevolking. En de misdaadsituatie is de afgelopen jaren verslechterd, hoewel het niet zo erg is als velen denken.
In Rio de Janeiro is het, net als de meeste steden over de hele wereld, moeilijk om een duidelijk beeld te krijgen van beveiliging en veiligheid. Openbare statistieken zijn niet gemakkelijk toegankelijk en er zijn vaak lange vertragingen voordat ze worden vrijgegeven. Erger nog, wanneer lokale nieuwszenders ook misdaadverhalen vertellen, leiden ze meestal met sensationele koppen die meer doen om angst te verspreiden dan inzicht te bieden. Dat is dus geen verrassing 81% van de lokale bevolking geloven dat ze het risico lopen vermoord te worden.
Zoals in veel steden over de hele wereld, kampen de inwoners van Rio met een gevaarlijke kenniskloof als het gaat om het inschatten van het risico op criminaliteit. Weinig inwoners weten bijvoorbeeld dat het aantal moorden nog steeds bestaat 50% van wat ze tien jaar geleden waren. Er is een zorgwekkende scheiding tussen hoe mensen crimineel geweld ervaren en de feitelijke prevalentie ervan. Deze angst voor criminaliteit heeft een dramatische invloed op de dagelijkse beslissingen van veel inwoners van de stad, inclusief het al dan niet wenden tot particuliere beveiliging, gated communities of vuurwapens voor persoonlijke verdediging.
Wat seismologie ons vertelt over het voorspellen van criminaliteit
Het goede nieuws is dat gewelddadige criminaliteit kan worden teruggedraaid, of op zijn minst gedeeltelijk kan worden vermeden. In veel steden veroorzaakt de verspreiding van smartphones, sociale media en datageletterdheid veranderingen in situationeel bewustzijn en gedrag. Diensten zoals Amazon's beoordelingssystemen, Facebook, Instagram, Snapchat, Telegram en Yelp zijn een cultuur creëren waar mensen nu verwachten toegang te hebben tot gegevens over alle denkbare producten en diensten - en aanbiedingen te mijden waar gegevens niet beschikbaar zijn.
Wat nog meer, verbeteringen in geavanceerde machine learning betekent dat het mogelijk is om veel nauwkeurigere en meer gerichte analyses te maken om de dynamiek van criminaliteit te analyseren, zelfs in complexe steden zoals Rio de Janeiro. Voorspelling van criminaliteit is hier slechts een voorbeeld van. Het is gebaseerd op de verwachting dat misdaad hyper-geconcentreerd is op specifieke plaatsen en besmettelijk is onder bepaalde soorten mensen.
De onderliggende wiskundige modellen voor misdaadvoorspelling kunnen worden herleid tot een onwaarschijnlijke bron - seismologie. Over het algemeen is criminaliteit analoog aan aardbevingen: ingebouwde kenmerken van de omgeving hebben een sterke invloed op de naschokken. Criminaliteit in verband met een bepaalde nachtclub, flatgebouw of straathoek kan bijvoorbeeld de intensiteit en verspreiding van toekomstige criminele activiteiten beïnvloeden.
wpDiscuz